duangsuse::Echo
数学形式化，可以说是人类失败最早的【自监督学习】尝试
#math
因为“非大象领域”都是活成果，而数学（“大象领域”），是死成果。给植物人续命，当然是很累的。
人们常常说现代密码学（银行、国防）建立在数论之上，“大概率安全”的银行账户没人要 —— 钱，一点都不能少，但购买力，可以缺一大块！
放弃“不可废止性”，数学就沦为了另一门【实验科学】。 —— 还是那句话，你不能用哲学上的钱（区块链）【去】买今天的饭。余额不是(A+B)==(A0+B0)的“非印钞类问题”，它是广度、信任、交易零摩擦的流水帐问题
—— 都不是数学符号。
1+1个苹果不是得2个。 树上有“10年”数目的苹果，但那不是你的。 每个检查点，吃1个留1个，这叫做【你有1个苹果】。这是诚实的。
钱包不能减员，但生活可以消失。
类似这样的【绝对正确】，在数学里正好是【金标准】，人类直觉都要为它让路(0.99循环=1 ?)。 所以 Dead Fish 才是 Dead Fish。
因为“非大象领域”都是活成果，而数学（“大象领域”），是死成果。给植物人续命，当然是很累的。
人们常常说现代密码学（银行、国防）建立在数论之上，“大概率安全”的银行账户没人要 —— 钱，一点都不能少，但购买力，可以缺一大块！
放弃“不可废止性”，数学就沦为了另一门【实验科学】。 —— 还是那句话，你不能用哲学上的钱（区块链）【去】买今天的饭。余额不是(A+B)==(A0+B0)的“非印钞类问题”，它是广度、信任、交易零摩擦的流水帐问题
—— 都不是数学符号。
1+1个苹果不是得2个。 树上有“10年”数目的苹果，但那不是你的。 每个检查点，吃1个留1个，这叫做【你有1个苹果】。这是诚实的。
【接地问题】不是1+1=2的常识真理，而是数学思维的死局
Verlet需要t0记忆，而不是速度。四元数需要w的状态，才能克服地球仪的地轴锁。有理数需要a/b，才能确保数值塔不退化。 宇宙有“46亿年”数目的真理，但那不是【你】的。 数学是认知问题，不是思维问题。
从早期过于简化的AI（符号主义），到对金融市场过度自信的量化模型（LTCM的崩溃），再到试图用单一理论解释所有社会现象的宏大叙事…… 绝对理性狂热者的幽灵，不只活在数学符号。
钱包不能减员，但生活可以消失。
类似这样的【绝对正确】，在数学里正好是【金标准】，人类直觉都要为它让路(0.99循环=1 ?)。 所以 Dead Fish 才是 Dead Fish。
Telegram
动察Beating AI News
前OpenAI研究员：AI终将全面超越人类，未来只有「人类制造」本身有价值
9 月 24 日，前 OpenAI 研究员 Will Depue 发布长文称，人类很快将迎来在几乎所有智力和体力能力上都超越人类的机器，并认为大多数人尚未真正接受这一趋势。
Depue 称，创业、品味等人类能力并不存在「特殊且安全」的护城河，投资人、创业者、顾问、内容创作者、音乐家等职业都可能经历类似软件工程师和数学家的变化。他认为，AI 最终将在文学、诗歌、音乐和视觉艺术等领域达到甚至超过人类的极限能力。
即使 AI 缺…
9 月 24 日，前 OpenAI 研究员 Will Depue 发布长文称，人类很快将迎来在几乎所有智力和体力能力上都超越人类的机器，并认为大多数人尚未真正接受这一趋势。
Depue 称，创业、品味等人类能力并不存在「特殊且安全」的护城河，投资人、创业者、顾问、内容创作者、音乐家等职业都可能经历类似软件工程师和数学家的变化。他认为，AI 最终将在文学、诗歌、音乐和视觉艺术等领域达到甚至超过人类的极限能力。
即使 AI 缺…
#经济 《超人类智能》 https://t.me/OneMillion_AI/4890
写不了、写不好都是流水线的小农思维，晦涩数学更是会把不存在的事物包装成顶尖突破。创业、品味，并不是流水线。 总是有人觉得【智能】和四个轮子一样可以由它【超越】，其实他们并不理解智能。 AI确实在创作力社会上，可以通过抄袭截图、换脸来实现让人觉得天崩地裂的效果，但那是经济问题，不是度量标准或最终原理。
神拣择了人们，而人并不是【究极生物】。如果痴迷于可量化的“不如”，只会误入歧途。哲学家思考这些问题时，不需要社会把赝品呈上来才有【经济动力】。
—— 你已经预定了一个【死掉的天平】，那么，就没有理解 “神拣择了人们” 是什么意思。模仿游戏，只是一场游戏，而社会和生命，却不是【一次作品】，它是创造本身。
与其说我会给AIGC打上只是“缝尸块”的标签，不如说，AIGC和人的创造力并无不同。在我眼里，这才是神拣择某种形象的意义。AGI始终是对齐问题，而不是【超越人类】。人类本就在进化中，选择未来的模式并不是理性问题。理性也解释不了宇宙的起点为何没1:1湮灭。 人们随着技术而发现鲸鱼的语言智能，或找到亚原子级“沙盒模拟”般的怪异，
你可以说DNN能够猜人们想【智能】些什么，可以有品味，但这不是一群异己为了超越人类。
很早、很蠢的方法就能造出【超人类能力】的事物——轮子更快，刀枪能为人所不能，政治能用一把枪控制一船人，驯养能让人利用狗的嗅觉。
但是极少有人痴迷于【全面超越人类】。 理性狂热者曾面对一个“鸡头稳定器”遭遇滑铁卢，现在他们用数据量和模态带宽，又一次次【战胜了人类劳动】，认为资本自我繁殖的原理可以放在这里 “安安逸逸地吃喝快乐” 了。
机器有智能吗？ 这就像问潜水艇会不会【游泳】。与其说AGI的能力是“比赢”拥有天赋的每一个人，我更觉得审核标准是它能不能解决癌症和衰老，给予人身更多的宽恕。
其实创作者没有考虑完全交给AI。人们当然会利用【1个prompt换5分钟矢量图PV】的新鲜感，以及网络与沉淀的媒体，去展示AIGC的好处，但说到底，没有【监工】的业余制作经济上仍然是相对廉价的。【驾驶员缺位】的问题，是一个配套和【设计延续性匮乏】的【待富问题】，而不是历史终结时人类不需要创作。
写不了、写不好都是流水线的小农思维，晦涩数学更是会把不存在的事物包装成顶尖突破。创业、品味，并不是流水线。 总是有人觉得【智能】和四个轮子一样可以由它【超越】，其实他们并不理解智能。 AI确实在创作力社会上，可以通过抄袭截图、换脸来实现让人觉得天崩地裂的效果，但那是经济问题，不是度量标准或最终原理。
神拣择了人们，而人并不是【究极生物】。如果痴迷于可量化的“不如”，只会误入歧途。哲学家思考这些问题时，不需要社会把赝品呈上来才有【经济动力】。
—— 你已经预定了一个【死掉的天平】，那么，就没有理解 “神拣择了人们” 是什么意思。模仿游戏，只是一场游戏，而社会和生命，却不是【一次作品】，它是创造本身。
过程并不是确定的流水线，它也是人的作品之一，就像生产资料也是产品——AI就是如此。
与其说我会给AIGC打上只是“缝尸块”的标签，不如说，AIGC和人的创造力并无不同。在我眼里，这才是神拣择某种形象的意义。AGI始终是对齐问题，而不是【超越人类】。人类本就在进化中，选择未来的模式并不是理性问题。理性也解释不了宇宙的起点为何没1:1湮灭。 人们随着技术而发现鲸鱼的语言智能，或找到亚原子级“沙盒模拟”般的怪异，
你可以说DNN能够猜人们想【智能】些什么，可以有品味，但这不是一群异己为了超越人类。
duangsuse::Echo
很遗憾为了代码质量和用户体验调参，包括整理这几条demo代码质量，6个小时没了…… 💦 人的一天有几个六个小时呢？像我这样的【效率】，大概早就淘汰了吧。可惜可惜。 #school https://duangsuse.github.io/NebulaRemix/c_glass.htm
Show HN: Koi.rest – 看看游鱼，找回身心平衡
原文：https://koi.rest
阅读时间：1 分钟
看着很想把之前的【液态玻璃】加进去
#game #vibe 本来以为需要直接插js过去的，想起来可以用录屏。 这个荷叶图层有问题，我懒得找作者教PR了
原文：https://koi.rest
阅读时间：1 分钟
看着很想把之前的【液态玻璃】加进去
#game #vibe 本来以为需要直接插js过去的，想起来可以用录屏。 这个荷叶图层有问题，我懒得找作者教PR了
Forwarded from duangsuse::Echo
This media is not supported in your browser
VIEW IN TELEGRAM
“完全なる黄金の回転エネルギー!”——乔尼·乔斯达😒😅
当绕率（samplingRate）与周期（moduloW）达到某种特定比例时，粒子不再只是简单的绕圈，而是在环面上无限延伸、自我嵌套。粒子之间的分布会达到一种“数学上的疏离”，彼此靠得最近但绝不重叠。
通过引入基于 sin 和 cos 的周期性函数，开始在空间中收敛并卷曲。这其实就是在用数学模拟“无限的转动”——超越逻辑的能量。 🌀✨
一个像 π 或黄金分割数 ϕ 这样的无理数【比例】，最终在视觉上覆盖整个环面！
duangsuse::Echo pinned «#经济 《超人类智能》 https://t.me/OneMillion_AI/4890 很早、很蠢的方法就能造出【超人类能力】的事物——轮子更快，刀枪能为人所不能，政治能用一把枪控制一船人，驯养能让人利用狗的嗅觉。 但是极少有人痴迷于【全面超越人类】。 理性狂热者曾面对一个“鸡头稳定器”遭遇滑铁卢，现在他们用数据量和模态带宽，又一次次【战胜了人类劳动】，认为资本自我繁殖的原理可以放在这里 “安安逸逸地吃喝快乐” 了。 机器有智能吗？ 这就像问潜水艇会不会【游泳】。与其说AGI的能力是“比赢”拥有天赋…»
Forwarded from HAT's Public Channel |
Media is too big
VIEW IN TELEGRAM
HAT's Public Channel |
made by Opus 5.5. source code: https://github.com/mexicat/pdoom-video
#VIBE 帮你们预览了下，它这个中间产物还挺好的
timing data(beats)是用htdemucs_ft从音乐人那里弄的 "I'm Upping My P(doom)"，歌词ts是 whisper_run.py 歌声识别的，3d ago, 8提交
VFX 也是各自完整的 Canvas2D layer pass, palette可调整, FSPass绑定 three; SFX 是 AudioJSON
比许多曾经是【大佬写的】js/gl动画框架都完善
代码质量很难评。 结构上没有冗余，但过于verbose了，而且JS写的太规范 把JS语法本身的噪音淋漓尽致了
抽象方向是对的。它的价值在于让修改局部化，严格说，截图里更像“歌词短语匹配＋命名锚点”，换 mix 可以重跑对齐。
timing data(beats)是用htdemucs_ft从音乐人那里弄的 "I'm Upping My P(doom)"，歌词ts是 whisper_run.py 歌声识别的，3d ago, 8提交
VFX 也是各自完整的 Canvas2D layer pass, palette可调整, FSPass绑定 three; SFX 是 AudioJSON
比许多曾经是【大佬写的】js/gl动画框架都完善
b.shog、b.clips 这些锚点本质上是"歌词语义锚点"，改歌/换 mix 只需要重跑对齐，timeline 不用动。这是做 lyric video 正确的抽象层。
cut('Post-Chinchilla', 0, 0.05) 那行注释——"'Post' starts 32 ms before its beat; don't cut..."——说明Agent是真的对着波形调过 offset，不是生成完就算。
代码质量很难评。 结构上没有冗余，但过于verbose了，而且JS写的太规范 把JS语法本身的噪音淋漓尽致了
抽象方向是对的。它的价值在于让修改局部化，严格说，截图里更像“歌词短语匹配＋命名锚点”，换 mix 可以重跑对齐。
duangsuse::Echo
代码质量很难评。 结构上没有冗余，但过于verbose了
可以理解为它把每个div.wtf都拿2D js渲染了，明明可以用CSS和htm-in-canvas加速的
过于verbose的好处是可移植，然后，没有杂七杂八的依赖
坏处是成熟框架的DevTools也没有了。 比如Godot的粒子系统是你可以手动微调的
这个做法不行，必须让机器retake摇号，探索不了配置方法
过于verbose的好处是可移植，然后，没有杂七杂八的依赖
坏处是成熟框架的DevTools也没有了。 比如Godot的粒子系统是你可以手动微调的
这个做法不行，必须让机器retake摇号，探索不了配置方法
duangsuse::Echo
#VIBE 帮你们预览了下，它这个中间产物还挺好的 timing data(beats)是用htdemucs_ft从音乐人那里弄的 "I'm Upping My P(doom)"，歌词ts是 whisper_run.py 歌声识别的，3d ago, 8提交 VFX 也是各自完整的 Canvas2D layer pass, palette可调整, FSPass绑定 three; SFX 是 AudioJSON 比许多曾经是【大佬写的】js/gl动画框架都完善 b.shog、b.clips 这些锚点本…
P2 #ai探讨
AI说的很对，其实F12 UI 不是非常难做的集成，如果为了这些抛掉canvas的自包含，（假定全部prompt改页面的情况下），非常不值得。 如果是>1个月的项目，可以考虑
我正在想，以后是不是只有剪贴板、fs树、htm颜色是必要的人机接口了。
假定从现在开始，给AI一个通用的js库来生成Tuneable literals，大概也没法像此视频一样遍地开花，有学习成本
我们其实可以乐观一些。LLM虽然黑盒，但它选择的技术栈依赖关系，几乎是单线、一镜到底的
以前每天都有新框架宣称自己颠覆了世界，生态被left_pad和fastjson爆杀。但现在，AI宁可随地手搓百行，也不接受不Pythonic/不像H5的接口了
AI说的很对，其实F12 UI 不是非常难做的集成，如果为了这些抛掉canvas的自包含，（假定全部prompt改页面的情况下），非常不值得。 如果是>1个月的项目，可以考虑
我正在想，以后是不是只有剪贴板、fs树、htm颜色是必要的人机接口了。
假定从现在开始，给AI一个通用的js库来生成Tuneable literals，大概也没法像此视频一样遍地开花，有学习成本
我们其实可以乐观一些。LLM虽然黑盒，但它选择的技术栈依赖关系，几乎是单线、一镜到底的
以前每天都有新框架宣称自己颠覆了世界，生态被left_pad和fastjson爆杀。但现在，AI宁可随地手搓百行，也不接受不Pythonic/不像H5的接口了
Astra：能定位、能控制变量、能预览、能撤销、能写回，作为协议（就像ChatUI发送队列）。 至于面板长什么样，可以现用现做。
Forwarded from 动察Beating AI News
GPT-6 Astra考过「科目二」？5分22秒驶入锥桶车位
三名中国台湾地区研究人员搭建 DrivingBench，将 GPT-6 Astra、GPT-5.6 Sol、Grok 4.6 和 Claude Fable 5.1 等通用大模型接入一辆真实的 2022 款丰田卡罗拉，进行类似「科目二」的真实车辆驾驶测试。测试赛道全长约 130 米，由彩色锥桶组成 8 米宽通道，车辆需连续通过多个弯道，最终驶入一个 7×5 米的锥桶车位。
此前从未接受专门驾驶训练的 GPT-6 Astra，在首次测试中因判断失误偏离赛道，但第二次调整策略后，以 5 分 22 秒完成约 134.7 米赛程并成功驶入车位，成为四个模型中唯一「通过科目二」的模型。
测试中，Astra 将弯道及障碍物附近车速控制在 0.5 至 0.8 米/秒，并根据实时摄像头画面持续调整方向。相比之下，Sol、Grok 和 Fable 均未完成测试，其中 Sol 和 Grok 连续三次失败，Fable 第三次行驶至约 45% 位置后停止。
此次测试显示，未经专门驾驶数据训练的通用大模型已能够在低速真实环境中完成基础驾驶任务，但距离实际道路自动驾驶仍存在明显差距。
信源
动察 Beating 频道 · 动察 Beating 交流群
三名中国台湾地区研究人员搭建 DrivingBench，将 GPT-6 Astra、GPT-5.6 Sol、Grok 4.6 和 Claude Fable 5.1 等通用大模型接入一辆真实的 2022 款丰田卡罗拉，进行类似「科目二」的真实车辆驾驶测试。测试赛道全长约 130 米，由彩色锥桶组成 8 米宽通道，车辆需连续通过多个弯道，最终驶入一个 7×5 米的锥桶车位。
此前从未接受专门驾驶训练的 GPT-6 Astra，在首次测试中因判断失误偏离赛道，但第二次调整策略后，以 5 分 22 秒完成约 134.7 米赛程并成功驶入车位，成为四个模型中唯一「通过科目二」的模型。
测试中，Astra 将弯道及障碍物附近车速控制在 0.5 至 0.8 米/秒，并根据实时摄像头画面持续调整方向。相比之下，Sol、Grok 和 Fable 均未完成测试，其中 Sol 和 Grok 连续三次失败，Fable 第三次行驶至约 45% 位置后停止。
此次测试显示，未经专门驾驶数据训练的通用大模型已能够在低速真实环境中完成基础驾驶任务，但距离实际道路自动驾驶仍存在明显差距。
信源
动察 Beating 频道 · 动察 Beating 交流群
Forwarded from 动察Beating AI News
144M参数就能做Agent决策，Julia-1连安卓平板都能跑
AI 实验室 Supersonic Labs 发布一款只有 1.443 亿参数的轻量决策模型 Julia-1。它不生成长文本，而是接收上下文、问题和 2 到 20 个候选答案，直接完成分类、打分和是非判断，可以给 Agent 选工具、做路由或决定下一步动作。
Julia-1 基于多语言编码模型 mmBERT-small 开发，模型权重约 550MB，主打低硬件门槛。官方已经在 Apple M4、Intel i5-1235U 和三星 Android 平板上完成测试。M4 单次决策中位延迟约 33ms；三星平板只用 CPU 运行时约 203ms，进程峰值内存约 393MB。
在官方公布的 4 组 Jev 对比测试中，Julia-1 赢了 3 组。Typed Decisions 为 73.15%，Jev 参考成绩为 72.70%；AG News 为 94% 对 91%；情绪分类为 86% 对 48%。但在包含 72 个类别的 Banking77 上，Julia-1 只有 64%，明显低于 Jev 的 87%。官方称，候选类别太多且彼此相似时，目前的分组筛选可能提前丢掉正确答案。
Julia-1 的云端 GPU 训练和实验总成本只有约 104 美元。模型权重、运行代码、完整评测和来源记录均已开放，采用 Apache 2.0 许可。官方还在开发 API，计划按每百万输入 token 0.025 美元收费；由于模型只做判断、不生成长文本，输出 token 不收费。
信源
动察 Beating 频道 · 动察 Beating 交流群
AI 实验室 Supersonic Labs 发布一款只有 1.443 亿参数的轻量决策模型 Julia-1。它不生成长文本，而是接收上下文、问题和 2 到 20 个候选答案，直接完成分类、打分和是非判断，可以给 Agent 选工具、做路由或决定下一步动作。
Julia-1 基于多语言编码模型 mmBERT-small 开发，模型权重约 550MB，主打低硬件门槛。官方已经在 Apple M4、Intel i5-1235U 和三星 Android 平板上完成测试。M4 单次决策中位延迟约 33ms；三星平板只用 CPU 运行时约 203ms，进程峰值内存约 393MB。
在官方公布的 4 组 Jev 对比测试中，Julia-1 赢了 3 组。Typed Decisions 为 73.15%，Jev 参考成绩为 72.70%；AG News 为 94% 对 91%；情绪分类为 86% 对 48%。但在包含 72 个类别的 Banking77 上，Julia-1 只有 64%，明显低于 Jev 的 87%。官方称，候选类别太多且彼此相似时，目前的分组筛选可能提前丢掉正确答案。
Julia-1 的云端 GPU 训练和实验总成本只有约 104 美元。模型权重、运行代码、完整评测和来源记录均已开放，采用 Apache 2.0 许可。官方还在开发 API，计划按每百万输入 token 0.025 美元收费；由于模型只做判断、不生成长文本，输出 token 不收费。
信源
动察 Beating 频道 · 动察 Beating 交流群
Forwarded from Hacker News 摘要
Telegraph
Excel 现已支持在单个单元格中存放多个值
原标题：Excel now supports multiple values in a single cell 微软宣布在 Excel 中推出“单元格内列表”与“数组”功能，打破了 Excel 40 年来每个单元格只能存放一个值的限制。该功能目前已面向 Windows 和 Mac 的 Beta 渠道用户推出。 单元格内列表（Lists） 列表功能允许用户在单个单元格中存储多个独立的值。 • 创建与编辑：用户可以通过点击“插入”>“列表”或使用快捷键 Ctrl+J 创建列表，然后输入或粘贴以逗号、分号分隔的内容。双击单元格或按…
duangsuse::Echo
以前每天都有新框架宣称自己颠覆了世界，生态被left_pad和fastjson爆杀。但现在，AI宁可随地手搓百行，也不接受不Pythonic/不像H5的接口了
承认吧，除了pip和vite那一派，以及iq和Bellerd那种甚至汇编+建站的真神 #statement #dev
几乎没人擅长编程，只是一个点子（一张截图说得清），在付【实现税】
他们对 domain 的理解已经压缩到"实现即规格"——SDF 就是数学eyecandy本身，QuickJS 就是 spec+冯诺曼【物理定律】的直译。大多数人规格税、判断税反向把impl写成屎山
实现税下降以后，接口税、集成税、排错税就显眼了。把一件事接通、适配、绕过限制，需要真实的【API缝合怪】工作8小时
我们其实可以乐观一些： LLM虽然黑盒，但它选择的技术栈依赖关系，几乎是单线、一镜到底的
我7年来遇到的90%的人，甚至没资格点评 Claude 5.1 的代码质量怎么样，它可以在很短的prompt里写出很棒的声明式、数据流，与此同时许多人只是【会调更多API、能够照搬并缝合更多管道】的暴力破解和堆砌（并且他们的 Claude 也缺少能力）
人来写往往加一大堆私货和“小巧思”，最后扔在那里，想复用非常难
几乎没人擅长编程，只是一个点子（一张截图说得清），在付【实现税】
他们对 domain 的理解已经压缩到"实现即规格"——SDF 就是数学eyecandy本身，QuickJS 就是 spec+冯诺曼【物理定律】的直译。大多数人规格税、判断税反向把impl写成屎山
歌词锚点 → 时间线 → 场景参数 → 绘制。 只要对domain的理解深刻，比横跨四个框架到处转来转去，便宜太多
实现税下降以后，接口税、集成税、排错税就显眼了。把一件事接通、适配、绕过限制，需要真实的【API缝合怪】工作8小时
我们其实可以乐观一些： LLM虽然黑盒，但它选择的技术栈依赖关系，几乎是单线、一镜到底的
我7年来遇到的90%的人，甚至没资格点评 Claude 5.1 的代码质量怎么样，它可以在很短的prompt里写出很棒的声明式、数据流，与此同时许多人只是【会调更多API、能够照搬并缝合更多管道】的暴力破解和堆砌（并且他们的 Claude 也缺少能力）
人来写往往加一大堆私货和“小巧思”，最后扔在那里，想复用非常难
duangsuse::Echo
几乎没人擅长编程，只是一个点子（一张截图说得清），在付【实现税】
不谈竞赛和框架，应用编程【七成人所谓代码，只是截图录屏】这个比喻可以再精确点
就是你有没有意识到task在整个domain里的P(概率)是几成，len(组件和模块)是否最小化，如果你只是stfw照葫芦画瓢，最终反而不如AI有思路。
我见过有一半的人开发App，安卓是安卓WebUI是js，是完全没有对domain的迁移学习的，他们不会像Chrome或OpenGL本身的开发者一样，分得清哪些是 “墙”，哪些是幕布。
当然，局部代码像顶尖样板，不保证整体output正确。
Pythonic和F12之所以牛逼，除了真一键run anywhere、colab、元素点选CSS速览等模态，还有生态通用的【心智模型】，比如PIL可以和UMat,plt,np.. 0秒共享【一切皆文件】，这种事情你在top10编程语言里，想都不敢想
AI 降低了“展开”的价格，也就暴露出：以前许多看似高含金量的工作，实际是在手工维持展开式。
【震惊跌坐】在技术瓶颈的 Before&After 上，可以做一个类比：基于Canny和flow的 GenAI 之前，3D要渲染很久，而之后e2e生成，光追基本上和着色耗时差不多了。
这不止是云计算和UI集成的问题，至于从手绘线条，到AI从人物骨架生成面积、体积，这就更不用说了。 diff模型从线条、姿态、深度或光流等约束补出结果
而直接把渲染农场跳过了（在七成情况下）。
我看过vibe出的应用代码，好的3个，差的3个。 因为网上都有，而把它们混为一谈（有Astra/Fable都能做出来？）…… 这就像在《我的世界》里，玩家都能操作方块（快速构建出想法的外观），但一个赛道上只有少数人能做成真正能玩的存档 🙉
就是你有没有意识到task在整个domain里的P(概率)是几成，len(组件和模块)是否最小化，如果你只是stfw照葫芦画瓢，最终反而不如AI有思路。
我见过有一半的人开发App，安卓是安卓WebUI是js，是完全没有对domain的迁移学习的，他们不会像Chrome或OpenGL本身的开发者一样，分得清哪些是 “墙”，哪些是幕布。
👻 没有领域迁移的人，每次都在重新学习幕布甚至胶水自己的褶皱。复制本身不构成区别，复制的单位（正交分解/优化的梯度）才构成区别！
截图丢的不是信息量（表象），是生成过程（实质）。 一张 Excel 的截图OCR数字全在，但公式没了，改一格的【表象】其他1秒破功；SVG抗锯齿同理
你可以这样理解： 屎山代码，就是找3个codebase，遇到什么功能点，回忆长的像的，把段落复制过来，改成调自己写的/依赖的op或UI。
又或者是，对APIs没有【数据流既视感】，硬凑几个函数，最后语义和 bash -c history 一样小白，但forif套的跟iq一样复杂
AI不找API文档和旧开源，是直接把算法和forif展开复制过来，而且专挑顶尖人(stb.h, iq..) 级别的样板，许多人之前都不知道顶尖长啥样。 开源少有消费级的质量，但AI能达到。
当然，局部代码像顶尖样板，不保证整体output正确。
Pythonic和F12之所以牛逼，除了真一键run anywhere、colab、元素点选CSS速览等模态，还有生态通用的【心智模型】，比如PIL可以和UMat,plt,np.. 0秒共享【一切皆文件】，这种事情你在top10编程语言里，想都不敢想
AI 降低了“展开”的价格，也就暴露出：以前许多看似高含金量的工作，实际是在手工维持展开式。
【震惊跌坐】在技术瓶颈的 Before&After 上，可以做一个类比：基于Canny和flow的 GenAI 之前，3D要渲染很久，而之后e2e生成，光追基本上和着色耗时差不多了。
这不止是云计算和UI集成的问题，至于从手绘线条，到AI从人物骨架生成面积、体积，这就更不用说了。 diff模型从线条、姿态、深度或光流等约束补出结果
而直接把渲染农场跳过了（在七成情况下）。
我看过vibe出的应用代码，好的3个，差的3个。 因为网上都有，而把它们混为一谈（有Astra/Fable都能做出来？）…… 这就像在《我的世界》里，玩家都能操作方块（快速构建出想法的外观），但一个赛道上只有少数人能做成真正能玩的存档 🙉