与「知识」相关的搜索结果

很多人翻墙之后，只会刷推特 其实真正的信息差，藏在海外这些网站里。 下面这 10 个地方，建议全部收藏。每天花半小时逛一圈，信息获取能力可能超过身边 90% 的人！ 1、Reddit 互联网最大的兴趣社区之一。AI、投资、编程、创业、科技，几乎任何领域都有专属 Subreddit。真人经验、深度讨论、行业内幕，挖宝圣地！ 2、GitHub 全球最大的开源代码社区之一。AI Agent、LLM、大模型、自动化工具、开发框架，想找宝藏开源项目，这里简直挖不完！ 3、Hacker News 硅谷程序员的情报站。AI、开源项目、技术趋势、创业故事，每天都有高质量讨论，技术信息密度爆表！ 4、Product Hunt AI 工具和 SaaS 产品的发射场。每天都有新产品上线，很多爆火的 AI 项目都能在这里提前发现。 5、LinkedIn 千万别只把它当招聘网站。全球 CEO、投资人、创业者、科技公司高管都在这里分享一手行业动态。 6、Telegram 海外信息集散中心。AI、加密货币、投资、开源工具，各种频道和社群层出不穷，不少一手消息传播速度非常快。 7、Threads Meta 旗下社交平台。海外创作者、开发者、创业者聚集地，氛围比 X 更轻松，经常能看到有意思的新观点。 8、Discord 海外互联网社区的大本营。AI 项目、Web3、游戏、开发者社区都喜欢在这里建群，很多项目的核心讨论和早期动态都在 Discord。 9、Medium 海外技术和商业长文聚集地。AI 技术教程、创业复盘、投资思考、产品分析，适合系统性补充知识。 10、Substack 独立作者和行业专家的内容订阅平台。大量投资人、科技创业者、研究员在这里发布深度报告，有些内容比新闻媒体更有洞察力。 最后说一句： 不要把翻墙后的互联网，只当成一个刷 X 的娱乐工具。 Reddit 找讨论，GitHub 挖项目，Hacker News 看趋势，Product Hunt 找工具，Substack 追踪大佬观点。 这才是打开海外互联网的正确姿势！ 建议收藏，也转发给还在只会刷 X 的朋友。 你还有哪些值得推荐的海外网站？评论区补充！

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

一篇论文了解决策模型的训练《Towards Foundation Decision Models: Drex》 决策模型在很多场景比如分类、路由等任务上很有用，没有当时 Jev 刚出来吹的那么神，但是可以落地应用。 和传统的 BERT 比起来就是用 LLM 做backbone，知识容量和能力大幅提升。

一篇论文了解决策模型的训练《Towards Foundation Decision Models: Drex》 决策模型在很多场景比如分类、路由等任务上很有用，没有当时 Jev 刚出来吹的那么神，但是可以落地应用。 和传统的 BERT 比起来就是用 LLM 做backbone，知识容量和能力大幅提升。 话说这个论文的插图，我很怀疑是gpt生成的。

窝趣！Obsidian 的 CEO 把自己用的知识库模板放到 GitHub 上了。 想用 Obsidian 搭建个人知识库，但不知道怎么分类、怎么组织笔记的朋友，可以先看看他的模板。 除了知识库模板，Obsidian 官方和 CEO Steph Ango（kepano）还分享了几个相关项目，我整理了 7 个： 1、40 Questions：年度复盘问题 kepano 整理的一份问题清单，用来回顾自己过去一年或一个阶段的生活。 不知道年度复盘从哪里开始的朋友，可以挑几个问题，结合自己的日记和笔记来回答。 2、Minimal：Obsidian 主题 一个简洁、可自定义的 Obsidian 主题。喜欢干净一点的笔记界面，可以在 Obsidian 的主题市场里搜索 Minimal。 3、obsidian-sample-plugin：官方插件模板 如果你用 Obsidian 的时候，发现现有插件满足不了自己的需求，可以拿这个官方模板作为起点，尝试开发一个自己的插件。 也可以把仓库交给 Codex，让它先帮你解释项目结构和开发步骤。 4、kepano-obsidian：个人知识库模板 Obsidian 的 CEO 把自己使用的 Vault 模板放到了 GitHub 上。里面展示了他组织笔记和资料的方式，可以下载下来研究，再根据自己的需求修改。 注意，这是公开的模板，不是他完整的私人知识库。 5、Flexoki：写作和编程配色 kepano 为写作和代码设计的一套配色。如果你想调整 Obsidian、编辑器或者自己网站的颜色，可以参考这套方案。 6、obsidian-releases：插件和主题目录 这里维护了 Obsidian 的社区插件目录、主题目录和公开版本信息。 想找插件、研究社区都有哪些工具，可以从这里入手。仓库本身不包含 Obsidian 的源代码。 7、JSON Canvas：开放式画布格式 Obsidian 的 Canvas 可以用来把笔记、图片和想法放到一张画布上。 JSON Canvas 是用于保存这些画布数据的开放文件格式。对想研究画布工具，或者希望了解画布数据怎么存储的朋友，可以看看这个项目。 如果你是刚开始用 Obsidian，我建议先看知识库模板和 Minimal 主题：先把笔记写起来，用一段时间之后，再根据自己的需求调整分类和插件。

大家都知道LLM，那SLM呢？ 小语言模型的三种主流构建方法 1. 知识蒸馏（Knowledge Distillation） 基于“教师-学生”框架迁移大模型能力， 代表模型有 DistilGPT、TinyLLaMA。 2. 从头轻量化训练（Training from Scratch） 设计轻量架构并在中等规模语料上独立训练， 代表模型有 MiniBERT、ALBERT. 3. 模型压缩技术（Model Compression） 在现有架构上通过剪枝、量化 或低秩分解缩减体积并保留性能

大厂的AI商战真是朴实无华，就是猛猛砸钱找专家，猛猛做数据标注。。。字节的Xpert，10月份有一个人领了18万。。。 AI时代，只要你有任何特长，只靠贡献自己的知识和努力，也能活得很滋润： ⓵专业问答与评测 -专业领域问答（医疗、法律、金融、STEM等） -模型回复打分与对比评测 -Benchmark出题与标准答案设计 ⓶聊天 / 对话相关 -多轮对话评估：对模型在聊天中的回复打分、排序、指出问题（准确性、自然度、逻辑、人设一致性等） -对话生成 / 改写：写或优化多轮对话数据，用于训练聊天机器人 -偏好排序（RLHF）：同一问题给出多个回复，选出更好的那个并写理由 -角色扮演 / 人设对话：按指定角色（医生、律师、客服、特定性格等）进行对话评测或数据生产 -对话纠错：找出聊天回复中的事实错误、逻辑漏洞、不当内容 ⓷内容生产类 -高质量专业内容撰写（案例库、知识库、语料） -复杂指令设计（多约束、高难度Prompt） -参考答案撰写 -专业内容改写与优化 ⓸代码 / 技术类 -代码生成评估 -Agentic Coding / 长程任务评测 -Bug查找与代码审查 -编程题出题与判题标准制定 ⓹语音 / 多模态类 -方言语音采集与标注 -语音转写质检 -视频/3D/动捕数据相关 -多模态内容评估 ⓺审核与质检类 -模型输出合规性审核（医疗、法律、金融强合规场景） -知识准确性审核 -已有标注数据的二次质检 ⓻其他 -访谈类任务 -数据采集（按脚本录制真实场景） -创意内容评估（影视、文学、设计美学等） 上面这些任务，简单到只要愿意花时间聊天，时薪也在三位数。更专业一些的比如生物、法律、金融、制造，就更加赚钱了。 可以参与的平台： 1、腾讯旗下的ExpertHub： 2、字节旗下的Xpert： 3、阿里的晓天睿士：

开放社会及其敌人。 我站在自由自治自主这边。 自由的知识、 开放的探究， 以及任何小圈子精英无权决定我们其他人能知道什么的理念。 打破婆罗门社会，他们曾在历史的长河里，自东汉至晚唐的上千年间，以耕读传家的伪善之名，垄断知识、权力、财富，奴役百家姓。 今天在美国这个现代文明国家，却有Anthropic这样的公司，试图垄断AI，而他们的大模型是积聚了人类十几万年的知识积累。 他们试图垄断诠释知识的大门，从东汉穿越到西方，再次奴役大众。