与「C_real」相关的搜索结果

In 2019, OpenAI announced GPT-2 with this post: Today (~5 years later) you can train your own for ~$672, running on one 8XH100 GPU node for 24 hours. Our latest llm.c post gives the walkthrough in some detail: Incredibly, the costs have come down dramatically over the last 5 years due to improvements in compute hardware (H100 GPUs), software (CUDA, cuBLAS, cuDNN, FlashAttention) and data quality (e.g. the FineWeb-Edu dataset). For this exercise, the algorithm was kept fixed and follows the GPT-2/3 papers. Because llm.c is a direct implementation of GPT training in C/CUDA, the requirements are minimal - there is no need for conda environments, Python interpreters, pip installs, etc. You spin up a cloud GPU node (e.g. on Lambda), optionally install NVIDIA cuDNN, NCCL/MPI, download the .bin data shards, compile and run, and you're stepping in minutes. You then wait 24 hours and enjoy samples about English-speaking Unicorns in the Andes. For me, this is a very nice checkpoint to get to because the entire llm.c project started with me thinking about reproducing GPT-2 for an educational video, getting stuck with some PyTorch things, then rage quitting to just write the whole thing from scratch in C/CUDA. That set me on a longer journey than I anticipated, but it was quite fun, I learned more CUDA, I made friends along the way, and llm.c is really nice now. It's ~5,000 lines of code, it compiles and steps very fast so there is very little waiting around, it has constant memory footprint, it trains in mixed precision, distributed across multi-node with NNCL, it is bitwise deterministic, and hovers around ~50% MFU. So it's quite cute. llm.c couldn't have gotten here without a great group of devs who assembled from the internet, and helped get things to this point, especially ademeure, ngc92, @gordic_aleksa, and rosslwheeler. And thank you to @LambdaAPI for the GPU cycles support. There's still a lot of work left to do. I'm still not 100% happy with the current runs - the evals should be better, the training should be more stable especially at larger model sizes for longer runs. There's a lot of interesting new directions too: fp8 (imminent!), inference, finetuning, multimodal (VQVAE etc.), more modern architectures (Llama/Gemma). The goal of llm.c remains to have a simple, minimal, clean training stack for a full-featured LLM agent, in direct C/CUDA, and companion educational materials to bring many people up to speed in this awesome field. Eye candy: my much longer 400B token GPT-2 run (up from 33B tokens), which went great until 330B (reaching 61% HellaSwag, way above GPT-2 and GPT-3 of this size) and then exploded shortly after this plot, which I am looking into now :)

今天 GitHub 被逆向 Agent 彻底刷屏了！ 5 个星标暴增、真正能落地的硬核项目，专业拆解下： 1. diegosouzapw/OmniRoute 
免费 MIT AI 网关：一个 endpoint 通吃 290+ 供应商（90+ 免费额度）、500+ 模型，配额感知自动 fallback + 强压缩，直接兼容 Claude Code / Cursor / OpenCode / Cline。 
🔗 直达： 
以前切模型像换 VPN，现在一个 endpoint 通吃，token 成本直接腰斩。网关赛道新王！ 2. Optim-Agent/optim-agent 
把 LLM Agent 变成超参数优化器，自动帮你调模型、调工作流、调 prompt。 
🔗 直达： 
以前调参靠玄学，现在 Agent 自己跑实验、自己收敛。MLOps + Agent 的完美交叉点！ 3. zhaoxuya520/reverse-skill 
AI 逆向 / 渗透 / 安全研究技能路由包。自动路由方法论 + 按需自举工具链 + 自进化知识库，原生支持 Claude Code、Cursor、Cline 等一众 Agent。 
🔗 直达： 
以前安全研究像手动堆工具箱，现在 Agent 自己挑刀、自己进化经验库。硬核到爆！ 4. huggingface/speech-to-speech
本地语音 Agent 管道（VAD → STT → LLM → TTS），OpenAI Realtime 兼容，组件全可换，支持实时打断与工具调用。 
🔗 直达： 
真正能本地跑起来的实时语音对话 Agent，隐私和延迟双赢，开源玩家狂喜！ 5. lyogavin/airllm 
单卡 4GB 就能跑 70B（甚至更大），层式加载，无需量化蒸馏。支持 Llama / Qwen / DeepSeek 等主流模型。 
🔗 直达： 
显卡乞丐也能养起大模型 Agent 的神器，本地推理直接起飞！ // 总结 2026 年的风口已经从“会聊天的模型”全面转向“能干活、能进化、能本地落地的 Agent 基建”。谁先把这些玩透，谁就站在下一波生产力 C 位。

❤️ Elon Musk just sent you this message: “I love you.” 👀 What’s your first reaction? 🤔 A. “Is this real?” 😳 B. “I love you too” ❤️ C. “What does he want?” 🧠 D. Screenshot instantly 📸 👇 Be honest 🔥

On vous a appris qu'Henri VIII a créé sa propre religion par amour, juste pour pouvoir divorcer. C'est l'un des plus beaux écrans de fumée de l'Histoire. La vérité ? Il a inventé l'anglicanisme pour réaliser le plus grand braquage immobilier de son époque. Angleterre, années 1530. Henri VIII est au bord de la faillite. Ses guerres ont ruiné la Couronne et les caisses de l'État sont désespérément vides. Mais le roi regarde autour de lui et fait les comptes. Il y a une institution infiniment plus riche que lui : l'Église catholique. À elle seule, elle possède près de 25 % des terres du pays, des monastères débordant d'or et encaisse des impôts colossaux. Le problème ? Cette richesse est intouchable. Elle est sous la protection de Rome. C'est là qu'intervient le coup de génie cynique d'Henri VIII. Son désir de divorcer de Catherine d'Aragon lui fournit l'alibi parfait. Le Pape refuse d'annuler le mariage ? Très bien. Henri VIII ne se contente pas de faire sécession. Il crée sa propre religion et s'autoproclame chef suprême de l'Église. Son objectif n'est pas théologique. Il est purement financier. Dès qu'il détient le monopole de la loi et de la foi, il lance la phase 2 : la dissolution des monastères (1536). Sous le noble prétexte de lutter contre la corruption des moines, il fait fermer toutes les abbayes d'Angleterre. En quelques années, l'État exproprie légalement un quart du territoire national. Les richesses des églises sont confisquées pour remplir les coffres du roi. Et pour s'assurer que personne ne conteste ce hold-up, Henri VIII brade immédiatement ces terres confisquées à la noblesse anglaise. En les rendant complices et riches, il achète leur loyauté absolue à sa nouvelle religion. Le tour de passe-passe est magistral. L'anglicanisme n'est pas né d'une simple crise matrimoniale. C'est un montage juridique inventé par un État ruiné pour exproprier un concurrent et s'accaparer ses actifs. La leçon est toujours la même : quand un État souverain est au bord de la faillite, il est prêt à réécrire les lois du ciel pour pouvoir piller la terre.

The upcoming wave of SpaceXAI Grok updates is insane Grok 4.5: The 1.5T foundation model is being refined almost daily, and its context window is expected to jump to 1M tokens, possibly as soon as next week Next model: The 2T foundation model is expected to finish training this month and become available to customers next month Grok Build: The harness is getting refinements almost every day based on user feedback. New features, fixes, and workflow improvements are landing at ridiculous speed Inference: SpaceXAI is working on internally developed C/C++ inference mapped directly to GB300 hardware, which could double speed or more Agentic Imagine: Grok will be able to call Imagine as a tool in agentic mode for image and video generation That is going to be huge for game developers, designers, builders, and anyone creating interactive worlds But the biggest thing is this: Grok is being built for real-world engineering Grok 4.5 early beta access was given to Tesla and SpaceX engineers, with feedback coming from real engineering teams solving real-world problems Next month’s release is expected to be another massive step-change improvement as SpaceXAI closes the loop on real-world engineering problems at Tesla, SpaceX, Neuralink, and Boring Company And from now through the end of 2026, Elon said a new from-scratch foundation model is expected to ship every month

AI很强，但是计算机新人还是要多积累知识的，这样才能解决复杂问题 重新发一下我过去推荐的计算机基础书籍吧 我自己的读书习惯，特别是学习计算机，喜欢读哪些写的通俗易懂的书，学到代码后面为什么这么做的原因，只有学习到之其所以然才能在以后用到的时候融会贯通。 推荐书单 Python: Python 核心编程 系统学习 Python，这一本书足矣，把 Python 的每个细节都讲的很透，每个例子都非常实用。 我学习完这一本书以后，再看任何 Python 库的时候都是翻翻 API 手册， Google 一下就可以快速学会任何 Python 库的用法，并融入到自己的项目中。 C++: C++完全参考手册 我高三看的一本书，2000 多页，大部头，全英文，但是写的非常好。 这也是我唯一看过的一本 C++的书，只要会这些语法，找个 C++项目， 比如 Qt/C++写一个项目，几乎就知道 C++怎么玩了。 其实 C++还是非常方便的，虽然没有 Python 简洁，但是表现力和库生态都太强大， 不用担心性能问题，大多数讨厌 C++的人， 其实是恐惧自己学不好 C++, 放下恐惧，C++其实很容易学习。 Java: Java 编程思想 这本书是在书店读完的，写的很不错，但是当时还在读高二，所以已经记不清当初的读后感了， 模糊印象就是一本写的非常通俗易懂的书，讲的非常细节。 Haskell 1 : Real World Haskell 十年前，haskell IRC 频道，大多数 Haskeller(科学家，数学家）还在迷恋 Haskell 的数学之美的时候， GHC 黑客 Dons Stewart 写的这本 Real World Haskell 系统型的讲解了 Haskell 应用的各个领域， 从基本语法、函数式编程、科学计算到图形编程等，讲的一针见血， 而且非常薄，学习玩了就可以流畅写程序了。 当然进阶的知识还是要去 haskell IRC 频道请教数学家们，哈哈哈。 Haskell 2: Learn You a Haskell for Great Good! 好朋友写的 Haskell 入门书籍，大爱这种又会计算机又会画漫画的艺术家了， 把一个严谨的数学基因的编程语言讲的诙谐幽默 Elisp: GNU Emacs Lisp Reference Manual 十多年前，我用 Emacs, 对 Elisp 半毛钱不懂，天天就在 EmacsWiki 抄各种配置， 就像一个拾荒者，每天早上起来逛 EmacsWiki, 偶尔碰到高级 Elisp 技巧就把我折腾死了， 然后对着 Emacs 破口大骂。 为了不瞎折腾，我花了一个月的时间读完这本大部头，遇到不懂的 API, 就打开 ielm 临时写一个 demo 函数验证一下，当我读完以后， 我发现 99%的 Emacs 的问题都可以自己调试和解决。 如果你花时间读完这本 Emacs 内置的宝典， 你也可以像我这样写这么多扩展： [Andy Stewart]( Ruby: The Ruby Programming Language 学习 Ruby 的时候，已经会了几十门编程语言了，手册从头看一遍，不用写练习基本就可以学会。 因为当你编程语言学得足够多的时候，不同语言的语法都是相同的， 只用学习不同语言之间的微小区别就可以了。 以前一直对 Ruby 的 end 语法抱有偏见，但是自从我在 Emacs 配置了 ruby-end 插件以后，世界都清净了。 Vala: [Vala Tutorial]( Vala 有 C 的速度，Python 的简洁，语法类似 C Sharp, 基本看完这本手册以后，拿着 API 就可以直接开始写了。 Vala 写 Gtk+是非常爽的。 Rust: [Rust 语言圣经]( 这本书应该是中文范围内将 Rust 最好的一本书， 所有权讲的很清晰， 基本概念的章节都通俗易懂， 进阶章节可以先看一遍， 以后遇到了当工具书来查看。 作者后面讲线程和异步模型时， 理解还是很到位的， 证明作者基本功很扎实， 强烈推荐想学习 Rust 的同学读这本书， 一本就够了。 正则表达式： 精通正则表达式 这是我唯一看过一本带有　“精通”　名字的书，确实写的非常好， Yahoo 工程师把他平常用到的经验都朴实无华的写出来， 基本学会这本书讲的怎么构建正则表达式的思路，不管是标准的正则表达式， 还是 Perl, Elisp 等其他语言的变种正则，都是触类旁通的。 代码质量：重构 改善既有代码设计 这本书代码是 java 写的，但并不掩盖它作为重构第一书的地位。 讲解了很多重构小技巧，教你只要养成十来个重构小细节的好习惯， 不论写什么编程语言，局部代码和整体逻辑都干净的像艺术品一般。 这本书的技巧我这十几年都在践行，难得的好书。 X11: Xlib - C Language X Interface 这本书是读过最枯燥的书籍，但是要从头做一个 Linux 桌面环境，这本书的 API 是必读的。 因为你除了 github 外，根本找不到更多资料来讲解 X11 这个古老的技术了。 Gtk+: [Gtk+ Programming Tutorials]( 写的最通俗易懂的 Gtk+书籍，学完这本书，直接看 Gtk+ Developer Manual 就可以直接写程序了 Qt: [PyQt5 Totorial]( 写的最好的 Qt 入门教程，加上 Python 的方便性，非常容易系统学习， 加上学习 Qt 之前已经有 Gtk+五年编程经验，两天看完就直接用 Qt 写程序了。 JQuery: 锋利的 JQuery 国人写的书，写的非常通俗易懂，每个 API 的参数都是渐进式讲的， 举的例子也很实用简单，基本不用动手就会了。 Rails: Rails Tutorial 系统的讲解了怎么用 Rails 搭建一个网站，虽然很多架构设计和整体逻辑我是靠 Google 摸索出来的， 但是这本书确是入门不可或缺的，难度适中，学习完了，你对构建网站有一个基本的认识了。 SVG: SVG 入门教程 虽然是翻译老外的技术博客, 却是深入学习 SVG 不可多得的教材, 讲的通俗易懂. 可以学到很多 SVG 高级技巧. CSS: CSS 世界 很多 CSS 网站或书籍都告诉你一个效果要怎么实现，或者直接丢出一段可以直接使用的 CSS 代码。 但是我们在真实的开发场景中遇到的往往是，为什么这段 CSS 代码不能工作？为什么抄的几段 CSS 合在一起不能工作？ 这本书的作者研究了很多年的 CSS，他可以告诉你很多关于浏览器的实现细节以及为什么 CSS 不能工作的原因。 懂了为什么不能工作，剩下的很多事情就能举一反三啦。 但这本书不适合初学 CSS 的朋友读，建议在几个项目中熟练了基本 CSS 技巧以后再来读这本书会更有收获。 编译器: Flex & Bison 系统的讲解了什么是词法分析器、语法分析器 以及怎么写编译器的基本流程 这本书特别讲究循序渐进, 细心的讲解每个 API 看完这本书就不会觉得这两个技术有啥高级了, 哈哈哈哈 加解密： 图解密码技术 这本书系统地让你学会对称加密、公钥密码、单向散列函数、消息认证码、数字签名、伪随机数生成器等加解密技术背后的原理和细节， 以及这些技术组合而成的安全大厦的框架和应用。 其实加解密不光是学习破解和干坏事， 知道背后的数学原理和实现细节可以更好的让我们理解安全技术， 并以此来构建更加健壮安全的软件和系统。 强烈推荐作者 “结城浩” 的其他书籍， 已经看了他写的两本书了， 全书都是图文并茂的讲解复杂技术， 很少有数学公式。 人的精力是有限的， 学习最重要的是先要了解其原理再深入学习， 避免投入无谓的精力在不感兴趣的领域。 而作者在深厚的知识背景下， 能通过浅显易懂的文字传授知识， 真是厉害。 Git： Pro Git 这本书除了讲解 Git 的所有日常用法外， 还系统的讲解 Git 的一些高级用法。 同时最后一章还详细的讲解了 Git 背后这种基于文件系统技术的实现原理。 当你理解 Git 基本用法、 高级用法以及背后简单的原理后， 你就可以知其所以然的变成 Git 专家。 Emacs 教会我自学 这么多年的自学经历，我最应该感谢的是 Emacs, 是这个世界上最难折腾的软件，虐我虐到我待她如初恋，给我莫大的耐心，我再学习其他技术的时候才会觉得得心应手。 感谢 Emacs 让我接触到强大而又无私的顶尖黑客们和黑客精神，每天看着一群天才比我自己还努力的时候，自己就更萌生发奋学习的动力。 自学的技巧 耐心、耐心、耐心

The biggest threat to f(x)’s near-zero funding is popularity. @protocol_fx is showcasing 31 shorts with roughly $243K in size and a 32.9% book ROI, but three quieter numbers actually price the trade: 0.4%, 45%, and 50%. sPOSITIONs borrow from the xPOSITION collateral pool, so shorts run on liquidity supplied by longs. The dashboard snapshot puts borrow utilization near 0.4%, leaving plenty of headroom. Near-zero funding isn’t magic; the trade simply isn’t crowded yet. Once utilization crosses 45%, Threshold C activates Funding Level III for sPOSITIONs at 10× the live Aave USDC borrow rate. No liquidation trigger, no insolvency drama. It’s congestion pricing when shorts start hogging scarce liquidity. At 50%, the Debt Cap sets a hard ceiling on how much xPOSITION collateral can be lent out. Existing positions aren’t instantly wiped; the system simply stops one side of the market from draining the reserve. That’s the real f(x) edge: cheap bearish leverage while capacity is open, followed by automatic repricing and a hard ceiling before demand gets out of hand. “Zero funding” is the hook. Utilization is the mechanism. If short demand keeps climbing, what moves first: more xPOSITION collateral, or the price of being bearish?