标题: 谁是最强codex驾驶员？
作者: #BananaPancake
板块: #搞七捻三
编号: 1646019
帖子: https://linux.do/t/topic/1646019
时间: 2026-02-25 14:47:58
摘要:

看佬们对codex各模型褒贬不一，开个投票咨询下
选出你心中的最强驾驶员！


gpt-5.3-codex
gpt-5.2-codex
gpt-5.2

Click to view the poll.

标题: 敢问各位佬友 有没有靠谱的cursor号商推荐
作者: #冬月
板块: #搞七捻三
编号: 1646022
帖子: https://linux.do/t/topic/1646022
时间: 2026-02-25 14:48:41
摘要:

如标题所示 各位佬友有没有使用cursor稳定账号的地方（购买pro号，不是插件啥的），
这也算是病急乱投医了，之前一直在闲鱼看cursor买号用，但那边稳定的一个也没有 前脚刚买几个，后脚这个商铺就跑路了 也是受够了，看看l站里面的佬友有没有对应推荐 我好稳定购入_(:з」∠)_

标题: Android vibe coding[手机摸鱼]
作者: #flyking
板块: #开发调优
编号: 1646030
帖子: https://linux.do/t/topic/1646030
时间: 2026-02-25 14:51:51
摘要:

各位佬友，手机上用happy体验咋样，我用happy出了很多错误，对话回复经常有问题，要么终端又报错，是不是直接用个ssh软件操控，体验更好，有没有推荐的。

标题: CPA的iflow炸了
作者: #moon
板块: #搞七捻三
编号: 1646035
帖子: https://linux.do/t/topic/1646035
时间: 2026-02-25 14:52:38
摘要:

Error: 406 {“error”:{“message”:“status 406”,“type”:“invalid_request_error”}}
重新换 cookie 也不行

标题: 想转AI方向怎样做不踩坑
作者: #One_Youndcris
板块: #搞七捻三
编号: 1646037
帖子: https://linux.do/t/topic/1646037
时间: 2026-02-25 14:52:50
摘要:

首先就是现在信息太多，有点无从下手，希望有大佬能指点迷经！

标题: 【bro拥有预知未来的能力】我已然知道我2025年能退多少税了
作者: #秋明
板块: #搞七捻三
编号: 1646045
帖子: https://linux.do/t/topic/1646045
时间: 2026-02-25 14:54:41
摘要:

也是哥们在网上看到的，转载来的,发帖人和平台都能看到，我就不码了，尊重原创

标题: Skills是模型厂商套取私域经验的阳谋 | 转载
作者: #ItTakes
板块: #搞七捻三
编号: 1646052
帖子: https://linux.do/t/topic/1646052
时间: 2026-02-25 14:57:17
摘要:

大家把各种任务工作流程、常见问题，还有各式各样的私域知识、工具都写成 Skills，这样模型厂商就可以到 GitHub等地方 找到这些非常宝贵，而且都是精华的资料。
或者直接在Agent API层截留的数据里识别这些 Skills，然后经过挑选变成下一次的RL训练任务集。
现在大家只要想要把事情做得更好，就会尝试 Skills。模型厂商就有源源不绝的数据集可以用。
转自X：

标题: 抽奖, 超算中心部分算力
作者: #Asimov
板块: #开发调优
编号: 1646054
帖子: https://linux.do/t/topic/1646054
时间: 2026-02-25 14:57:36
摘要:

前几天有佬友提供信息, 超算中心可以提供试用, 我试着抱一抱的态度去申请了, 竟然批准了, 虽然和我预想的有差距, 但是毕竟是可以比较畅快的用超算的算力了.
我们自己其实有一部分卡就足够了, 所以想问问诸位大佬:
如果我能分出部分卡和算力, 你们打算怎么用,
首先是要合规, 我会在回帖中进行人工筛选, 有想法、有意义或者觉得有趣的项目进行抽奖,
抽出三名幸运儿.
抽到了我们讨论具体的使用方法.
强调: 我也第一次搞, 如果不合规或者我想的规则不合适, 包括使用中有什么问题,瑕疵,请及时指出.

标题: 有人感觉到ChatGPT生成速度变慢了嘛
作者: #Integer
板块: #搞七捻三
编号: 1646055
帖子: https://linux.do/t/topic/1646055
时间: 2026-02-25 14:57:40
摘要:

感觉ChatGPT用5.2的时候生成速度非常慢。不明外为啥OpenAI一直在砍PLUS的权益，造成体验非常不好。看来OpenAI也开始走下坡路了。

标题: 登录回来了，有种劫后余生的感觉
作者: #阿霜
板块: #搞七捻三
编号: 1646059
帖子: https://linux.do/t/topic/1646059
时间: 2026-02-25 14:58:49
摘要:

刚才在看神墨大佬的帖子，试用软件，过一会就登不上了，还以为做错事了 ，幸好看了始皇的提醒，赶紧发个贴证明自己还在

标题: 15pm 256 85以上电池 这种多少能收到啊
作者: #日近长安远
板块: #搞七捻三
编号: 1646060
帖子: https://linux.do/t/topic/1646060
时间: 2026-02-25 14:59:16
摘要:

咸鱼看了一眼 价格差别太大了 有佬说一声吗

标题: 刚才莫名其妙登录不了了。提示说邮件需要验证，进到邮箱找了好久没找到验证邮件。
作者: #BEYOND1314
板块: #搞七捻三
编号: 1646066
帖子: https://linux.do/t/topic/1646066
时间: 2026-02-25 15:00:18
摘要:

刚才莫名其妙登录不了了。提示说邮件需要验证，进到邮箱找了好久没找到验证邮件。
清除了cooke下，重新登录又可以了。

标题: 奥迪车机刷机
作者: #0xzkslr
板块: #开发调优
编号: 1646067
帖子: https://linux.do/t/topic/1646067
时间: 2026-02-25 15:00:21
摘要:

前两天突然了解到车机系统可以手动升级，想问下有没有佬友亲手操作过，我想升级一下又怕干成砖。而且我找固件一直没找到，之前给手机刷机都是去社区找相应os，但是车机的我去官网没找到…去谷歌搜索也没有啥专业的讲解…

标题: 我们距离AGI还有多远？
作者: #闫家硕
板块: #前沿快讯
编号: 1646070
帖子: https://linux.do/t/topic/1646070
时间: 2026-02-25 15:00:41
摘要:

自2022年ChatGPT发布以来，有无数的学者和兴趣爱好者都认为通用人工智能的时代已经降临了。不过是继续目前的强化学习不断迭代模型的能力，使其工作质量和效率不断提高就可以了。本人研究AI多年，从CNN到目前主流的Transformer，细化到COT(思维链）和MOE（混合架构）都有些许了解，所以想要引出这个话题表达一下目前反对派（例如杨立堒，李飞飞教授）的观念，和一些我对于AGI的浅薄思考。
1.模型的记忆能力。目前主流的机构（Openai，anthropic和deepseek）等公司都在力图强化大模型的上下文能力，能够扩展到1M范围。但是这个1M上下文不过是大模型的注意力范围。类似于人类的短期记忆，你一次性能够关注到多少东西。这并不属于真实的记忆，只是强行在一定的注意力下塞下更多的东西，就像是给人类一张图片，问你图片的左上角是什么，但是对话的所有内容，都是仅限于这一张图中的token，下一次你启动模型，记忆就会重置，离我们真实的人类记忆能力还相差很远。
人类大脑的记忆机制是分层的（海马体负责短期，大脑皮层负责长期），并且会在睡眠阶段进行记忆巩固（Memory Consolidation）。目前AI界试图用RAG（检索增强生成）来模拟外部硬盘。不是真正内化的“记忆”。要想达到AGI，必须实现持续学习（Continual Learning）能力，目前的Transformer架构在这方面进展甚微。
记忆的本质类似于大模型的训练过程，把信息存储到神经网络的权重节点当中。真实的记忆能力应该像人一样，每一次体验都可以实时的更新神经网络的权重。对话的过程本质就在训练模型，每个人的模型都是个性化的。
2.在线学习能力。要接近AGI，模型还需要能够对环境进行实时感知和再学习的能力，而不是通过人类的标注，提取高质量数据单独耗费极大的算力训练单个模型。这样模型就可以放置到任意的未知环境中，探索并归纳学习新的规律，并永远记忆在自己的神经网络参数中。
但这样的能力会引发一个巨大的灾难（我称为灾难），模型会自我孵化出独立的价值观，可能是对人类好的，也可能会是不好的，在安全对齐上基本脱离了模型机构的规训和限制。包括且不限于发展出新的语言，编程语言，对人类存在的偏见，模型开始利己主义，这些模型不屑于成立组织集群开始孵化自己的文明。
3.解决大功耗限制。目前的主流模型动不动就是几百亿甚至万亿的参数，即使有MOE架构在协助减少推理算力的消耗，但本质算一个1＋1的问题都会直接调取海量的参数，效率并不高。人类的神经元具备神经可塑性，即神经突触可以动态建立和断开连接的，会自主进行组织，使用极少量的神经单元解决极其复杂的问题。
4.具身智能。突破自然语言模型的枷锁。目前的主流大模型，本质还是一个自然语言处理模型。你可以跟其对话，但其实一个很简单的问题就可以打破这个图灵测试的神话——“请你不要回答我”。目前的Transformer架构是一个“自回归（Autoregressive）”的条件概率模型。只要你输入了Prompt，程序设定上它就必须输出下一个Token。它就像一个被上了发条的八音盒，不转完一圈是停不下来的。
现在的模型无法直接放在车机上操控汽车进行自主驾驶，无法自动生成3D模型，无法自动连接并操控你家的3D打印机，甚至写代码的时候还需要人类价值观对其进行反馈，对于电脑的操控还停留在powershell这类语言的操作上，并不是真的在模拟人类看到并操作。 人类有脚可以走路，有手可以使用工具，耳朵可以听见，眼睛可以看见。这些器官其实都属于神经网络的一部分。但是大预言模型的模态仅限于图片，视频和文字，且没有完全统一整合在一起。大模型对于物理世界的操控，还停留在文字输出阶段。
目前的多模态大模型（视觉+语言）被称为“对齐融合（Alignment/Fusion）”，本质上还是把图片翻译成了文字的隐空间（Latent Space）。它没有经历过“被火烫到手然后猛然缩回”的物理反馈，它根本不懂物理。
综上，尽管当前以Transformer为核心的‘暴力美学’让许多人产生了大模型即是AGI的错觉，但真正通向通用人工智能的道路，绝非仅仅是算力与参数量的线性堆叠。目前的LLM更像是一个被困在硅基服务器里、缺乏物理常识且每次对话都会失忆的‘缸中之脑’。要彻底打破这一瓶颈，我们必须跨越四道范式上的天堑：从依赖窗口长度的短期回溯，走向基于权重实时更新的动态记忆；从人工标注的离线规训，走向具备内部动机的安全在线学习；从高耗能的稠密矩阵乘法，走向类脑的高效稀疏计算；最终突破自然语言的文本枷锁，让智能体真正‘具身化’于物理世界中去感知与行动。唯有当AI不再仅仅是一个被动接龙的语言机器，而是拥有在现实中低成本试错、在交互中内化世界规律的自主性时，我们才算真正叩开了AGI的大门。