与「原理」相关的搜索结果

逛 HN 的时候，看到了这一篇挺有价值的帖子，作者从 5 万多个书签里，整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前，大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程，AI 时代来临以后，还有人会做同样的事吗？ HN 原帖： 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU 用游戏学习 Git 分支 用游戏学习 CSS Grid SQL 侦探游戏 另一个 SQL 解谜游戏 从零组装一个神经网络 机器人实时 3D 仿真 🧠 AI / 机器学习 交互式理解 Transformer 可视化理解 K-means 聚类 视觉 Transformer 图解 机器学习可视化入门 线性回归、逻辑回归与神经网络 神经网络的前向传播与反向传播 FAISS 向量检索原理 💻 编程 / 计算机基础 算法可视化 从零实现 React 从零“造”一块 NVIDIA GPU 一次请求如何从浏览器到达服务器 网络七层模型 限流算法 椭圆曲线密码学 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 用 Rust 和 Bevy 搭建 3D 编辑器 Vulkan 图形管线 碰撞检测、着色器、渲染与剔除 📐 数学 / 物理 交互式概率论 线性代数与向量 引力如何工作 ⚙️ 工程 / 硬件 内燃机工作原理 芯片制造流程

《医生不如GPT的脚后跟》 经过1个月的治疗，傻哥的胃胀已经彻底缓解 早上去医院复查，问彻底治愈的概率 医生已经年纪很大，说每个人差异不同 我不得不打断医生：我问的是群体概率 医生还是东拉西扯，说胃动力的原理 我不得不再次打断医生：问是否有医学上治愈的概率统计 最后医生无奈承认，自己不知道 走出门诊，傻哥随手问了下GPT 直接给出了国际上的医疗统计样本：50-60%的根治率 并且，结合我自身肠胃镜的结果 进一步给出了79-90%治愈率 傻哥真是无奈啊 感觉医生连GPT的脚后跟都摸不到 要不是为了开检查，根本不需要医生 那什么样的人需要医生呢？ 门口突然来了个老大爷 说自己身体不舒服？ 医生问：哪里不舒服 老大爷说不清，说不知道，总之就是不舒服，说不清部位 这样的人需要医生一步步引导啊

分享下最近低价 GPT Codex 的来源(源头) 最近泛滥就是因为这个源头下场卖货然后一堆倒卖的 plus7 元 plus 6 元 5x 95 元 20x 160 元（这家 Plus 掉订阅比较多） xin 渠道散客买不到太低价格 代理 Plus 8 元左右 chong 这个渠道不是源头，也是流传最久的渠道 价格散卖 5x 110 元 20x160 左右 @gptnocard_bot tg 机器人 20x 大概 60 元左右 plus 零成本（机器人队列比较慢）被大家论坛熟知就是这个 bot 下场送 20x. 申明：上面链接与我无任何利益相关。 现在外面任何 Gpt 代充都是这个原理，别相信官方代充 ios 代充。这个方法已经从去年 12 月份流传至今了。可以说从去年 12 月份开始你们在外面找的代充都是这个渠道，都是狠狠赚了你们一笔，别不信。 原贴:

tradfi meets memefi！ 今天来分解一下这句话的含义，我逐渐明白了一些问题:这句话带来的颠覆性到底有多强？ memefi是币安现在的主线任务，传统金融结合memefi，深层次的东西可能我无法理解，但以用户的角度出发透过表现去看就是 $Marscoin 从做完币安华语发公告给分红以后就更清晰了！ 1.长期持有marscoin可分红股票 2.长期分红利于长期持有 3.长期持有可拿长期分红 4.长期分红可持续买入memefi 5.长期分红甚至有可能拉盘该股票 在达到一定的体积（市值➕交易量）面前不是完全没有可能实现 $spcxb 买入＝持有＝分红＝买入 这完全就是一个良性循环！ 不得不佩服币安团队的智慧 @heyibinance 一姐需要给加鸡腿了 再说一点关于 $rtx 的局面: 币安已经上线flap的一个alpha了，以用户角度看未来某个时间一定会支持four的社区股票底池的meme代币，而rtx又是four第一个英伟达池子的股票代币，完全社区自发组织，想象一下刚才的这个循环🔄模型原理，我认为如果一个meme的影响力撼动了英伟达的股票市值的话这将会是一个世界性的话题！ 加上黄仁勋的关注列表里有一位正在建设英伟达底池的rtx，可能在无形中也会给fourmeme会增加一些热度！ 马斯克说:谁掌握了meme谁就掌握了世界！看我们多久可以在binance实现！ tradfi meets memefi做的不是一个传统的meme，而是一个崭新的memefi，让我们一起在bnbchain见证奇迹！

我对 UI 的第一性原理理解是 UI = view + reactivity 这里 view 就是 JSX，它把视图结构变成了语言中的一等公民表达式。而 reactivity 和 view 是完全解耦的，所以你保留 react 的 JSX 结构，但写业务逻辑的方式换成 vue solid 之类的框架建模，是完全没有关系的。

爆肝制作，全网最细最全的Github零基础系统教程！👇👇 1⃣基础：什么是Github 2⃣基础：找到Github好资源和开源软件的4个方法 3⃣基础：详解界面、stars、fork、watch 这些基本概念 4⃣进阶：搞清楚 GitHub 的工作原理 5⃣进阶：7 种常见的开源许可证和各自区别 6⃣实操：4 种使用 GitHub 项目的方式及用途 7⃣实操：一起手把手创建并且开源你的第一个项目 全程假设你完全没有任何编程的基础， 跟到最后成为玩转github的专家！ 全程精剪没有废话，每一个点都讲透+实操！ 章节划分： 00:43 什么是github 03:21 找到Github资源的4个方法 06:58 界面与基本概念详解 11:38 github基本工作原理：branches，tags 16:17 readme与7种常见的licence 21:26 4种下载使用github项目的方式 27:44 开源你的第一个项目 36:54 结尾

前OpenAI的Andrej Karpathy搞了个疯狂的项目 用1000块美金训练出来的ChatGPT，代码少到不行，核心逻辑全看得懂 从预训练、微调到强化学习，整个LLM开发流程浓缩在几个Python文件里 最绝的是，你真的能花几万块自己从零训练一个能聊天的模型，还能执行代码 不像其他项目一堆黑箱设定，这个能让你完全搞清楚大模型怎么跑的 想理解AI原理的话，现在没比这更好的教材了👇

摸索出一个在 codex 里做连续任务节省大量 token 消耗且不损失上下文质量的极简方法。。。 一共就两步： 第一步，在一项任务完成后用以下提示词： 请针对 [任务描述] 给我一个 handoff，用于后续任务开发 第二步，开新对话 session，把生成的 handoff 作为第一条信息发给 AI，开始做后续任务即可 它的省 token 原理很简单，就相当于对之前任务的上下文窗口做了一次有针对性的极限摘要提取和压缩梳理，扔掉了上下文中类似原始代码/日志记录等冗余信息，只保留最核心的推理逻辑和项目任务理解，所以 AI 就可以轻装上阵快速进入下一项任务的开发了。。。

华为云全球性故障，持续接近五个小时，高度疑似计划升级 IAM 导致。草台班子原理诚不欺我，上一次 IAM 故障带翻全球服务的还是阿里云。写了篇文章，简单聊了下。