最新

我遇到了一篇关于HRM（层次推理模型）的解释文章，其中提到了一些惊人的数据。文章声称在推理任务上，比如数独、30X30迷宫和ARC-AGI，HRM能够超越像3.7 sonnet和o3-mini这样的LLM（大型语言模型）。这是解释文章的链接：https://towardsdatascience.com/your-next-large-language-model-might-not-be-large-afterall-2 我目前在一家基于产品的初创公司工作，正在致力于自动化PCB设计。这项工作也需要一些深入的推理能力，比如知道USB连接器应该放在电路板的边缘，感应负载和电容负载应该分开，同时还要优化布线长度。 我想问一下，这种方法是否适合解决我的使用案例？你认为这样做可行吗？因为我确实发现HRM在解决某些问题上比LLM更有效，而我的使用案例与这些问题有一些相似之处。

我创建这个工具是因为寻找旧的Claude Code / Codex会话以便恢复非常繁琐。<p>它会索引 ~/.claude/projects/ 和 ~/.codex/sessions/，并根据相关性和最近性进行排序，按下回车键可以直接恢复到Claude/Codex命令行界面。<p>支持在所有地方搜索或仅限于当前文件夹。<p>该工具是用Rust编写的，使用了Tantivy（约2500行代码）。<p>希望对某些人有用！