24小时热榜

大家好！<p>我是一名独立开发者，自2007年以来一直从事UI/UX工作。在这些年里，我看到设计工具从轻量级产品演变为功能繁多的庞大平台。我发现自己只使用了一小部分功能，而其余的功能大多只是干扰。<p>因此，几年前我决定打造一个符合我需求的设计工具。我创建了Vecti，具备我真正需要的功能：像素完美的网格对齐、高性能的画布渲染、共享资产库以及导出/演示功能。没有协作白板，没有插件生态系统，也没有企业级功能。只有设计循环。<p>四年后，我可以自豪地展示它。该工具在欧盟构建和托管，遵循欧洲隐私法规。提供免费套餐（无需信用卡，永远一个编辑者）。<p>关于隐私：我使用一些基本的分析工具（页面浏览量、来源）但在应用内部没有任何跟踪。没有会话录制，没有行为分析，除了基本功能外没有第三方脚本。<p>如果你是独立设计师或小团队，想要一个不干扰你的工具，我非常欢迎你的反馈： <a href="https://vecti.com" rel="nofollow">https://vecti.com</a><p>很高兴回答有关技术栈、架构决策、某些功能未被采纳的原因或未来计划的问题。

嗨，HN， 我和我的朋友一直在尝试使用大型语言模型（LLMs）来分析生物技术股票。与许多其他行业不同，生物技术交易主要是事件驱动的：FDA的决策、临床试验结果、安全更新或试验设计的变化都可能导致股票在一天内上涨三倍（[链接](https://www.biotradingarena.com/cases/MDGL_2023-12-14_Resmetirom_NASH)）。 解读这些“催化剂”，通常以新闻稿的形式出现，通常需要具备生物学或医学背景的分析师。听起来“积极”的催化剂，如果出现以下情况，仍然可能导致抛售： - 效果大小低于预期 - 结果仅适用于狭窄的子群体 - 终点指标未能有效降低后期阶段的风险 - 结果未能实质性改变批准的概率 为了探索这一点，我们建立了BioTradingArena，这是一个评估LLMs如何解读生物技术催化剂并预测股票反应的基准。基准测试仅提供催化剂和新闻稿发布前可用的信息（试验设计、先前数据、PubMed文章和市场预期），以测试模型在催化剂发布时预测股票走势的准确性。 目前，该基准包含317个历史催化剂。我们还为特定适应症创建了子集（在肿瘤学中规模最大），因为不同的适应症通常具有不同的模式。我们计划在接下来的几周内向公共数据集中添加更多催化剂。该数据集涵盖不同规模的公司，并创建了调整后的评分，因为大盘生物技术公司的波动性通常远低于小盘和中盘公司。 每行数据包括： - 真实的历史生物技术催化剂（1-3期结果、FDA行动等）及催化剂前一天和当天的定价数据 - 相关的临床试验数据和PubMed PDF 需要注意的是，我们的方法可能存在一些明显的问题。首先，许多临床试验新闻稿可能已经包含在LLMs的预训练数据中。虽然我们尝试通过“去标识化每个新闻稿”并仅提供催化剂日期之前可用的数据来减少这一点，但显然对于这是否足够仍存在一些不确定性。 我们一直在使用这个基准测试提示策略和模型家族。到目前为止，结果喜忧参半，但有趣的是，我们发现最可靠的方法是使用LLMs量化定性特征，然后对这些特征进行线性回归，而不是直接预测价格。 只是想和HN分享这个。我为那些想在沙盒中玩耍的人建立了一个游乐场链接。期待听到一些想法，希望大家能玩得开心！

担心可复现的构建吗？让OpenAI在编译时生成你的源代码。<p>这主要是为了搞笑，但或许其中还有一些值得关注的东西...?