与「transform」相关的搜索结果

Sam Altman asked Elon Musk what he'd do if he were 22 again. Not "build Tesla." Not "start a rocket company." Two words: be useful That's the whole framework. It sits on two questions almost nobody asks themselves. How much better is your solution than what already exists? How many people can it actually help? Multiply the two. That's your real impact. Every company that has ever changed the planet started by solving a useful problem for a specific group. Nobody who set out to "change the world" ever did. The companies that transformed anything started by making one boring, useful thing 10x better. 22-year-olds looking for a moonshot miss the actual moonshot sitting in the boring problem next to them. Be useful. Ship it to a small group. See if they can't live without it. Repeat. What's the most important problem you think still doesn't have a real solution? Drop it in the replies.

Ask Maps is getting an upgrade. 🔍✨ Now powered by agentic capabilities, real-time information, and Personal Intelligence, Ask Maps is transforming how you plan and move through the world.

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

最近发现一个很适合系统补机器学习基础的网站： Richard Xu 把自己过去十多年积累在 GitHub 上的几十份讲义，重新整理成了一套交互式学习教程。 内容从回归、贝叶斯、决策树和神经网络，一直延伸到 EM、MCMC、变分推断、NTK、PAC-Bayes、Transformer 和扩散模型，基础课程与研究级内容都有覆盖。 相比直接面对一堆公式密集的 PDF，网页形式更适合按主题慢慢学习，也更容易把原本零散的知识串起来。 现在很多教程都在追最新模型，这套资源更愿意把概率、优化、推断和学习理论讲清楚。模型会不断换名字，真正帮助我们理解它们的基础却没有那么容易过时。 交互式网站： 原始讲义：

Hot take… isn’t it kinda crazy that nobody is really using AI Agents? I don’t mean software engineers or AI early adopters. I mean “college friends talking about it in group chat,” the feeling you got when everyone started using Instagram or TikTok. These frontier AI models are *insane* (as are the harnesses & tool calls & the like). And every large tech co has an AI agents platform, not to mention all the YC startups doing vertical agents. Yet all of your friends and family outside of tech — who spend all day staring at their iPhones and get paid to work in browser tabs — don’t really care or find themselves using any AI agents yet. Yes ChatGPT, Claude, etc. are extremely popular… but if you look at the engagement data the vast majority of people are still using these aI chat tools like a glorified Google + Grammarly. That’s why the AGI labs are all pushing desktop apps for Codex, Cowork, etc. so hard to non-technical ppl. And yes exceptions for lawyers and customer service but even those have some asterisks and exceptions to rule. Look I’m not saying the ChatGPT moment for AI Agents is not coming… it most definitely is! Remember we pivoted from Arc to Dia precisely because we believe computing is going to be radically reimagined around these AI primitives. No doubt. But that’s my point: it’s just so surprising it hasn’t happened yet because all of the tech you’d need is there. Again if you stop for a second and think about it… for all the press and money and hype and models and crazy ARR numbers… this “AI Agent” moment does not *feel* like the other breakthrough tech moments we’ve lived through (e.g. think the shift to Stories via Snapchat & Instagram, or shift to on-demand via Uber/Airbnb/Doordash). Which is a long way of saying: if you can figure out the answer to “why” most people don’t care about AI agents yet (and have no enduring interest in using them) — especially since the models and harnesses are here and ready — the answer to that question will allow you to capture a lot of marketshare and make a lot of money in 2027. Theoretically, the tech is ready for AI Agents to totally transform how we work and live our lives… but alas the general public dgaf… that’s the generational puzzle to solve for the next 12 months for anyone not working on the models themselves.

Minimax开源Minimax H3 33B的视频Transformer + 32B的Qwen3-VL-32B文本与视频编码器，模型文件大小就65G，一般家庭跑不起来，生成768p视频至少A100起。 模型：

卧槽！微软偷偷把价值上万的AI完整课程免费扔GitHub了，几乎没人发现！ 12周24节课，像打游戏一样一关关通关。从AI是什么开始，到自己手写感知机和神经网络，再到CNN、目标检测、GAN生成图片、Transformer、大模型提示工程，最后还讲负责任AI。 最猛的是每节课都是能直接跑的Jupyter Notebook，PyTorch和TensorFlow双版本都有。打开就能敲代码，敲完立刻看结果，不是那种只会讲概念的水课。 我昨晚直接肝到凌晨三点，脑子里全是卷积核在跳舞。这种级别的课，以前要么贵到离谱，要么水到想退款。现在微软直接白送。 还在纠结AI从哪学起？别再浪费时间搜了。先把这个仓库Star下来慢慢啃： 再回来谢我，真的不亏。

[前端设计 Skills 分享] Make Interfaces Feel Better 把界面的"高级感"翻译成了一套可执行、可审查的量化细节规则，能系统地发现并修复那些单个不起眼、叠加起来却决定界面高级感的细节问题。 开源作者 @jakubkrehel 👍🏻 这个 Skill 的核心设计想法 细节复利：优秀界面来自小细节的叠加，而非单一亮点。 融入既有体系：修复必须用项目现有的样式方案表达（Tailwind 项目就用 Tailwind），绝不为了润色引入第二套样式系统。 慢速审查法：在浏览器动画面板以 10% 速度重放动效，并遍历 hover/focus/active/loading/empty 所有状态——慢速下感觉不对的，就是全速下隐约出错的地方。 # Skill 的十九条原则（五大类） 1. 表面与布局（Surfaces） · 同心圆角：外层圆角 = 内层圆角 + 内边距，嵌套圆角不匹配是最常见的"感觉不对"来源。 · 视觉对齐优先于几何对齐：图标按钮图标侧内边距减 2px、播放三角形右移、不对称图标直接修 SVG。 · 阴影表达层级、边框表达结构：仅为制造深度的边框应换成三层透明 box-shadow；分割线、选中/聚焦态保留边框。 · 图片描边：1px 低透明度内缩 outline，亮色模式用纯黑、暗色用纯白（oklch 10%），绝不用 slate/zinc 等带色调的近黑——会吸附底色显得脏。 · 最小点击区域：触屏 44×44px，密集桌面端至少 40×40px，可用伪元素扩展，但两个元素的热区永不重叠。 2. 动画（Animations） · 可中断性：交互动画用 CSS transition（中途可转向），keyframes 只用于一次性序列。 · 入场拆分交错：低频入场按语义分块、约 100ms 交错；高频交互（行悬停、键入）绝不加动画。 · 退场弱于入场：小固定位移（如 translateY(-12px)），时长更短（150ms），均用 ease-out。 · 图标情境动画：固定参数——scale 0.25→1、opacity 0→1、blur 4px→0；spring 的 bounce 必须为 0；无动效库时双图标同 DOM 交叉淡入淡出。 · 按压缩放：固定 scale(0.96)，不低于 0.95；提供 static prop 关闭。 · 页面加载跳过动画：AnimatePresence 加 initial={false}，但要确认不破坏有意设计的入场。 · 动效克制：动效是预算不是装饰；动效不能是唯一反馈渠道，必须配静态提示（颜色/图标/文字）。 3. 排版（Typography） · text-wrap: balance 用于标题（≤6 行），pretty 用于正文防孤词，长文本都不用。 · macOS 根布局统一加 antialiased 字体平滑。 · 动态数字用 tabular-nums 等宽数字防布局抖动；不要求更换项目字体族。 4. 图标（Icons） · 描边粗细匹配文字字重：常规文本配 1.5px，半粗配 2px。 · 单一 SVG + currentColor，状态全靠 CSS 颜色和透明度，绝不为每个状态出独立资源。 · 默认描边样式、填充样式只标记激活态；按渲染尺寸设计；RTL 场景只翻转方向性图标。 5. 性能（Performance） · 禁用 transition: all，明确列出过渡属性。 · will-change 仅用于 transform/opacity/filter，且只在观察到首帧卡顿（尤其 Safari）时才加。 审查输出规范 Skill 对审查报告有严格格式要求，这也是它区别于普通"设计建议清单"的地方： · 覆盖声明：列出五类各自实际检查了什么，未检查的必须标注"Not reviewed"，不许暗示已审。 · 发现表格：按原则分组，含严重度（HIGH/MEDIUM/LOW）、精确到行的位置、Before/After、违反的原则及用户影响。系统性问题合并为一行并列出所有受影响位置。 · 已否决候选：必须列出 1–5 个考虑过但否决的修改及理由，防止"为改而改"。 · 验证与裁决：列出实际运行的验证命令；有 HIGH 未解决则 Block，仅中低优问题则 Needs changes，无问题才 Approve。