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
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 🙈
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
汇编器使用
代码诸如这样
foo.kasm
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
作用域只存在于
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
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
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
GitHub
GitHub - mabe02/lanterna: Java library for creating text-based GUIs
Java library for creating text-based GUIs. Contribute to mabe02/lanterna development by creating an account on GitHub.
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);
}
duangsuse::Echo
#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…
(duangsuse 是不会 MSVC 的
根据 《有趣的二进制》 示例抄袭而成(
根据 《有趣的二进制》 示例抄袭而成(
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(
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(
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
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
参考 Turling123.com 图灵机器人,它会做加减法,不过就是匹配
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
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 *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
- I am <formal> too.
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
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