最新

Lumina是一种静态类型的网页原生语言，能够编译为JavaScript和WebAssembly。<p>它具有HM类型推断、代数类型、特性、响应式用户界面运行时、REPL（交互式解释器）、LSP（语言服务器协议）以及一个用Lumina自身编写的浏览器演示。目前的演示不使用React，并且使用一个Vite插件直接为浏览器编译.lm文件。<p>GitHub: <a href="https://github.com/nyigoro/lumina-lang" rel="nofollow">https://github.com/nyigoro/lumina-lang</a> npm: <a href="https://www.npmjs.com/package/lumina-lang" rel="nofollow">https://www.npmjs.com/package/lumina-lang</a><p>我非常希望能收到关于语言设计、网页原生方向和开发者体验的反馈。

我在职业生涯中已经到了一个阶段，现在经常需要做出战略决策（如招聘、解雇、选择设备等），在个人生活中也需要认真权衡大额购买或投资的选项。我发现这两者之间有一个不那么意外的相似之处，因为这些决策“得到了结果”。我是在做出良好决策，还是仅仅运气好呢？ 我做了一些研究，读了一些书，意识到我应该养成跟踪决策过程的习惯。这很快演变成了形成Convexly的想法。 我们的着陆页面是一个包含10个问题的校准测验，您需要为从一个不断变化的100个问题池中抽取的陈述分配一个信心水平，并且您会立即获得一个Brier分数。无需注册，您可以立即分享您的分数。 如果您觉得有趣，可以创建一个免费账户，在那里您可以跟踪您的决策及其概率估计，随着时间的推移解决这些决策，并获得校准曲线，显示您是否过于自信或不够自信。从我目前看到的情况来看，当用户表示对某件事情有70-90%的把握时，他们往往过于自信。 在数学方面：使用Beta-PERT分布进行收益建模，使用凯利准则进行头寸大小计算，使用信号检测理论来区分技能与随机性。 在编码方面：使用FastAPI结合NumPy/SciPy，前端使用Next.js和Supabase。 到目前为止，这一直是我一个人的项目。如果您想查看所有功能，可以使用代码SHOWHN获得30天的完整访问权限，无需信用卡。 我很好奇，您在完成测验后，是否对自己的分数感到惊讶。

ec（easy-conflict）是一款三方终端原生 Git 合并冲突解决工具。它支持 diff3 基准比较，帮助您在不离开终端的情况下更快地解决合并冲突。

嗨，HN！<p>在过去的几周里，我一直在开发 Cranki：<p>Cranki = 填字游戏 + Anki。（说实话，这个名字有点傻，哈哈）<p>我喜欢用西班牙语做填字游戏（以学习词汇），但市面上的应用都不允许我使用自己遇到的单词列表。所以我自己做了一个。<p>这个应用完全是客户端的。没有服务器，没有数据库，没有账户等。你的单词和统计数据都存储在本地存储中。<p>我是为自己开发的，但如果你喜欢的话，请告诉我！

Yapit 将 PDF 和网页转换为音频，采用视觉大语言模型（vision-LLM）管道处理数学公式和复杂布局，而不是将其混淆。我之所以构建这个工具，是因为我在线阅读大量论文和内容，但通常在两段后就会走神。边听边跟随能够让我保持专注，并降低了实际开始的门槛。 我尝试过的每一个文本转语音（TTS）工具在处理复杂格式时都会出现问题。包含数学公式、引用、图表参考和句子中间的页码的论文，结果要么是混乱的输出，要么就是听到原始的 LaTeX 代码。 Yapit 将所有内容转换为 Markdown 格式作为通用格式。对于网页，defuddle（[https://github.com/kepano/defuddle](https://github.com/kepano/defuddle)）负责提取并去除网页上的杂乱信息，以干净、一致的格式呈现主要文章内容。对于 PDF，视觉大语言模型会将每一页重写为带有注释标签的 Markdown，注释标签将可视内容与朗读内容分开。数学公式以视觉形式呈现，但会用替代文本进行朗读。像 “[13]” 或 “(Schmidhuber, 1970)” 这样的引用会静默显示。页码和标题则完全被移除。 提取和音频都通过内容哈希进行缓存，因此相同的内容不会被处理或合成两次。 自托管可以与任何兼容 OpenAI 的 TTS 服务器（如 vLLM-Omni 等）和任何兼容 OpenAI 的视觉模型进行 PDF 提取： ``` git clone --depth 1 https://github.com/yapit-tts/yapit.git && cd yapit cp .env.selfhost.example .env.selfhost make self-host ``` Kokoro TTS 也可以通过桌面上的 WebGPU 在浏览器中运行。 可以在 “Attention Is All You Need” 上试用（所有语音已缓存，无需账户）： [https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture](https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture) 或者粘贴任何 URL： [https://yapit.md/https://arxiv.org/abs/1810.04805](https://yapit.md/https://arxiv.org/abs/1810.04805) [https://yapit.md/https://x.com/karpathy/status/2039805659525644595](https://yapit.md/https://x.com/karpathy/status/2039805659525644595) GitHub: [https://github.com/yapit-tts/yapit](https://github.com/yapit-tts/yapit)（AGPL-3）

大家好，我很好奇人们或系统（计算机）是如何检测文本是否由大型语言模型（LLM）生成的。我的问题主要是想知道是否有某种API或类似的工具可以用来检测文本是否是由LLM写的。谢谢！！！

改进了社会和情感系统，同时使道德指南针的功能更为完善，增加了可读性的注释，并修复了larkos（神经网络）中的一些错误。链接：https://github.com/Okerew/larkos 此外，我忘记了道德指南针的工作原理，因此在其中添加了一些注释，并对其进行了小幅改进。