标签: 大模型

我们的大脑无法应对 AI

我们的大脑无法应对 AI

The Verge 刊发教育政策研究者 Benjamin Riley 的评论,认为当前 AI 行业把大脑类比为计算机的底层假设存在偏差,人类神经系统更接近“反馈控制系统”而非信息处理器,这一错位可能让 AI 产品在认知层面对用户造成长期损耗。

苹果统一内存卖得有多贵,大家心里都有数。 今天在 Reddit 刷到一个神级项目直接看傻了: 有人用一条 10 Gb/s 的 USB-C 线,把手里的 iPhone 变成了 24GB MacBook 的“副显卡”,用来跑本地 Qwen 27B 大模型,长文本速度暴涨 40%+! https://t.co/33zDXv5E1E

苹果统一内存卖得有多贵,大家心里都有数。 今天在 Reddit 刷到一个神级项目直接看傻了: 有人用一条 10 Gb/s 的 USB-C 线,把手里的 iPhone 变成了 24GB MacBook 的“副显卡”,用来跑本地 Qwen 27B 大模型,长文本速度暴涨 40%+! https://t.co/33zDXv5E1E

一个名为 backburner 的开源项目,让 Mac 通过 USB-C 借调 iPhone 的 GPU 与内存,把 24GB 机器跑 Qwen 27B 大模型的长上下文推理速度拉高了 35%–44%。它提供的思路比性能数字更值得关注:苹果设备之间闲置的算力,第一次被民间方案真正串了起来。

这篇文章的分析角度给了我很大启发 这也是我自学LLM的最大痛点 见过树,却未见过森林 没有人指导交流,只有AI常伴左右 这篇文章的意思是: 大模型的用法太死板了 ChatGPT 出来以后 模型基本都是同一种写法: 一段文字进去,一个字一个字往外蹦 做 agent 的人没去改模型,全在外面加壳: 工具调用、上下文压缩、多轮拼接 让任务去凑这种写法 他问的是:任务已经知道该怎么跑了 能不能把模型也改成更贴这个任务的写法 他举了两个方向:…

这篇文章的分析角度给了我很大启发 这也是我自学LLM的最大痛点 见过树,却未见过森林 没有人指导交流,只有AI常伴左右 这篇文章的意思是: 大模型的用法太死板了 ChatGPT 出来以后 模型基本都是同一种写法: 一段文字进去,一个字一个字往外蹦 做 agent 的人没去改模型,全在外面加壳: 工具调用、上下文压缩、多轮拼接 让任务去凑这种写法 他问的是:任务已经知道该怎么跑了 能不能把模型也改成更贴这个任务的写法 他举了两个方向:…

开发者 @antiAIvo 分享了一篇关于语言模型“形状”的文章,提出当前大模型的调用方式过于单一——无论什么任务都是“一段文字进、一个字一个字出”,而 agent 开发者只能在外层靠工具调用、上下文压缩来适配,而非改变模型本身。

@deepseek_ai 每个平台都在持续收集每位用户的大量数据。https://t.co/bJ8BUkbrkt 让局面重回公平,人人都能从自己的数据中获益。为 DeepSeek 编程模型备好的脱敏真实编程智能体轨迹已就绪:完整 shell 与工具调用,按会话标注日期,附公开 SHA-256 账本,价格通过网站 API 协商。

@deepseek_ai 每个平台都在持续收集每位用户的大量数据。https://t.co/bJ8BUkbrkt 让局面重回公平,人人都能从自己的数据中获益。为 DeepSeek 编程模型备好的脱敏真实编程智能体轨迹已就绪:完整 shell 与工具调用,按会话标注日期,附公开 SHA-256 账本,价格通过网站 API 协商。

一个名为 data-sales-broker.app 的账号公开向 DeepSeek 喊话,称已备好一批脱敏的真实编程智能体轨迹数据,含完整 shell 与工具调用记录,可卖给模型方用于训练。它想讲的逻辑是:平台无偿收集用户数据,那用户或数据持有方也可以反过来把数据卖钱。