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 🙉
duangsuse::Echo
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。
就算你不知道光流“小脑”省了多少传统PBR/代数3D渲染的公式和知识，也能从渲染耗时和图生视频的难度体会到。 e2e 直接冲击了CV的根本和CG的工作室，
那些耗费半生掌握的“公式”，最后只剩 Before&After 两帧。高深的问题，只是人机接口+人际平台的问题
但不要以为ML领域自己是不受冲击的，其实拓扑HMM、BERT、“多线程”变形金刚就是【代数先验】被弄过后的结果，对偶数下山法哲学上就是反冯诺曼架构的
语言理解选出的不是BERT的填空题和优雅LISP树，而是Causal&Attention，MoE（领域划分）只是用来省带宽的，它不像CoT和Harnesss那样，能够有反馈回路的成功
但DNN本身没有很多超参数，onnx计算图可以链入权重跑最先进的DiffSinger，这个就和geojson一样自包含了。
所以P(doom) MV里说冯诺曼风格过时了（早就如此，但概率模型介入用户平台让它真正不唯一）
🦀 【存算分离】和sizeof(int)的世界观已经裂开，但不是因为代码固化，而是输出在自反馈到输入，基于diff
就像人类看夜空会把星星连成星座一样，所谓的“语法树”和【一阶谓词逻辑】只是人类强行发明的【事后公理】，只有连续的注意力权重投影。
🙉 真理没有【被人理解】以外的超然价值。他们不会觉得科普才是欠技术债务的蠢蛋吧。
这个类比可以放回编程领域： 我们过去以为任务要求实现一个完成度极高的系统，其实，只是 P(domain) 分布中的很小一块。
那些耗费半生掌握的“公式”，最后只剩 Before&After 两帧。高深的问题，只是人机接口+人际平台的问题
但不要以为ML领域自己是不受冲击的，其实拓扑HMM、BERT、“多线程”变形金刚就是【代数先验】被弄过后的结果，对偶数下山法哲学上就是反冯诺曼架构的
语言理解选出的不是BERT的填空题和优雅LISP树，而是Causal&Attention，MoE（领域划分）只是用来省带宽的，它不像CoT和Harnesss那样，能够有反馈回路的成功
但DNN本身没有很多超参数，onnx计算图可以链入权重跑最先进的DiffSinger，这个就和geojson一样自包含了。
所以P(doom) MV里说冯诺曼风格过时了（早就如此，但概率模型介入用户平台让它真正不唯一）
🦀 【存算分离】和sizeof(int)的世界观已经裂开，但不是因为代码固化，而是输出在自反馈到输入，基于diff
所以，别以为【传统派】编程被ML淘汰，DNN技术里偏向GoFAI的人，才是被打脸的最狠的。如果嵌套和双向都不配为语言理解（而是人眼的启发式幻觉），高精尖也很难把那一套理论搬进【知识库】里了
structural probe 从 BERT/GPT 的流型里排序出的依存树，很像人标注的。DeepDream和某些对抗样本也一样。这说明理论界总喜欢看表面，但却又自以为不在做【人机界面】。
🦀 从灵性启发角度看，Alan Kay 的细胞计算机OOP还是可以的。“活进程镜像” “交互环境” “消息传递” 不就是指DNN权重、梯度和训练集、ChatUI和Agent互调用协作吗。“即时连接” （Hypercard/tweakpane）就是指离散版本的梯度下降
👍 触控屏被嘲讽为“隔着玻璃摸图片”。序列和几何确实是人有的智能，但AR也很好。Kay和Bret的 “儿童编程环境” 目标并不是简化，而是让人体验MC一样的创作欲。这本就是人类的天性
Bret像GNU RMS那样，也把【即时反馈即测试】拔高到道德原则，Alan Kay 当年被同时代的人孤立，却同时启发了苹果/OOP/互联网应用
这也给了佛家唯识一个很好的论据。只需要靠判断、反馈循环，就能像“重生恢复记忆”那样造出新东西!
就像人类看夜空会把星星连成星座一样，所谓的“语法树”和【一阶谓词逻辑】只是人类强行发明的【事后公理】，只有连续的注意力权重投影。
🙉 真理没有【被人理解】以外的超然价值。他们不会觉得科普才是欠技术债务的蠢蛋吧。
Forwarded from Hacker News 摘要
Telegraph
英伟达欠了我十亿美元股票
原标题：Owed a billion dollars in Nvidia stock 这篇文章由作者 Eric Gullichsen 撰写，讲述了他作为英伟达（NVIDIA）早期顾问，因当年的期权归属计算错误而错失价值约十亿美元股票的经历。 早期渊源与技术合作 • 结缘英伟达：1993年，黄仁勋（Jensen Huang）邀请作者加入英伟达技术顾问委员会。当时，黄仁勋与另外两位联合创始人 Curtis Priem 和 Chris Malachowsky 一起拜访了作者位于索萨利托的船屋。 • 技术背景：作者此前创办了早期虚拟现实公司…
Forwarded from HAT's Public Channel |
Media is too big
VIEW IN TELEGRAM
src: BV1SgaY64EG5, made by Claude Opus 5.5
Please open Telegram to view this post
VIEW IN TELEGRAM
duangsuse::Echo
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
https://loficities.com/
https://github.com/SafaElmali
#vibe 同样是AIGC，有人的代码就这么有趣
虽然js不怎么样。 把像素spirit全用js硬编码， 虽然对动画有好处，但可维护太差了
Agent不珍惜代码量，可是人类维护者有瓶颈啊
#pingbk https://t.me/dsuse/23345
https://github.com/SafaElmali
#vibe 同样是AIGC，有人的代码就这么有趣
虽然js不怎么样。 把像素spirit全用js硬编码， 虽然对动画有好处，但可维护太差了
Agent不珍惜代码量，可是人类维护者有瓶颈啊
#pingbk https://t.me/dsuse/23345
Forwarded from Hacker News 摘要
Telegraph
MicroLLM 实验室——在浏览器中体验 7 款微型 LLM
原标题：MicroLLM Lab – Try 7 tiny LLM's in the browser 这是一个基于浏览器的端侧 AI 实验室项目（MicroLLM lab），支持通过 WebGPU 硬件加速在浏览器内直接运行、评测和对比小型语言模型（SLM）。整个过程完全在本地设备运行，具有百分之百的隐私性，无需服务端成本，也不需要注册账号。 小型语言模型的优势 相比耗费高昂成本且存在网络延迟的前沿大模型（如 GPT-4、Claude），25M 到 360M 参数的小型模型可以作为超快、高效的边缘计算层，具备以下优势：…
Forwarded from yihong0618_bot
Links Rewritten
duangsuse:
【有力的文字是简洁的】这其实是欧化汉语（翻译腔）。 #english #china
https://fixupx.com/xuanwo/status/2104811628063854831
如果100%保持原意，你会认为它无法再精炼，但其实，【XX是XX的】不够中文化。
“有力的文字必然简洁”
“行文要有力，贵在简练。”
“文贵简练。” 或 “文章有力，重在精粹。如画无废笔，器无繁构。”
It rains. 翻译后不一定写【天在下雨】，可能是“小雨” “天晴雨轻”。 如果你译去译回一次能90%对回原文，说明不够中文
中文的词法，特点在于压缩+扩写，而不单单删掉语素。《文言和白话(人教版)》 《论中文的常态与变态》里就曾以理驳斥诟病“不如文言简洁”或“文字游戏”的说法，列举 “进行……”、“是……的”、“具有……性质” 这些黑名单语法。
duangsuse:
【有力的文字是简洁的】这其实是欧化汉语（翻译腔）。 #english #china
https://fixupx.com/xuanwo/status/2104811628063854831
如果100%保持原意，你会认为它无法再精炼，但其实，【XX是XX的】不够中文化。
“有力的文字必然简洁”
“行文要有力，贵在简练。”
“文贵简练。” 或 “文章有力，重在精粹。如画无废笔，器无繁构。”
It rains. 翻译后不一定写【天在下雨】，可能是“小雨” “天晴雨轻”。 如果你译去译回一次能90%对回原文，说明不够中文
中文的词法，特点在于压缩+扩写，而不单单删掉语素。《文言和白话(人教版)》 《论中文的常态与变态》里就曾以理驳斥诟病“不如文言简洁”或“文字游戏”的说法，列举 “进行……”、“是……的”、“具有……性质” 这些黑名单语法。
🧵 讨论串 • FixupX
Xuanwo (@xuanwo)
辞达正式上线了，希望大家喜欢！
- 多国语种翻译/润色
- 选中翻译 / 截屏翻译 / 图层翻译
- macOS 原生，120 帧渲染
- 免费，无追踪无广告
- 开源，漩涡独裁模式
https://cida.xuanwo.io/
引用 Xuanwo (@xuanwo)
构建一些让自己开心的东西 🥰
这个工具我在本地用了很久，稍微收拾了一下发出来。
辞达：辞达而已矣
在 Mac 的任何地方翻译和润色文字，没有广告，没有冗余的功能，纯粹的辞达
（第一个可以下载的版本还在构建，可以先点赞让我开心开心）…
- 多国语种翻译/润色
- 选中翻译 / 截屏翻译 / 图层翻译
- macOS 原生，120 帧渲染
- 免费，无追踪无广告
- 开源，漩涡独裁模式
https://cida.xuanwo.io/
引用 Xuanwo (@xuanwo)
构建一些让自己开心的东西 🥰
这个工具我在本地用了很久，稍微收拾了一下发出来。
辞达：辞达而已矣
在 Mac 的任何地方翻译和润色文字，没有广告，没有冗余的功能，纯粹的辞达
（第一个可以下载的版本还在构建，可以先点赞让我开心开心）…
yihong0618_bot
Links Rewritten duangsuse: 【有力的文字是简洁的】这其实是欧化汉语（翻译腔）。 #english #china https://fixupx.com/xuanwo/status/2104811628063854831 如果100%保持原意，你会认为它无法再精炼，但其实，【XX是XX的】不够中文化。 “有力的文字必然简洁” “行文要有力，贵在简练。” “文贵简练。” 或 “文章有力，重在精粹。如画无废笔，器无繁构。” It rains. 翻译后不一定写【天在下雨】，可能是“小雨”…
LOTU$:
我怀疑你是LLM但是我没有证据
duangsuse:
额
没错，我写的很详细，而且内嵌了50%左右Gemini的输出
但是这个点子确实是我提的，AI只是帮我搜集资料
如果放在网页世界的话， deepl 可能都支持.md 或者按句选择翻译版本了。 LLM的语言能力比它更强不是吗
如果上线还想更新的话，这种润色模块也可以加啊
LLM 自己可不会凭空跑去给 Xuanwo 提这种产品哲学上的 issue。这样分享思路，总比点个赞扔掉对两边更有趣吧
我不想显得自己很judge所以用了类似AI的口吻，str2str 说的好像Xuanwo没有打磨一样，其实我是觉得，既然叫辞达，可以保留简洁和Tuneable
LLM本身信噪比挺优秀的，如果不是往那一甩，它可以作为技术参考
#perf #rust #net Xuanwo是谁
https://xuanwo.io/2023/01-beyond-storage-why-we-failed/
《BeyondStorage: why we failed》在开源界广为流传
三个月？Metadata 框架？这不就是json转静态补齐，顶多挂个funame……
没错…… 这也太可怕了。数十个下游服务仓库，几十个 PR CI 流水线绿成一片，这还是Codex们没有深度集成时， 这种品味，未来不得干成一个go文件0.5MB啊
说回来，unix的mount不够，也不用户态线程，而且fs树的重要性放低了。xxfs的未来恐怕是一片RO给层叠一片给(No)SQLs，s3fs这些东西终究是bash的小秘而已
没错…… s3fs这些FUSE其实本该做成fakeroot的纯用户态。至于网络本地 r/w/a 的块和流统一接口，在特定体积和吞吐量下和 u[k]=v 读写赋值不一样，和 u.map('k',v=>v) 融恰一些，只可惜IO不能这样优雅。
尽管有读写背压和事务retry，S3在应用里还是大同小异的。所以这不是有DAL了吗？ 尽管没有做成纯声明式封装，但op.cmd()也是很聪明的设计
我怀疑你是LLM但是我没有证据
duangsuse:
额
没错，我写的很详细，而且内嵌了50%左右Gemini的输出
但是这个点子确实是我提的，AI只是帮我搜集资料
我说的也是一个问题啊， str2str 的数据流，找到一个MacOS+热键专属的【框】
如果放在网页世界的话， deepl 可能都支持.md 或者按句选择翻译版本了。 LLM的语言能力比它更强不是吗
如果上线还想更新的话，这种润色模块也可以加啊
LLM 自己可不会凭空跑去给 Xuanwo 提这种产品哲学上的 issue。这样分享思路，总比点个赞扔掉对两边更有趣吧
我不想显得自己很judge所以用了类似AI的口吻，str2str 说的好像Xuanwo没有打磨一样，其实我是觉得，既然叫辞达，可以保留简洁和Tuneable
LLM本身信噪比挺优秀的，如果不是往那一甩，它可以作为技术参考
#perf #rust #net Xuanwo是谁
https://xuanwo.io/2023/01-beyond-storage-why-we-failed/
《BeyondStorage: why we failed》在开源界广为流传
三个月？Metadata 框架？这不就是json转静态补齐，顶多挂个funame……
没错…… 这也太可怕了。数十个下游服务仓库，几十个 PR CI 流水线绿成一片，这还是Codex们没有深度集成时， 这种品味，未来不得干成一个go文件0.5MB啊
说回来，unix的mount不够，也不用户态线程，而且fs树的重要性放低了。xxfs的未来恐怕是一片RO给层叠一片给(No)SQLs，s3fs这些东西终究是bash的小秘而已
没错…… s3fs这些FUSE其实本该做成fakeroot的纯用户态。至于网络本地 r/w/a 的块和流统一接口，在特定体积和吞吐量下和 u[k]=v 读写赋值不一样，和 u.map('k',v=>v) 融恰一些，只可惜IO不能这样优雅。
尽管有读写背压和事务retry，S3在应用里还是大同小异的。所以这不是有DAL了吗？ 尽管没有做成纯声明式封装，但op.cmd()也是很聪明的设计
Go=new Java 这个问题还真是，犯过的错都要犯一遍
接口和注解地狱，nil和iferr，pnpm，只是个大数据吞吐量的升级，依旧软件失忆
真的不能理解为什么有人热衷于100行一个repo和left_pad。Codex们出现以后真的都不鸟他们。Unix 提倡“做一件事并做好（Do one thing and do it well）”，但很多开发者把“一件事”极端曲解成了“一个函数” “缺乏用户共情的MVP功能”。
要不是LLM智商在线，我都以为我才是有病的那个，并且还要陪他们一起【震惊跌坐】了
Monorepo和microrepo这些东西真是把我搞笑了，虽然我几乎只写过脚本，但我非常清楚每一百行代码暴露了什么能力和flow。 真搞不懂git那么多有什么意义，“Star 虚荣与 PMC 官僚病” 也是常见问题。至于codegen，我看了也没什么创新，就是javapoet级别，可能字面量vs变量的escape都没做
xuanwo.io
BeyondStorage: why we failed
Achieving Data Freedom Through Open Source and Rust
英伟达让AI重写Kimi注意力内核：速度达到官方版近3倍 #ai #news
NVIDIA 研究团队让 AI Agent 直接重写了 Kimi Delta Attention 的 GPU 内核。Kimi Delta Attention 是月之暗面 Kimi-Linear 模型使用的核心注意力机制之一。这类底层代码过去通常需要熟悉 CUDA 和芯片架构的工程师反复手工优化。
最终，Agent 写出的版本在 NVIDIA B300 上达到月之暗面官方 FlashKDA 的 2.96 倍速度。团队测试了固定长度和不同变长序列共 6 组任务，2.96 倍是全部任务的几何平均值。相关内核已经开源。
信源
动察 Beating 频道 · 动察 Beating 交流群
NVIDIA 研究团队让 AI Agent 直接重写了 Kimi Delta Attention 的 GPU 内核。Kimi Delta Attention 是月之暗面 Kimi-Linear 模型使用的核心注意力机制之一。这类底层代码过去通常需要熟悉 CUDA 和芯片架构的工程师反复手工优化。
最终，Agent 写出的版本在 NVIDIA B300 上达到月之暗面官方 FlashKDA 的 2.96 倍速度。团队测试了固定长度和不同变长序列共 6 组任务，2.96 倍是全部任务的几何平均值。相关内核已经开源。
信源
动察 Beating 频道 · 动察 Beating 交流群
❤1