一周热榜

Strava 2026 年的 API 条款扼杀了我的“已验证里程”想法——这是我取而代之构建的东西。<p>一款健身装备追踪器，作为 Strava 装备追踪功能的补充。<p>主要功能包括： - 装备追踪及打包成套件 - AI 健身教练

我是 Eleuteria 的运营者。<p>Eleuteria 是 RoboSats 联盟中的一个新协调器。我之所以开始运营它，是因为我喜欢拥有多个独立协调器的想法，而不是依赖单一运营者进行 P2P 比特币交易。<p>隐私至上。该服务可通过 Tor 访问，使用闪电网络，并且不需要账户或 KYC。<p>它还很新，在这个阶段，我主要关注的是获得实际使用和反馈：更多的订单、成功的交易以及在出现意外情况时的报告。<p>如果您已经在使用 RoboSats，您可以选择 Eleuteria 作为协调器。如果您不了解 RoboSats，该项目本身也值得深入了解。<p>Eleuteria： <a href="https:&#x2F;&#x2F;eleuteria-robosat.github.io&#x2F;" rel="nofollow">https:&#x2F;&#x2F;eleuteria-robosat.github.io&#x2F;</a><p>我很乐意在此回答技术问题。

作为机器学习学习小组的一员，我一直在构建工具来实验机器学习概念。我使用AI编码代理来开发软件，主要基于云，但我一直在尝试在具有12G、16G和24G显存的GPU上运行本地LLM。Freetoken使得在较小的GPU上运行更大的MoE模型成为可能。 这启发我使用我的ML工具从头开始构建一个微型MoE模型，以便我可以试验不同的代理优化以及Engram、递归模型、分层模型、KV缓存压缩等。 我上面的链接展示了构建不同微型模型的结果，其中一个是密集模型，其余是MoE变体。这背后有大量的代码和工具。 目标： - 构建可在浏览器中运行的微型MoE模型，以提供交互式帮助（今天我使用确定性匹配器来响应用户查询；仍在研究如何通过训练更好的MoE模型来改进这一点）。 - 构建可在小型ARM和RISC-V开发板上运行的微型MoE模型，可能使用NPU（使用no_std Rust）。 我的工具是Python、ML库、Jupyter Notebook和Google Colab的替代品。 我的方法是使用Rust编写的REPL和/或AOT可编译的数组编程DSL。该语言将ML概念作为一等语言元素，并内置可视化原语。 它通过WASM在浏览器中运行。它在Apple和Linux的CLI上运行（支持Apple GPU和NVIDIA GPU库，基于Ollama的REPL上下文敏感帮助）。它可以通过动态插件Rust库进行扩展。 我创建了许多演示仓库，展示了如何使用这种ML数组语言进行ML任务、学习数学概念和通用编程。您可以构建桌面应用程序、（受Ruby on Rails启发）CRUD应用程序。因此，您可以创建ML实验并在浏览器或桌面上可视化数据。 它还支持Emacs org-mode进行文献编程。 这个微型MoE显微镜只是我这种方法的最新演示。我希望它能帮助一些人更深入地了解MoE专家、路由、Engram等。它也帮助我学到了更多。