标题: 和AIcoding，我经常会暴跳如雷
作者: #Avern
板块: #搞七捻三
编号: 2092528
帖子: https://linux.do/t/topic/2092528
时间: 2026-05-01 13:14:43
摘要:

无论是opus或者GPT，是不是证明了，是我自己不会驾驭AI，和AI模型无关  ，在强调了多次需求的情况下 还是会多次跑偏，误解需求，大佬们是怎么解决这个问题的，是任务精细化吗，

标题: 避雷菜鸟速递！究竟是谁还在用这个！
作者: #小许
板块: #搞七捻三
编号: 2092529
帖子: https://linux.do/t/topic/2092529
时间: 2026-05-01 13:14:54
摘要:

事情是这个样子的，我在淘宝买了个快递，商家发货的是菜鸟速递（丹鸟速递），在我的印象中我是第一次收这个快递。
昨天，快递就到了市里，下一步就是派送了，然鹅，直到今天，快递依旧没有派送。我打菜鸟客服电话，说：“亲，已经为你上报了呢，3个工作时内，稍后会有专员回访，留意电话”，然鹅6个小时过去了，没人给我打电话，我又要的站点的电话，没人接，各种可能有用的渠道，我都试了，依旧没有软用，物流稳定的不像话（不更新）。
今天我还催了圆通、申通几个快递，客服都是积极回访的，而且物流也很快更新了。
菜鸟速递为何如此恶心，站点联系不上，投诉没个鸟用，新买的电子设备打算五一爽玩，结果五一刚开了个头就被恶心到了，心累。

标题: 请问codex cc怎么用最好呢？
缓存命中怎样会最高？
作者: #Cyndi
板块: #搞七捻三
编号: 2092533
帖子: https://linux.do/t/topic/2092533
时间: 2026-05-01 13:15:18
摘要:

一直在写自己的比赛的一个视觉识别的小项目，每次codex或者cc上下文快要用完的时候我就让他写一个或者更新handoff文件，然后新开一个会话读取handoff文件继续干。
但是我问了下grok，它说这样缓存命中会很低，那请问具体应该怎么做呢？一个项目就在一个会话里？

标题: Cursor模型检测
作者: #hey665656
板块: #开发调优
编号: 2092536
帖子: https://linux.do/t/topic/2092536
时间: 2026-05-01 13:16:28
摘要:

有没有佬知道怎么检测cursor续杯模型到底是什么模型，朋友买的，我跟他说，他不信。

标题: 大佬们，deepseek v4有sonnet 4.6的水平吗？想看工程实测对比，不是跑分测试那种
作者: #不死之士
板块: #国产替代
编号: 2092538
帖子: https://linux.do/t/topic/2092538
时间: 2026-05-01 13:16:47
摘要:

好奇对比效果，这俩现在的定位是差不多的吧，都是opus4.7和gpt5.5外的次优选择

标题: 佬 请把你心目中能打的UI skill 端上来 😢
作者: #都是额滴
板块: #搞七捻三
编号: 2092551
帖子: https://linux.do/t/topic/2092551
时间: 2026-05-01 13:19:09
摘要:

RT 第一版用ui ux 修改的不如人意，第二版直接来了一句"请依照 UI UX Pro Max 的规范，将网页重新规划与设计，让界面更加专业与高级。先给出设计规划方案" 哇，太cool了，天花板与地板直接具象化。

标题: 五一小米之家体验店 到店免费领实物
作者: #quio
板块: #福利羊毛
编号: 2092556
帖子: https://linux.do/t/topic/2092556
时间: 2026-05-01 13:19:46
摘要:

有空的可以去看看哦，还是有蛮多实物的
不过有的地区有专属礼品，到店之前可以问问小米之家还有没有实物免得走空
部分参与门店 mp://VDqger8NkaNaW6A
1.五一各地小米之家实物
5.1-5.5 到指定小米之家-完成添加企微等打咔 即可领取哈
-
湖南专属：1w份非遗钧瓷杯
陕西专属：城市限定冰箱贴
四川专属：1w份胖花冰箱贴
湖北专属：3636瓶STING饮料

2.小米之家到店互动抽实物
5.1-5日 到线下小米之家门店-每个用户可投2次 可抽对应桨品
-
投掷"5"跟"1" 额外得实物-各省礼品不同哈
❶浙江-随行包
❷上海-晴雨伞 ❸陕西-体重称
PS：可能别的省也有 到店可问问

标题: 京东APP购买实体JD卡，光大-10优惠
作者: #茶叶蛋
板块: #福利羊毛
编号: 2092561
帖子: https://linux.do/t/topic/2092561
时间: 2026-05-01 13:20:21
摘要:

在京东APP。搜索JD卡，实体卡，支付的时候，选择银联云闪付，然后选光大银行卡，跳转后支付可以立减10R，最终实付90得100卡，每个月都可以搞一次，

标题: 请问想学习Agent 不知道该怎么去做 感觉什么都会一点 但是就是感觉自己什么都不会
作者: #liang
板块: #读书成诗
编号: 2092568
帖子: https://linux.do/t/topic/2092568
时间: 2026-05-01 13:20:40
摘要:

一年后毕业 五一不敢出去玩 在寝室手搓一个项目 但是感觉自己好没用 好多好多都不懂 都不会

标题: 基于DS4proTokenizer和GLM5.1Tokenizer的单次性能测试
作者: #KenithZ
板块: #开发调优
编号: 2092640
帖子: https://linux.do/t/topic/2092640
时间: 2026-05-01 13:31:33
摘要:

3月入了L站后接触到了codex后，觉得以前使用古法chat模式做开发真的是太惨了，同时内心中压抑的很久的想法终于压制不住了，于是在4月19，创建了一个llm工程。工程的作用是什么呢，对，就是妄图在gpt的帮助下手搓一个llm。因为当时最强的开源国模，就是glm5.1，而且还是mit协议的，没有太大的协议风险。想着有现成的Tokenizer干嘛不用。于是就以5.1的Tokenizer作为基础开始手搓模型。于是开始了长达10天的llm工程化，于是什么 SwiGLU、CLA+GQA、RetNet统统扔进模型里面。然后4.29在开发到从单卡训练转FSDP2下跑多卡训练的时候就发现ds4发布了，还是mit协议的。于是本着反正模型都还没彻底定型，多试几个Tokenizer，看看哪个比较好（单纯是因为5060ti16G练不动了，5.1回家把4060ti16g也插上做双卡）。于是就有了下面的对比。前期实验glmTokenizer时发现占用较高，但是训练出来后主观感觉收敛更好。但是因为本身就不是严谨的实验工程，纯个人爱好一时兴起，所以懒得测试两种Tokenizer训练出来的模型性能如何了。
目前单次Tokenizer实验的总结就是：DS伟大无需多言。同样的数据集下，ds4Tokenizer转出来的Token数量更少， Sequence Packing（序列打包）效率更高。不愧是性价比战神！！！
免责声明：这个测试是孤例，秉承科研界中孤证不立的原则，个人声明本次测试什么都不代表，仅作为LPT工程下指定数据集下的数据结果。不具备任何盖棺定论的属性。实验全是个人见解及倾向。不存在拉踩。
而且因为我显卡不够的问题根本不敢跑多轮训练。无法实际测试同样的模型结构下，哪个Tokenizer的语义表达更好。
由GPT实现并执行生成的实验报告及附录如下：

  

      github.com/kenith-z/lpt-llm
  

  
    help/GLM5.1%E5%8F%8ADS4%E7%9A%84Tokenizer%E5%9F%BA%E5%87%86%E5%AF%B9%E6%AF%94%E5%AE%9E%E9%AA%8C/GLM5.1%E5%8F%8ADS4Tokenizer%E5%9F%BA%E5%87%86%E5%AF%B9%E6%AF%94%E5%AE%9E%E9%AA%8C%E6%8A%A5%E5%91%8A.md


  main



      # GLM5.1 及 DS4Tokenizer 基准对比实验报告

## 摘要

本实验比较 GLM5.1 tokenizer 与 DS4Tokenizer（本项目 `ds_tokenizer`）在同一批 1-11 号专升本教材语料上的分词规模、训练吞吐、显存占用与 LongRoPE2 候选因子评测表现。实验使用 416 条结构化 text JSONL 样本作为统一材料，并在同一张 `NVIDIA GeForce RTX 5060 Ti` 上执行 sequence packing 训练基准与 LongRoPE2 factor sweep smoke 评测。

结果显示，DS4Tokenizer 的总 token 数较 GLM5.1 降低 5.55%，超过 7680 token 的样本数量由 10 条降至 5 条。在 `batch_size=4, train_max_sequence_length=768` 的训练基准中，DS4Tokenizer 相对 GLM5.1 的 active tokens/s 提升约 9.3%-10.2%，峰值 allocated 显存降低约 1.34 GB。在 `train_max_sequence_length=7680` 的长窗口基准中，两种 tokenizer 在 `batch_size=4` 下均发生 OOM；在 `batch_size=1` 下均可运行，DS4Tokenizer 的 wall-clock 更短且峰值 allocated 显存更低。LongRoPE2 factor sweep 在 `text_pretrain` checkpoint 上已完成同阶段对比，DS4Tokenizer 对应 checkpoint 在 smoke 设置下获得更低的 PPL(128)，但生成型 needle 与 retrieval 精确匹配率均为 0.0，说明该结果只能作为链路与相对基线参考，不能作为充分的长上下文能力结论。

## 1. 实验目的

本实验旨在回答以下问题：

1. 在同一语料上，GLM5.1 tokenizer 与 DS4Tokenizer 的 token 规模差异是否显著。
2. tokenizer 切换是否改变 sequence packing 训练基准中的吞吐与显存表现。
3. 在长窗口训练边界下，较小词表的 DS4Tokenizer 是否带来可观察的显存收益。
4. 在已有 GLM5.1 与 DS 同阶段 `text_pretrain` checkpoint 条件下，LongRoPE2 factor sweep 是否可以完成可比评测。

## 2. 实验材料与环境

### 2.1 数据材料




  此文件已被截断。 显示原始文件

标题: 五一假期第一天，各位佬都在干嘛
作者: #justdoit1
板块: #搞七捻三
编号: 2092644
帖子: https://linux.do/t/topic/2092644
时间: 2026-05-01 13:32:14
摘要:

五一假期第一天，各位佬都在干嘛呢，都出去玩了吗？

标题: 国产大模型 coding 真实对比
作者: #wangzhe
板块: #开发调优
编号: 2092655
帖子: https://linux.do/t/topic/2092655
时间: 2026-05-01 13:33:50
摘要:

最近萧炎陨落 佬们用国产模型的真实体验如何？日常办公是否够用呢？[poll type=regular results=always public=true chartType=bar]

kimi2.6
glm5.1
qwen
[/poll]

标题: 无法设置智能体沙盒
作者: #zining
板块: #开发调优
编号: 2092663
帖子: https://linux.do/t/topic/2092663
时间: 2026-05-01 13:36:02
摘要:

求助佬友们，今天vibecoding时，我在config.toml中疑似误删了某些代码，结果触发了无法设置管理员沙盒和备份沙盒的错误。我找了一下方法，都不太行，比如重置.codex。由于项目没完成，我又不想丢失已有的上下文管理和一些skills和mcp，所以不走这个方案，佬友们有没有解决方法

标题: 佬的帖子引用
作者: #xxbltop
板块: #搞七捻三
编号: 2092666
帖子: https://linux.do/t/topic/2092666
时间: 2026-05-01 13:36:10
摘要:

（话题已被作者删除）