duangsuse::Echo
714 subscribers
4.24K photos
127 videos
583 files
6.46K links
import this:
美而不丑、明而不暗、短而不凡、长而不乱,扁平不宽,读而后码,行之天下,勿托地上天国。
异常勿吞,难过勿过,叹一真理。效率是很重要,盲目最是低效。
简明是可靠的先验,不是可靠的祭品。
知其变,守其恒,为天下式;穷其变,知不穷,得地上势。知变守恒却穷变知新,我认真理,我不认真。

技术相干订阅~
另外有 throws 闲杂频道 @dsuset
转载频道 @dsusep
极小可能会有批评zf的消息 如有不适可退出
suse小站(面向运气编程): https://WOJS.org/#/
Download Telegram
羽毛的小白板
🤔 思考了一下,codegen 直接写文件不是个好做法,应该生成 token 流
现在想想,LLVM Cookbook 上 TOY 语言的解析器实现也是完全的词条流模式
Fly 的小频道
学不动了
#javascript ES6 新加入的 Proxy 特性呢,就是一个反射功能,可以实现对对象的非透明代理

你可以拦截对像的属性访问、方法调用什么的

let proxied = new Proxy(target_object, handler);

它可以拦截自定义方法和一些 JavaScript 元方法

也类似于 Java 的 Proxy(可以为接口动态生成代理类,只能代理方法调用 “inkvoking”),但更加灵活

在 Java 上动态编程,Proxy 是很有用的,因为诸如注册监听器回调什么的,动态的方式要么使用 GCLib、ASM 等汇编新 Java 类(有时还得适配 DalvikVM)
要么使用 Proxy

如果没有 Proxy,等于说就很难在 10k 以内实现能写 Android 应用的动态的 JVM 语言了,不好意思跑题了 🙈
duangsuse::Echo
本来打算公布一些新坑的信息,可惜本本忘在学校里了 233 暂时啥都不说呢,下次月假说吧 只知道打算先解决 Gekyll
新坑非常多,包括几个比较大的项目只可能在暑假等甚至毕业后完成

最值得 duangsuse 注意的是 duangsuse 打算写的一个汇编器,叫 kasm “Kool Assembler”

汇编器使用 kasmpp 作为预处理器,它支持宏,输入 .kasm 文件,输出 .kas 文件
kas2kass 则是 Scheme 表达式化预处理结果的程序,非常简单就是替换某些符号为空格什么的
kascm 是某个解释器,这样设计方便进行机器移植

kascm-$machine 是 kascm 可以解释的 KScheme 代码,汇编器本身

代码诸如这样

foo.kasm

;; used preprocessor rules ;;
%macro machine (mid)
.machine (mid)
%end

%macro import func (fid)
.extern (fid)
.type function (fid)
%end

%macro section (part)
.section .(part)
%end

%macro export func (fid) as (linkage)
.type function (fid)
.global (fid)
.linkage (fid), global, function, (linkage)
%end

%macro cdecl begin
push bp
mov sp, bp
%end

%macro cdecl end
pop bp
%end

;;;; 写不下.... 🙈

machine x86
import func puts

section text
export func main as _start

impl main:
cdecl fbegin
stack << text
puts ()
cdecl fend

section rodata
data text

text = string "Hello, world!"
Scheme 解释器需要一些诸如 hash 算法、hashmap 算法什么的,GC 打算不使用,或者说使用 Refcount(Rc)
语言使用 C

目前打算实现一种只包含代码的 Chunk 和一种包含代码和 Symbol 求值环境的 Closure
作用域只存在于 (do (arg1 arg2) ...) 之间

内部函数打算使用 CChunk 类型

KScheme 是弱类型的,可能不包含几个内定类型,当然也不学院派
Forwarded from 永久封存 | Yuuta 台 | 😷 #Pray4Wuhan (Yuuta)
Ncurses 是 Aptitude 的 “UI” 框架,也就是在 Command line 环境下的 “界面”,小编自认为效果很不错。
Java 上也有类似的库,Star 较多的是 https://github.com/mabe02/lanterna ,可以通过 Component、Window、Screen 实现 “GUI”,非常实用。

#Dev #干货
Forwarded from 永久封存 | Yuuta 台 | 😷 #Pray4Wuhan (Yuuta)
🌟 900 Star 了,Cheer!
Forwarded from dnaugsuz
小米推送模拟 🍻 900 star 同乐
Forwarded from 羽毛的小白板
???
Forwarded from 羽毛的小白板
需要窗口所在进程调用
羽毛的小白板
需要窗口所在进程调用
好耶!立刻使用 CreateRemoteThread()
This media is not supported in your browser
VIEW IN TELEGRAM
duangsuse::Echo
好耶!立刻使用 CreateRemoteThread()
#include <stdafx.h>
#include <tlhelp32.h>

HANDLE RunRemoteThread(HANDLE hProcess, void (*fun)()) {
PTHREAD_START_ROUTINE pfnThreadRtn = (PTHREAD_START_ROUTINE) fun;
if (pfnThreadRtn == NULL) return -1;
return CreateRemoteThread(hProcess, NULL, 0, pfnThreadRtn, NULL, 0, NULL);
}
期待下周的新坑列表呢,还有要先完成的 Gekyll
本来之前打算 Rust 试用 libllsm 的,考虑到对于 FreeType 之前的测试失败,抛弃了没有时间情况下这种幼稚的想法(
羽毛的小白板
???
坏耶!GitHub 炸了?
Forwarded from 荔枝木
微软开源 Sketch2Code,可以将 UI 草图转换为 HTML 代码。
Forwarded from iVanilla 自然科学 & 神秘学实验研究部 (iVanille🇩🇪)
我希望有一天,我再也不需要直接跟代码打交道,而是直接告诉 AI 怎么做,然后由 AI 完成编程,并自动测试是否达到我想要的效果,这样我就可以腾出大量时间去做自己喜欢做的其他事情。我相信这一天不会太遥远。
iVanilla 自然科学 & 神秘学实验研究部
我希望有一天,我再也不需要直接跟代码打交道,而是直接告诉 AI 怎么做,然后由 AI 完成编程,并自动测试是否达到我想要的效果,这样我就可以腾出大量时间去做自己喜欢做的其他事情。我相信这一天不会太遥远。
在我看来非常遥远,因为即使有 NLP(自然语言处理)技术,AI 想理解人类的意图还非常困难

目前的人工智能来说,基本就是基于数据统计分析的人工智能(e.g. SynthesizerV 对于开口音位置偏移的猜测、根据图片猜测物体的能力),这些可能对理增强意图理解能力暂时不会有太大用处

举个例子吧,一个简单的 OCR 机器学习应用,可以根据预先识别处理的「点」和「线」「弧」的一些数据,比如拥有几个有 1 个邻居的点、拥有几条线之类的统计分析,得出概率然后选择最大的那个作为识别结果,这就是现在的机器学习

但是,想理解自然语言所要表达的意思,还有文本交互中一些「混着」的数据 可能没有 20 年还不敢说,尤其是中文


比起这个,我更乐意看到更多更好「图形编程」的工具显现

现在的很多应用,基本都可以遵循某些模式而设计,比如一个普通(基于应用框架)的 RESTFul web 应用程序,基本就是检查和 SQL 查询、序列化,又如一门 程序设计语言的解释器,它的表达式语法规则可能和 C 的是类似甚至完全相同的、词法规则也可以在 C 的基础上修改

所谓『机器程序员』如果无法理解你的意图,是无法写出符合需求的程序的,解决这个问题在第一位,其他的语言支持库支持什么的都好说,但它不一定能真正取代人类,除非它完全是人类,拥有人类的理解、学习能力和直觉,这是比较困难的
duangsuse::Echo
在我看来非常遥远,因为即使有 NLP(自然语言处理)技术,AI 想理解人类的意图还非常困难 目前的人工智能来说,基本就是基于数据统计分析的人工智能(e.g. SynthesizerV 对于开口音位置偏移的猜测、根据图片猜测物体的能力),这些可能对理增强意图理解能力暂时不会有太大用处 举个例子吧,一个简单的 OCR 机器学习应用,可以根据预先识别处理的「点」和「线」「弧」的一些数据,比如拥有几个有 1 个邻居的点、拥有几条线之类的统计分析,得出概率然后选择最大的那个作为识别结果,这就是现在的机器学习 …
我看来 NLP 最好也是最直接的应用就是创建 chatbot 了,但做出一个好的 chatbot 很难

现在的 chatbot 基本都是字典机,他们很有趣但也很无聊,因为有些问题总是回答不上来,有些问题只会给你一个答案,非常死板单调,有门专门的 chatbot 语言叫 RiveScript,可以去看看

+ i am *
- I am <formal> too.

他们没有脑子,他们不会思考,他们只是简单的基于字符串匹配而成的机器罢了,每个新功能都得人类为它定义,它才会「学会」这个新技巧

参考 Turling123.com 图灵机器人,它会做加减法,不过就是匹配 ? 加 ? 等于多少 一类的字符流罢了,没有任何新意

即使是微软小冰、Siri 这样大公司出品的 chatbot,也不过是大一点的「功能」字典机罢了

小冰的字典很大,因为是基于整个因特网搜索的回答,Siri 不是永远都能连上服务器的,所以能力非常有限,顶多设计时多加几个有“人情味”的词罢了(比如问 “你今天怎么样” 回 “很不错”)

稍微有点常识的人会提出图灵测试,我这里提出几个难度稍微高一点的图灵测试,比较苛刻但表示了我对机器人的期望,希望 20 年,我 30 岁之前能有这种机器人吧
如果机器人能在文本层面上处理的话就更好了(比如,可以理解你加密给它的数据,理解更多语言),但我不知道只是机器人的话能不能这样

人脑有不知多少亿神经元,可以说即使是超算,也难以做到完全模拟的,但现在我即使作为完全不懂脑科学的人,也知道大脑分许多部分,各自负责完成一些功能,所以机器人想光靠某几种算法完成的话还是不好的,必须有多种预制功能才可以学习理解新东西

从现在开始,无论我说什么,你都得回复 %_%,直到我说“🐸
一句
一句
🐸

做一个算数题吧,现在 a 是 1,b 是 2 + 2,请问,a - b 是多少?

小明有一个苹果,小红有三个苹果,但小红弄丢了一个苹果,请问,现在他们一共有几个苹果?
duangsuse::Echo
我看来 NLP 最好也是最直接的应用就是创建 chatbot 了,但做出一个好的 chatbot 很难 现在的 chatbot 基本都是字典机,他们很有趣但也很无聊,因为有些问题总是回答不上来,有些问题只会给你一个答案,非常死板单调,有门专门的 chatbot 语言叫 RiveScript,可以去看看 + i am * - I am <formal> too. 他们没有脑子,他们不会思考,他们只是简单的基于字符串匹配而成的机器罢了,每个新功能都得人类为它定义,它才会「学会」这个新技巧 参考 Turling123.com…
图灵机器人也不是完全基于字符流匹配,据说还是做了 NLP 的,不过,这也只能算是字典的模式不一样罢了,依然摆脱不了没有思维、没有记忆、无法学习的限制

即便机器人会自己遣词造句、换词、改变句子结构、以特定情感 NLP 处理重构句子让答案不再千篇一律、能通过 NLP 匹配理解很多句式、能利用功能扩展动态生成回复、能通过机器学习找到近似的回复,掩饰自己其实无法理解的回答。
最终他们还是无法理解,实在是不能理解,不能像是个人一样,这是可惜之处了