duangsuse::Echo
王垠是谁
不过就拿知识哥韭菜这事我附议。这个人是没啥好评价的(哀其不幸怒其不争),不过他的行为和说法是嘈点满满
他当时对 #CS/#PLT 的科普还不错,也没删过文章,很可惜冰封在科普上没有和他平起平坐的能力(冰封老博客 乃至现在的博客都是自己的日记,他也不会增量更新旧博文),只能在小圈子有(尽管我们都算小圈)R大那样的人太少了(尽管R大也不能破圈///)
>这篇博文的核心是这一段:我早已感觉到长久以来科学界在掩盖真正的知识,把它们弄得越来越难懂,太多滥竽充数的人写一些垃圾论文。这就是我为什么抛弃了三个博士学位。这就是为什么我最近都在致力于把看似深奥的知识变得简单,并且传授给其他人。只有大部分人能理解科学和其他关键学科,才能确保它们不会腐败变质。
传授给其他人要是收费的
作者:kdurant
早年我还在知乎上吐槽过他的收费和intro,反被封了几天……
他当时对 #CS/#PLT 的科普还不错,也没删过文章,很可惜冰封在科普上没有和他平起平坐的能力(冰封老博客 乃至现在的博客都是自己的日记,他也不会增量更新旧博文),只能在小圈子有(尽管我们都算小圈)R大那样的人太少了(尽管R大也不能破圈///)
>这篇博文的核心是这一段:我早已感觉到长久以来科学界在掩盖真正的知识,把它们弄得越来越难懂,太多滥竽充数的人写一些垃圾论文。这就是我为什么抛弃了三个博士学位。这就是为什么我最近都在致力于把看似深奥的知识变得简单,并且传授给其他人。只有大部分人能理解科学和其他关键学科,才能确保它们不会腐败变质。
传授给其他人要是收费的
作者:kdurant
早年我还在知乎上吐槽过他的收费和intro,反被封了几天……
duangsuse::Echo
类型系统简介 - 知乎用户frBud6的文章 - 知乎 https://zhuanlan.zhihu.com/p/65626985 超市买菜 - 圆角骑士魔理沙的文章 - 知乎 https://zhuanlan.zhihu.com/p/66349646 #PLT 魔法店里一些文章还是不错的(lambda类型系统, SystemF一大堆TypeNode 集),可惜表达方式太弱了.(他们写LaTeX时仿佛不知道这些在Rust等土直里就是tuple/struct/enum-union ,所以只是贴了无语序的“…
其实数学界也不是只有一种表示法, sin^-1 = arc sin 的反函数(而非“逆向计算”,我还改过类架构器->值构造器,回调->注册函数值 😓)已经在新文章里采用了,总之问题是在改善。 语言是否优美,重点是在写作的人。许多很脏/不知名的语法,也有妙的用处。
为啥不用『 回调(callback)』:回调是外部代码的调用,对程序员不可见,会让人以为有两种“调用”。具体调多少次、何时在何线程、咋处理返回值也没讲明,最关键是它掩盖了函数能作参存[]的事实,割裂了框架和应用者对程序周期的理解,是C函数仅代码指针的余孽,“回调时做..” 也是种对编程很见外的说法,因为操作序列没有主被动。 Kt 里
再科普个 #cs #冷知识 , float,double 是4,8字节的IEEE754浮点, 1e2=100, 1e-2=.01=1/1e2 ,而且 -0 是存在的(即便理论负数是 -(1+n) n非0的形式
按曲线上升率(导数)升序, +*, 乘方-求根、求次数(log,对数),根对几何更重要,而 log2(32768)==15 ,65536=16 ,即有/无符 short 的极端值
+n的导是0,*k则是k, **k才依x而变: x*x= 2x
Math.E 是
#JS 里log不是log_i,它即ln.. loge 65536/loge 2 等效log2,log(E)=1 ,可看出这是通过增长率的比例来求次数
牛顿开方则是
#Math 数学是挺爱建模万物的领域,复数-虚数 ii=-1 能定义旋转, dx^2/x 的导数表示法是为展现 d 作为“无穷小”值为数集引入了系统性和lim ,微积分为实数无限可分上统计算式服务,一个求瞬时一个求整体。 向量(矢量)本来是物理的、算法是计科的,矩阵也是物理/计算机最正宗,数学也去分一杯羹;
我觉得数学=数域+等式变形+2,3D几何+逻辑 就够了,信号处理这些算是数理电杂交产物,但它真的啥都会,即得易见平凡,如果你会数学真的就“无所不能”了 🤪简直比
命题 p^q 和 pvq 表示成类型就是组合分支类型(p,q) p|q ,而类型"Type"只是另一种仅编译器可见值(2=int vs. "2"=Const 2=2),推导-检查只是执行前的求值,这就是语义。还是解释器最正常,至少会走过(stepper)人类的语言
—
🤑刚刚终于想到了 Fourier 篇怎么画上句号。列表处理两个 Wavesurfer 可视化的 buffer a->b 频通滤波是可以的,但不会合成吉他拨弦
要再添加一个定长波形 c, 索引i循环于a或b /音高 来生成震动,用滑动平均 a[i]=(a[i]+a[i+1])/2 和K-S算法,即i==0 时以一个高频下降曲线频域滤波,就能在调音高时合成对应音色了,如此一来从 WebAudio 开始的傅里叶篇,能处理波形能合成乐器,就完结了
为啥不用『 回调(callback)』:回调是外部代码的调用,对程序员不可见,会让人以为有两种“调用”。具体调多少次、何时在何线程、咋处理返回值也没讲明,最关键是它掩盖了函数能作参存[]的事实,割裂了框架和应用者对程序周期的理解,是C函数仅代码指针的余孽,“回调时做..” 也是种对编程很见外的说法,因为操作序列没有主被动。 Kt 里
map(transform=op).filter(predicate=test)
就非常准确再科普个 #cs #冷知识 , float,double 是4,8字节的IEEE754浮点, 1e2=100, 1e-2=.01=1/1e2 ,而且 -0 是存在的(即便理论负数是 -(1+n) n非0的形式
.1+.2!=.3
,所以有人建议浮点计算不要用 a<v&&v<b 外的 ==(差<Number.EPS) 判断,即便同样可迭,浮点和整数的意义就不同,显卡计算浮点才重要按曲线上升率(导数)升序, +*, 乘方-求根、求次数(log,对数),根对几何更重要,而 log2(32768)==15 ,65536=16 ,即有/无符 short 的极端值
+n的导是0,*k则是k, **k才依x而变: x*x= 2x
Math.E 是
i=1000;(1+1/i)**i
升率趋近无穷得出的, log(65536)/LN2 =16,l=log_i, l M+l N=l M+N ,lg=log10,ln=logE#JS 里log不是log_i,它即ln.. loge 65536/loge 2 等效log2,log(E)=1 ,可看出这是通过增长率的比例来求次数
牛顿开方则是
rt(n,k=2, err=.01)=>{let ac=i; while(i-ac**k >err)ac=(ac+ n/ac) /k; }
历史上logEx的出现比常量E早,从 x^n 引的积分 1/x 怎么做 到 logEx 的反函数 e^x ,经过许多推导#Math 数学是挺爱建模万物的领域,复数-虚数 ii=-1 能定义旋转, dx^2/x 的导数表示法是为展现 d 作为“无穷小”值为数集引入了系统性和lim ,微积分为实数无限可分上统计算式服务,一个求瞬时一个求整体。 向量(矢量)本来是物理的、算法是计科的,矩阵也是物理/计算机最正宗,数学也去分一杯羹;
我觉得数学=数域+等式变形+2,3D几何+逻辑 就够了,信号处理这些算是数理电杂交产物,但它真的啥都会,即得易见平凡,如果你会数学真的就“无所不能”了 🤪简直比
man bash
还会。 日常逻辑真的是编程理论的最正宗,逻辑学那个话,人不能,至少不应该🤦 属于艺术性研究了。有点像C++ 为 template 而<> 的工程行为艺术命题 p^q 和 pvq 表示成类型就是组合分支类型(p,q) p|q ,而类型"Type"只是另一种仅编译器可见值(2=int vs. "2"=Const 2=2),推导-检查只是执行前的求值,这就是语义。还是解释器最正常,至少会走过(stepper)人类的语言
—
🤑刚刚终于想到了 Fourier 篇怎么画上句号。列表处理两个 Wavesurfer 可视化的 buffer a->b 频通滤波是可以的,但不会合成吉他拨弦
要再添加一个定长波形 c, 索引i循环于a或b /音高 来生成震动,用滑动平均 a[i]=(a[i]+a[i+1])/2 和K-S算法,即i==0 时以一个高频下降曲线频域滤波,就能在调音高时合成对应音色了,如此一来从 WebAudio 开始的傅里叶篇,能处理波形能合成乐器,就完结了
duangsuse::Echo
我太阳,才发现这个别人能发博文的东西,我竟然连标题和名字都没起,试运行成功贴上就pass了…… 这不是在线教SICP(程序的构造和解释)吗🤪 #lisp #fp #zhihu #statement 放到以前我绝对搞大新闻一样,就像之前仿造(但也没成功)Lice 时专门建了项目画了logo,然后文档拼缀别人的,最后模板代码写完不会了 🙈 但说起来,元编程最后也不过是编程。你了解编程语言,很好,但语言只是载体,美丽的、各种各样的应用才是我们的最终目的。 你能写编译器,很好,但也不过是完成了文本模式和树遍历,加上一些理论。…
#cs #statement #recommend 过去杂谈
计算机科学的讨论,好像是只收集晨露的人和饮水的「普通人」
晨露的每一粒、每个专有名词都是原理的侧面。就像对企鹅与鸵鸟,强化了鸟的一部分,却存在相似的周期和度量衡;对于算法,则存在相同的输入输出和差异化中间数据
水的每一滴,都有相似和不同的形态成分。相似成分像晨露,人却无法将其分离,甚至不觉得可能分离
喜欢晨露的人、喜欢水的人,都搞不清微小迷茫或庞大 都只是水而已;厉害或老土,只是附加的情感
水不喝,就可以有很多形态花样;而对真正想研究「水」的人,掌握交换互通的技术,晨露和饮水有何区别、原理或巨型有多难,都是无谓的问题。
编程的核心不是思想,而是语言。思想不独立于语言而存在,一切抽象归于文本,却应是最反映本质的文本。语言能做帮大家少走弯路的设计,这比折磨人和计算机的面向报错编程更值得、更有力
知道原理的缘由、知道堆砌的模式,是『编程语言』人对自己必须的要求。 空有原理或疲于堆砌都不能帮助程序走向更好,优美的「语义」才是最初目的。
有露水到饮用水的「语言和工具」,才能看清各种层级的目的,把美与高效融为一体
在刚才的故事里,饮用和观赏外的统一目的并不存在。 语言并不是目的,但能为其目的优化;语言不是唯一的,有选面向人或计算机
编程就是一件既要识大体,又应顾小局的事。 爱好语言,未必要做编译器。 PLT是种方法,方法是比程序乃至框架要「大」的方案
说到底语言并不存在,存在的只有编码集和思想。语言就是编码的哲学,只是它简化于人的思想和目的
与其说我是研究语言,不如说是在概况一类问题。这没什么了不起,因为问题间相同点很少——但这就是我爱做的,即便领域有这样或那样的约定俗成。
编程是把领域联起来,变成一个大领域晾出去;好的程序直观反映其处理数据的结构;程序集处理、代码亦数据;特例不比规律特殊 ,这些都是对某类代码段的优评,但只是「语言」内一瞥。解决问题的方法有很多,转化代码、描述程序、发布代码,有没有计算机意义的问题,都是语言能优化的问题。 好比算法于计算机。语言即智慧
明明能用 rect(xywh)x step 30 这样的定义,为什么要 ctx.draw_(x,y,..) 呢?明明是用来处理绘制,叫ctx干什么? 代码里类似的地方数不胜数,
只因为懂了OOP和物理VecN,懂内存与复制、重绘队列于线协程,才知道自己代码的责任和hack,因此知道最适合的命名;语言人,不死板
作为最大的领悟应该是做过一切后能发现其「简单」,就像物理式一样 I=UR,E=mc^2 ,创新和表象千变万化、运行期数据不可捉摸,不可或缺之原理恒常如新。这简单却不能是自我陶醉,对知识放下傲气,用踏实的语言描述优美的事物概念
所以像编程语言那样的东西我又不先弄了,转而弄些绘制和数处的应用、从 Stream RWer到二进制值绑定的框架等等
计算机科学的讨论,好像是只收集晨露的人和饮水的「普通人」
晨露的每一粒、每个专有名词都是原理的侧面。就像对企鹅与鸵鸟,强化了鸟的一部分,却存在相似的周期和度量衡;对于算法,则存在相同的输入输出和差异化中间数据
水的每一滴,都有相似和不同的形态成分。相似成分像晨露,人却无法将其分离,甚至不觉得可能分离
喜欢晨露的人、喜欢水的人,都搞不清微小迷茫或庞大 都只是水而已;厉害或老土,只是附加的情感
水不喝,就可以有很多形态花样;而对真正想研究「水」的人,掌握交换互通的技术,晨露和饮水有何区别、原理或巨型有多难,都是无谓的问题。
编程的核心不是思想,而是语言。思想不独立于语言而存在,一切抽象归于文本,却应是最反映本质的文本。语言能做帮大家少走弯路的设计,这比折磨人和计算机的面向报错编程更值得、更有力
知道原理的缘由、知道堆砌的模式,是『编程语言』人对自己必须的要求。 空有原理或疲于堆砌都不能帮助程序走向更好,优美的「语义」才是最初目的。
有露水到饮用水的「语言和工具」,才能看清各种层级的目的,把美与高效融为一体
在刚才的故事里,饮用和观赏外的统一目的并不存在。 语言并不是目的,但能为其目的优化;语言不是唯一的,有选面向人或计算机
编程就是一件既要识大体,又应顾小局的事。 爱好语言,未必要做编译器。 PLT是种方法,方法是比程序乃至框架要「大」的方案
说到底语言并不存在,存在的只有编码集和思想。语言就是编码的哲学,只是它简化于人的思想和目的
与其说我是研究语言,不如说是在概况一类问题。这没什么了不起,因为问题间相同点很少——但这就是我爱做的,即便领域有这样或那样的约定俗成。
编程是把领域联起来,变成一个大领域晾出去;好的程序直观反映其处理数据的结构;程序集处理、代码亦数据;特例不比规律特殊 ,这些都是对某类代码段的优评,但只是「语言」内一瞥。解决问题的方法有很多,转化代码、描述程序、发布代码,有没有计算机意义的问题,都是语言能优化的问题。 好比算法于计算机。语言即智慧
明明能用 rect(xywh)x step 30 这样的定义,为什么要 ctx.draw_(x,y,..) 呢?明明是用来处理绘制,叫ctx干什么? 代码里类似的地方数不胜数,
只因为懂了OOP和物理VecN,懂内存与复制、重绘队列于线协程,才知道自己代码的责任和hack,因此知道最适合的命名;语言人,不死板
作为最大的领悟应该是做过一切后能发现其「简单」,就像物理式一样 I=UR,E=mc^2 ,创新和表象千变万化、运行期数据不可捉摸,不可或缺之原理恒常如新。这简单却不能是自我陶醉,对知识放下傲气,用踏实的语言描述优美的事物概念
所以像编程语言那样的东西我又不先弄了,转而弄些绘制和数处的应用、从 Stream RWer到二进制值绑定的框架等等
#cs #dev #statement 我终于理解Dijkstra说的,“编程不关于计算机”。自古以来,编程不是件事务,而是思考的习惯;简明不是卖点,它是生存的条件
这些人写的都是什么跟什么?base64和base32 竟然不是一个pkg? C语言1.4k行共写了1个算法 0次复用?各种编码模式能ctrlcv出4个函数来?
拿Rust“设计模式”了一堆struct{} 然后说自己只支持base64,也没有并行优化??
base64 不是很简单的3:4字节重组算法吗? 它..算是问题吗
它..值得花几千行、400次提交,修补3年吗
这就是所谓的“静态编译优于脚本”?在我眼里,这些人以脚本级的思路,用等编译的态度编程,不算自讨苦吃?😨
写这种代码一开始就用js,py好了,移植个什么劲。哦,原来是编译器垃圾,不能“肉眼可见”地把py译为C
所以要那种编程语言干嘛?制造隔阂、另起炉灶、妨碍计算机的进步?
几星期的操心,只是为解决5行级的传输编码?这能叫编程吗?
如果大部分是这种代码的话,大家都别编程算了,交给AI吧,人家思路至少是清晰、条理有序的。比en-wiki质量还高 🌚🌝 再比中文百度
所以我讨厌看重编程和代码排版。 人应该做的,是享受科技革命后的日常生活、轻易地高质量创作,不是以 重复先人的成就及错误为荣🙄
这些人写的都是什么跟什么?base64和base32 竟然不是一个pkg? C语言1.4k行共写了1个算法 0次复用?各种编码模式能ctrlcv出4个函数来?
拿Rust“设计模式”了一堆struct{} 然后说自己只支持base64,也没有并行优化??
base64 不是很简单的3:4字节重组算法吗? 它..算是问题吗
它..值得花几千行、400次提交,修补3年吗
这就是所谓的“静态编译优于脚本”?在我眼里,这些人以脚本级的思路,用等编译的态度编程,不算自讨苦吃?😨
写这种代码一开始就用js,py好了,移植个什么劲。哦,原来是编译器垃圾,不能“肉眼可见”地把py译为C
所以要那种编程语言干嘛?制造隔阂、另起炉灶、妨碍计算机的进步?
几星期的操心,只是为解决5行级的传输编码?这能叫编程吗?
如果大部分是这种代码的话,大家都别编程算了,交给AI吧,人家思路至少是清晰、条理有序的。比en-wiki质量还高 🌚🌝 再比中文百度
所以我讨厌看重编程和代码排版。 人应该做的,是享受科技革命后的日常生活、轻易地高质量创作,不是以 重复先人的成就及错误为荣🙄
https://t.me/rynif/30026 #science vs. #tech 🌚🤔
按这个来说, 我也是离开 #cs #plt 计算机科学 加入了 #algor #sp #ce #cg #web 等具体应用,用 #py #js 去解读许多概念
并且回看之前的知识术语,也没有感觉什么不同👌 。主要是以所见即所得为重 ,体系性可以另起炉灶 从实践中来
按这个来说, 我也是离开 #cs #plt 计算机科学 加入了 #algor #sp #ce #cg #web 等具体应用,用 #py #js 去解读许多概念
并且回看之前的知识术语,也没有感觉什么不同👌 。主要是以所见即所得为重 ,体系性可以另起炉灶 从实践中来
Telegram
&'a ::rynco::UntitledChannel
【Science:#AI竞赛学术界输了#】
AI领域,重心已从学术界转移到了产业界,并且失衡还在继续。
Science在最新一期正刊上发了一篇文章,整理了近几年AI领域的相关数据,结果也是一目了然:
AI竞赛,学术界输了。
Science统计了论文、AI最大模型以及SOTA模型在各个领域的占比。
从2016年开始,产业界在领先的人工智能会议上发论文的占比开启了野蛮生长的趋势。
4年时间,在论文数量上,产业界几乎从学术界“夺取”了20%。
AI领域的10大模型,2013年之前还都是学术界居于主导地位。…
AI领域,重心已从学术界转移到了产业界,并且失衡还在继续。
Science在最新一期正刊上发了一篇文章,整理了近几年AI领域的相关数据,结果也是一目了然:
AI竞赛,学术界输了。
Science统计了论文、AI最大模型以及SOTA模型在各个领域的占比。
从2016年开始,产业界在领先的人工智能会议上发论文的占比开启了野蛮生长的趋势。
4年时间,在论文数量上,产业界几乎从学术界“夺取”了20%。
AI领域的10大模型,2013年之前还都是学术界居于主导地位。…