🎓Security PhD In Progress 🤖 Agent Harness 📷GFX100s & GF45
Joined August 2024
- Tweets4.4K
- Following182
- Followers69
- Likes14.1K
Silas Su retweeted
This has no business being this satisfying
Gue pernah kecewa sama diri sendiri karena merasa belum berhasil mencapai apa2.
Tapi ketika melihat ke belakang, gue baru sadar ternyata gue udah melewati banyak masalah yang dulu gue pikir g akan sanggup gue hadapi.
jadi kuat dan strong itu bukan pilihan tapi kebentuk sendiri karena keadaan.
makanya gue percaya ga ada orang yang lemah di muka bumi ini, karena kita sama2 memiliki kesempatan dan keadaan yang sama.
bedanya cuma di kadar titik juangnya aja.
Silas Su retweeted
读论文其实也是学习AI技巧、获取前沿AI信息的最直接方式之一，但很多人可能都会被难以理解的概念和技术方法所劝退
我找到了一个帮你打通论文这条AI信息渠道的方法，就是利用@aipoch_ai 开源的Open-Science工具辅助进行前沿AI研究（GitHub🔗：github.com/aipoch/open-scien…）
它是一个把读论文、分析数据、运行代码和生成图表放在一起的 AI 研究工作台，支持接入多种不同的模型，也可以利用Codex、Claude的订阅直接接入使用
我实际体验下来发现，这个工具是真的能通过可视化图表，帮助你轻松理解论文里的概念与核心发现，也能让你亲自动手测试，验证自己的想法
视频中，我以Google DeepMind 参与的一篇探讨写作「AI 味」的论文为例，演示了从理解论文到实际应用测试的过程。我按论文中的方法，对比了孙哥的爱情小作文和 ChatGPT 写的同题故事，发现前者的叙事更复杂，后者则更偏向线性叙事，完美符合「AI味」特征
如果你想深入学习 AI，我真心建议定期学习一些高质量的论文研究，而Open-Science绝对是你必备的学习工具
Silas Su retweeted
前字节团队操刀，蒸馏 250 部影史名片，打造 27 万+ 电影分镜索引库，杀入影视行业。这就是专为独立导演和广告人打造的 AI 分镜 Agent —— Story2Board
用大模型做分镜，最让人头大的莫过于两件事：
1. 拿着剧本让 ChatGPT 跑九宫格分镜脚本，看着挺像那么回事，结果一镜换一张脸，三镜换掉整个剧组，人物一致性很难保证。
2. 想微调某一镜给男主来个特写，整个场景的美术风格立刻原地重开，改一张图等于毁掉一整条片子。
Story2Board 没有跟风去卷画质，而是把精力全砸在了影视工业最头疼的上下文连贯性和导演视听语言上。
一、把剧组固定资产锁进独立图层
它在项目里搭了一层 Consistency Layer（一致性锚点）。角色长相、穿搭、标志性道具和场景，全被固化成可复用的对象。后面不管是切全景、特写还是背影，AI 都基于同一套资产底座进行生成，告别「薛定谔的男主角」。
二、带脑子的 AI 副导演，而不是冰冷画图机器
很多人脑子里有故事，但不知道怎么切机位表达情绪。项目后台接入了 250 部影史经典里的 27 万个镜头标注数据。你用大白话描述剧情，它会像专业摄影指导一样反推景别、轴线、仰俯角度以及运镜方式，主动推荐：「这句对白建议用过肩镜头，下一秒再推近景烘托情绪」，把专业运镜逻辑拆解成能挑的选项，顺便帮你把为什么这么运镜的情绪动机讲清楚。真正的边干边学，大幅降低非科班导演的专业视听门槛。
三、打工人最爱的交付形态：带场记数据的 PDF
聊完改完，一键导出的不是一堆散装网图，而是可以打印出来发给摄影师、灯光师的 PDF 分镜表（景别、角度、运镜动作、台词全对齐，且导出功能本身不消耗任何点数）。
更有意思的是它的商业模式和技术实现：
模型调用做成了按需调用，免费层用便宜模型给用户试水，正式交付才调动 Nano Banana Pro / 2，兼顾 4K 细节与快速预览成本。收费上没有搞订阅制的套路，直接按「1 美元 = 100 点」明码标价，纯按需充值，点数永不过期。
我觉得它最大的价值是，允许创作者跳过规整的剧本撰写阶段，拿着零散的想法、分场大纲甚至 TikTok 下载来的短视频前两秒吸睛脚本，就能进行画面推演，上手路径更短平快。
不过也存在一些问题，比如放弃订阅制，确实降低了尝鲜用户的付费门槛，但同时也牺牲了 LTV 和营收可预测性，在商业模式上是减分的。
按需充值意味着只要用户完成了手头的提案或短视频拍摄，就可能陷入长达数月的沉寂期。相较于成熟 SaaS 稳定的 MRR ，这种付费模式对产品获客能力提出了更高要求，一旦推广获客成本上升，回本周期就会被无限拉长。
这可能也是新项目的无奈之举吧！
Silas Su retweeted
OpenAI 战略未来团队的 Dean Ball 公开宣称中国大模型紧咬美国 50% 靠蒸馏，核心佐证却只是一张推特截图，挑出 DeepSeek 和 GPT-6 Astra 思维链里都在省略 to、连写单词数字
把省略介词和数字连写当抄袭依据，忽视了强化学习的基本机制。推理模型只要加上长度惩罚和紧凑奖励，为了压低思考 token 消耗，思维链自然会演化成这种短电报体，这是强化学习奖励收敛的普遍现象。至于诱导提问炸出一句 I'm ChatGPT，早就是公开抓取数据混合合成语料的经典预训练污染，卡卡也发推直言单凭一张图下结论太草率
蒸馏顶多学到表层的输出概率分布。MLA 砍掉的 KV cache 显存占用、DeepSeekMoE 的细粒度专家路由、DualPipe 的双向并行重叠，还有不依赖人类数据的 GRPO 纯强化学习，哪一个能靠调 API 抄出来？这些底层的训练框架与通信优化，全是真金白银在卡上试出来的
身位被逼近时把别人的工程实现一概归结为偷思维链，无非是闭源大厂的叙事防守。但如果连强化学习压 token 的思维压缩都能当成蒸馏铁证，以后训练推理模型，是不是为了避嫌还得在思维链里故意多写废话？
Silas Su retweeted
Yifan 的经验：agent 往一个方向钻 1–2 小时还没结果，基本就是进死胡同了。这时候停掉它，拆出 3 个子 agent 各想一个新方向，多数时候立刻见效。他引的 Claude Code 团队 code review 那篇也是同一个结论：review 得有停止条件，不然两个 agent 能互相忙一整晚。
我给自己的 AI 定的规矩差不多：同一个验收条件修了两次还过不了，就不准接着修，先回头查是不是前提假设错了。
今天就碰上一次：X 排期连挂两次，按规矩不硬试，查日志发现根本没提交，是页面没加载出来，过一会儿再排就过了。
钻牛角尖的时候，换方向比加力气有用。
Silas Su retweeted
Opus 5.5 目前做音乐有如下几个问题
1. 人在演奏乐器或者演唱的时候，为了让听众更加清晰地理解乐句以及情感表达，会按情况将音符偏移节拍前后一小部分。在没有提示词的情况下，Opus 5.5 做不到这一点。
2. 在没有提示词影响的情况下，演奏力度是不会有变化的。这点和第一点加起来，就导致生成的音乐非常机械。
3. 没有音频模态，导致无法直接理解选择的音源，有时候会选中非常廉价的音源。
4. 不知道是不是训练数据的问题，他默认只愿意使用 10 条以下的轨道。
当然也有一些优点
1. 曲子整体的结构非常不错，非常有 musicianship
2. 词和曲可以一起生成，配合程度非常高，在一个 latent space 中进行 reasoning，这是专有音乐生成模型无法做到的
最后我并不觉得我能挑出这些问题说明了什么。我知道只是 Opus 5.5 少了音频这个模态，并且没有在作曲、编曲这个方向训练过而已。
人类还是太渺小了。
27年搞不好各家都暴露CLI，或者有足够用的带CLI的开源实现，反倒不太需要Computer Use了
