注册并分享邀请链接,可获得视频播放与邀请奖励。

与「语言」相关的搜索结果

语言 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 语言 的内容
我发现。已经将近一个月没用 Claude 了,我睡眠质量直线上升,Claude code 用的我提心吊胆,又是改时区,改系统语言,改 家宽 IP,改各种傻逼设定。没吊毛用的网络知识学了一大堆,我都快变嘉豪了,真就像做贼一样的,生怕一大早睡醒邮箱跳出来封号邮件,现在 Codex 驱散了橙色恐怖。虽然给洋人磕头不合适,但我真的高低要给 Tibo 老师 @thsottiaux 磕一个!!!谢谢你!
显示更多
0
54
197
1
转发到社区
这就是为什么多邻国讨厌 ChatGPT。 没人能在 5 年内教会我英语。 ChatGPT 用3个月做到了。 用这 7 个提示词,你可以快速学习任何语言 🧠🌍
0
379
2.6K
481
转发到社区
结构化提示词对文生图的作用 来自字节Seed团队的论文。文字生成图片,单纯增加自然语言描述的长度只能增加冗余字数,不能提升生成质量;但是构建结构化提示词,用json格式来扩展位置、深度、姿态、材质和背景等信息,可以显著提升生图质量。 所以对于用户,让AI写好结构化提示词,再生成图片效果更好;对于后续的模型,大概率也会直接把结构化提示词的功能融合进生图模型里。 论文:
显示更多
0
21
12
1
转发到社区
公司的 SQL 仔和数据分析师要被这个开源神器干失业了!老板直接用自然语言提问,AI 就能自动打通底层数据库生成数据报表,关键是还不会胡乱捏造指标。 这玩意真有人做出来了——GitHub 爆火开源项目 WrenAI,目前已经斩获 16.8k Star,采用 Apache 2.0 协议开源。它是一个专门给 AI Agent 打造的 Generative BI(生成式商业智能)引擎。简单来说,它在你的数据库和 AI 之间塞了一层“业务语义理解”,不管是 PostgreSQL、ClickHouse、Snowflake 还是 BigQuery,连上就能直接让人话变成准到离谱的 SQL 和可视化图表。 🔥 核心卖点: • 通吃 20+ 种主流数据库:大小数据库一键打通,不挑食 • 独家业务上下文层:AI 不再瞎猜表结构,查询零幻觉 • 自动出可视化图表:说句人话直接生成漂亮仪表盘 • 无缝对接 AI Agent:跟 Claude Code、Cursor 秒无缝集成 • 完全开源可私有化:敏感数据不外流,本地部署超省心 🔗 传送门:
显示更多
0
10
377
94
转发到社区
12) Excel 现在有 AI 了。 自动数据分析、自然语言查询,完全改变了我用表格的方式。
我理解,这轮中国加强境外信托征税,极度利好香港,估计房价还要涨。其次利好新加坡和迪拜。 未来中国富人单纯把钱和信托放到境外已经不够,真正有税务意义的是把“人”和税务居民身份一起迁出去。 而香港恰好是中国高净值人群最容易完成这种迁移的地方:距离近、语言文化相通、商业往来方便,又有成熟的银行、券商、家族办公室和信托体系。 同时香港本身没有资本利得税、股息税负较低,并与内地有避免双重征税安排。 中国越强调对居民个人全球收入和境外信托穿透征税,香港作为“离中国最近的低税国际财富中心”的价值反而越高。
显示更多
0
52
113
9
转发到社区
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。
显示更多
数据库领域有一篇经典的博文叫 MapReduce: A major step backwards,核心观点在于索引、查询优化和数据库管理是有用的,今天丢掉未来还是要捡回来,事实也是如此。 编译器也类似。直接生成二进制,token 成本首先就成问题,其次写代码不只是为了得到二进制,更是多年来对业务建模的一套模式语言。
显示更多
底层看稀缺,顶层看客户!看到 @chamath 分享的这张 AI Stack,感觉这个架构划分和 Rewire Index 5 Layer 相当类似,分享一下我对每一层的理解: 1. 能源与基础设施层(最底层) 与 Rewired Index 的逻辑一致。电力会迎来爆发式增长,尤其是无需接入电网的独立供电商(IPP);而土地受政策影响太大,弹性有限。在大众的舆论压力之下,太空基建应该会是未来几年的新机会,无需土地,无限电力⚡️ 2. 芯片层 做独立芯片,初创公司基本没有机会:性能要求极高、工艺极其复杂,最关键的是供应链已被完全锁死——这是头部玩家的战场。 真正的机会在融合与生态。从 Google TPU 的发展路径,到 Cerebras 等高速推理芯片的崛起,可以看出芯片会与云厂商、模型公司深度绑定。围绕芯片构建数据中心的整体供应与创新,机会很多;单做独立芯片,机会渺茫。 3. 云服务层 云可以分为 Hyperscaler 和 NeoCloud两类。模型商品化之后,几乎所有的负载都要靠云来承载,这会是非常赚钱的生意。但构建极其复杂,堪称 AI 时代的重资产业务——或者说,智能时代的房地产。 4. 模型层 模型公司面临的核心问题是正在被商品化: - 如果 Scaling Law 已到极限,模型百分之百会被商品化; - 即使 Scaling Law 还有很大空间,大家对「最好智能」的需求也在被分解——大量日常应用不需要最顶级的智能,中等水平模型和开源模型会逐渐接管这些需求,反而加速了商品化; - 最尖端的头部模型公司,更像是「先进制程」的芯片:能从中获取很高的价值,但并非所有任务都需要它。 5. 应用层:Harness vs Application 这张图最有趣的地方,是把应用层拆成了 Harness 和 Application 两层。 我的判断是:按目前模型的进化速度,Application 还没有任何机会,但 Harness 的机会已经大量出现,尤其在企业端。企业内化的知识只能通过 Context 和约束来落地,所以 Harness 就是新的企业应用层;它们会替代旧的 SaaS,或倒逼旧 SaaS 升级。 如果把 AI 扩展到大语言模型之外的更广义范畴,应用层更可能以垂直集成的形态出现,例如:自动驾驶 / RoboTaxi / 任何可端到端自动化工业流程和武器系统;生物研究 / Wet Labs;把执行能力直接部署进企业内部的模式(类似 Palantir 的服务方式)
显示更多
从五号电池版Magic Mouse升级到内置锂电池版Magic Mouse,实际上是降级。 2015年苹果发布了新款Magic Mouse,抛弃了五号电池,改用内置锂电池,美其名曰环保升级,告别一次性电池。 听起来很美好对吧?然后他们把充电口放在了鼠标底面,这意味着当你的鼠标没电时,你不能边充边用。 你必须把它翻过来,肚皮朝天,插上充电线,像个傻子一样干等。少则十几分钟,多则半小时。 这段时间你什么都干不了,只能盯着屏幕发呆。 以前用五号电池的时候呢?两节南孚,两块钱,三十秒换好,满血复活。 出门忘带电池?楼下便利店随手买,现在呢?忘带充电线你就原地去世,带了线也得原地罚站。 苹果的理由是美观,说充电口放在侧面破坏设计语言。 我掏钱是为了好看还是为了好用?你为了那一点设计洁癖,让几百万用户每隔一两周就集体面壁思过。 这种傲慢到极点的设计,属于乔布斯走后苹果最经典的我知道你需要什么,你闭嘴的产物。 这玩意儿被果粉洗地快十年了,我今天就要说它是史上最反人类的"升级"。 你手上有没有那种用起来越改越别扭的产品?说出来让我知道不是一个人。 @RallyOnChain
显示更多