flyingchow retweeted
今天是国庆。
从历史看,我们的"国"与西方的国不同。它凝聚的,是一个民族的文明与血脉。
尤其在这个平台上,大家对政治、对体制争议颇多,见仁见智,人人皆有主张。
不过,作为中国人,勿忘:中国若不强大,华人在海外无论做得多好,也永远站不住腰板。皮之不存,毛将焉附。
就连在海外反对中国的同胞,能得到西方那么多支持与同情,也是因为中国强。
我个人向往世界以人类为本,但那恐怕是百年、千年之后的事了。眼下,我们不得已,只能以国为单位。
无论政治立场如何,身在海峡哪边,心底里,还是为中国的昌盛祈愿吧。
flyingchow retweeted
这个项目我觉得是历史爱好者最容易低估的一套“史记导航系统”。
有人用 AI 把《史记》约 57.7 万字,拆成了一张可以点击、搜索、跳转的知识图谱。
里面有 1.4 万+实体、3200+历史事件、7000+事件关系、130条“地铁图式”时间线、2万+ Wiki 页面。
最值钱的不是数据多,而是你点开一个人,就能顺着 人物 → 事件 → 地点 → 时间 → 原文 一路挖下去。
以前读《史记》最痛苦的是:人物太多、篇章太散、时间容易乱。这个项目直接把两千多年前的史书,做成了一张能点进去翻的关系网。
尤其推荐它的“史记地铁图”,每篇像一条线路,事件像站点,查“谁和谁同时在干什么”特别直观。
在线版:
shiji.memify.wiki/
GitHub:
github.com/baojie/shiji-kb
喜欢《史记》、历史研究、知识图谱的人,这个真的值得收藏。
flyingchow retweeted
最近 OpenAI 采用了一种软性风控策略:如果判断账号 GPT 被作为中转使用,则会对账号进行降智
不少跑并发的正常用户反馈自己的账号被降智了
判断是否降智的方法,主流的有两种:
1、考察绘图能力,使用 GPT 6 Astra medium 发送以下提示词,如果绘图不正常则为降智:
创建一个HTML,内容是SVG绘制一个鹈鹕骑自行车的2D动画,你不需要任何测试
2、考察逻辑能力,使用 GPT 6 Astra medium 发送以下提示词,如果答案不是 21 则为降智:
在一个黑色的袋子里放有三种口味的糖果,每种糖果有两种不同的形状(圆形和五角星形,不同的形状靠手感可以分辨)。现已知不同口味的糖和不同形状的数量统计如下表。参赛者需要在活动前决定摸出的糖果数目,那么,最少取出多少个糖果才能保证手中同时拥有不同形状的苹果味和桃子味的糖?(同时手中有圆形苹果味匹配五角星桃子味糖果,或者有圆形桃子味匹配五角星苹果味糖果都满足要求)
苹果味 桃子味 西瓜味
圆形 7 9 8
五角星形 7 6 4
妈耶,这道逻辑题说实话我也不会😂
另外我把鹈鹕测试结果贴出来了,不降智和降智的区别还是很明显的
flyingchow retweeted
兄弟们,早上刷 GitHub 给我刷麻了。
榜首挂着个叫 WiFi-DensePose 的开源项目,点进去看完我人愣了三秒。
它说啥呢——光靠 WiFi 信号,就能把你人在屋里的动作姿势给还原出来。不用摄像头、不用传感器、不用任何特殊硬件。
我第一反应:吹的吧?结果往下翻,真有人跑出 demo 了,那骨架还原得还挺像那么回事。
最离谱的是这玩意儿理论上能隔墙感知。意思就是你搁客厅躺着玩手机,门外的人拿台设备就能知道你人形轮廓在哪、手在干嘛。
我靠,这要是真落地,住酒店和出租屋的兄弟们晚上睡觉怕是要先把 WiFi 关了。
源码在这,想验证的自己扒:github.com/ruvnet/wifi-dense…
反正我是睡不着了。
flyingchow retweeted
'1H NMR-Based Framework for Estimating Molecular Formation Enthalpies of Organic Compounds' from The Journal of Organic Chemistry is an open access #ACSEditorsChoice.
📖 Read the article: go.acs.org/eE8
我终于发现了解决gpt 5.6过度工程化的方法
感觉最近5.6 sol干活很容易走火入魔,方案设计又臭又长,代码审核了几轮还能找出2-3个新bug
看到很多人推荐ponytail这个skill,专门针对AI过度设计问题,让其寻找最高效的解决方案
想避免gpt把你的项目变成代码屎山的,可以去试试看效果
项目地址:github.com/DietrichGebert/po…
送给大家的七夕礼物:《深入理解 AI Agent》开源书发布 2.0 版了!最近一周修订了大量内容:
1. 把第四章中的异步和第九章的多模态重组为第六章,交互:观察和动作空间的扩展。原有第六至八章顺延,实验也重新编号了。
2. 加入了包括 DeepSeek Harness、Anthropic 最新研究在内的新实战案例。
3. 评估、后训练、agent 持续进化章节用根据线上 bad case 自动调优 agent 的例子来贯穿。
4. 后训练补充 mid-train、数据构造和模型蒸馏的内容。
5. 修正了大量不准确的表述,改进了中文表达。
感谢社区增加了希伯来语翻译。
github.com/bojieli/ai-agent-…




















