我一直在探索扩散模型，这种模型已经改变了图像和视频生成，如何应用于文本生成。离散扩散模型背后的数学一开始可能会让人感到有些畏惧，因此我整理了一个带注释的 Jupyter Notebook，详细讲解了理论，并构建了一个基于字符级的离散扩散 GPT，该模型是从 Andrej Karpathy 的 baby GPT 进行改编的。与其自回归地生成文本（从左到右），该模型学习并行去噪损坏的文本序列。
这个 Notebook 涵盖了数学框架、离散标记的噪声过程，以及一个基于莎士比亚文本训练的有效实现。
GitHub: [https://github.com/ash80/diffusion-gpt](https://github.com/ash80/diffusion-gpt)
在 Google Colab 中打开: [https://colab.research.google.com/github/ash80/diffusion-gpt/blob/master/The_Annotated_Discrete_Diffusion_Models.ipynb](https://colab.research.google.com/github/ash80/diffusion-gpt/blob/master/The_Annotated_Discrete_Diffusion_Models.ipynb)
欢迎提供反馈和建议。
返回首页
最新
嗨，HN！我刚刚开源了 Pyversity，这是一个轻量级的库，用于多样化检索结果。大多数检索系统只优化相关性，这通常会导致前 k 个结果几乎完全相同。Pyversity 高效地对结果进行重新排序，以平衡相关性和多样性，呈现出仍然相关但不那么冗余的项目。
主要特点：
- 统一 API：一个函数（diversify）支持几种知名策略：MMR、MSD、DPP 和 COVER（未来会增加更多）。
- 轻量级：唯一的依赖是 NumPy，使得包体积小且易于安装。
- 快速：所有支持的策略都有高效的实现；在毫秒级别内多样化结果。
使用交叉编码器进行重新排序目前非常流行，但也非常昂贵。根据我的经验，通常可以通过更简单、更快速的方法来改善检索结果，比如这个包中实现的方法。这有助于检索、推荐和 RAG 系统呈现更丰富、更具信息量的结果，确保每个新项目都能添加新信息。
代码和文档：github.com/pringled/pyversity
如果您有任何反馈或对其他多样化策略的建议，请告诉我！
我建立了一个微型预测市场，完全依赖于 GitHub Issues，没有外部数据库。每个市场都是关于仓库工作的具体问题，例如：“问题 #123 会在 2025 年 11 月 15 日之前关闭吗？”合作者可以购买 YES/NO 股份来表达他们的看法，价格（0 - 1）反映了团队的集体预测。这有助于规划、优先级排序以及使期望变得透明——而不涉及真实货币。
在技术实现方面：在问题中嵌入了签名的 JSON 快照（市场和账本），使用 LMSR 定价，基于序列的乐观并发控制并支持重试，以及仅限合作者的交易。
我还没有为该仓库部署公共实例——计划在整合初步反馈后进行。仓库链接： [https://github.com/philippnagel/gantt](https://github.com/philippnagel/gantt)
我希望能收到关于治理（每个用户的上限、利益冲突）、哪些问题最有用（截止日期、PR 合并、发布）以及基于评论的交易用户体验的反馈。
我一直喜欢在工作或入睡时有背景噪音，但我发现大多数“白噪音”或环境音应用要么需要付费，要么充满广告，或者试图为基本功能推销订阅服务。
因此，我制作了Ambi，这是一款小巧的iOS应用，界面简洁，提供一系列免费可用的环境声音——如雨声、海浪声、风声、鸟鸣等。你可以混合这些声音，调整音量，随意播放整晚或在工作时使用。所有功能均可离线使用，没有隐藏的收费。
这是我首先为自己开发的，但我想其他人也可能会觉得它有用。欢迎反馈、报告bug和提出建议。
<a href="https://apps.apple.com/app/ambi-white-noise-sleep-sounds/id6753184615">https://apps.apple.com/app/ambi-white-noise-sleep-sounds/id6...</a>
我开发了Hyprvoice，这是一个小工具，可以让你在Wayland上通过语音输入文本——不需要X11，也不需要复杂的桥接。只需按下一个键，开始说话，你的文字就会出现在光标所在的位置。
这个工具是用Go语言编写的，使用PipeWire进行音频处理，并直接与合成器进行通信。工作流程非常简单：
按下键 → 开始录音
再次按下 → 停止并注入文本
通知会显示录音/转录状态，并且它支持多个后端——目前使用OpenAI Whisper，whisper.cpp（本地/离线）正在开发中。
所有操作都通过一个轻量级的守护进程运行，使用Unix套接字进行进程间通信。文本注入使用wl-clipboard和wtype，并具有剪贴板恢复的后备方案。
安装（Arch/AUR）：
```bash
yay -S hyprvoice-bin
systemctl --user enable --now hyprvoice.service
```
然后在Hyprland中添加类似以下内容：
```plaintext
bind = SUPER, R, exec, hyprvoice toggle
```
代码库： [https://github.com/leonardotrapani/hyprvoice](https://github.com/leonardotrapani/hyprvoice)
目前处于测试阶段，但已完全可用。我非常欢迎反馈，特别是来自全职使用Wayland或维护合成器的用户。
不确定这是否与人工智能有关（那个插件是一个独立的功能），但这感觉有些不可思议。似乎在很多情况下，它能够在我开始写一个函数时就知道我想写什么，并自动填充函数体。这可能比人工智能本身更能为我节省时间。
我在这里讨论这个问题大约是7-8天前，但我仍然不知道原因是什么。我思考了几个小时，认为我终于理解了原因，但似乎我唯一知道的就是我什么都不知道。
我的问题很简单。为什么人们对自由和开放源代码软件（FOSS）缺乏了解，以及如何真正改变这种状况。
我考虑过传播FOSS信息的最佳方式，似乎最有效的方法是倡导像F-Droid、Linux Mint、Flatpak这样的工具，让事情变得简单到没有理由不去使用它们。
然而，我又觉得人们之所以仍然不感兴趣，是因为这变得<i>太</i>无聊了。
如果我的所有行动都被追踪，我真的掌控着自己吗？我不确定。人们难道不知道这一点吗？
我想提高对开放源代码软件（OSS）的认识，因为这是我热衷的事情。然而，我似乎不知道该如何做。我觉得在谈论这些问题时我的声音被听见，有时说服人们使用Signal是如此简单，但他们仍然没有使用。这是一种复杂的情感。
我感觉我的一代人也给我留下了很多困惑，我们甚至停止了质疑，我们都被追踪我们的算法所极化。
在这样一个极化的世界里，我觉得使用开源软件可以帮助我们慢慢提高对它的认识，从而使我们能够摆脱极端隐私侵犯和引发愤怒的算法，朝向更好的方向发展，这样我们就可以减轻我们的感知，停止那种“这就是一切的终结，一切都无所谓”的虚无主义或“谁在乎”这种想法。
有时我觉得我的想法毫无意义，也许你会说像YouTube这样的东西是为我这样的想法提供了一个平台，但其实并不是。我不想为自己创造任何传说，我只想告诉人们一些简单的FOSS事情，比如F-Droid，并发表我的看法，这样我就可以去关注或帮助其他在开源领域更紧迫的问题。
人们也觉得自己有权获得高质量的开源软件，如果这是你的期望，那么请善待开发者，感谢他们并礼貌地询问解决方案，或者加入他们的社区并在那里友好地询问，或者也许自己捐款或贡献。我看到一些人觉得自己有权利，这让我感到沮丧。
我感谢每一位开源开发者，这对我来说是如此优雅，我们可以有分支和许多其他东西，彼此学习，有时这让人耳目一新。然而，我感到难过的是，它们没有收到捐款，人们不使用它，有时人们觉得有权要求某个功能。
这个兔子洞太深了，但如果我们想与大众分享，那么我们需要讨论什么是初学者应该分享的优先事项。我们需要一个真正的维基来开始开源生活。我不知道我是怎么开始的，也许只是使用Linux，然后搜索任何软件，写下“替代X的开源软件”等等。
Awesome-privacy在一开始也帮了我很多。我实际上读完了它，还有privacyguides.net和许多其他优秀的指南，但它们仍然没有得到关注。
那么，人们应该创建另一个指南来进一步分散注意力，还是应该将注意力重新引导到我们可能讨论的适合每个人的列表上？我有很多问题。
我们可以拥有更好的东西，这让我充满希望。但问题是，这并不只需要我改变，而是世界在这个过程中也需要稍微改变，这让我感到困惑。
我是否有能力朝这个方向改变世界？我们中的任何人都有吗？我在这个系统中感到渺小，但我知道给予希望也会是复杂的。我不想为一些超出我控制的事情而感到悲伤，但问题是，这件事情是否超出了我们的控制？
我觉得我不知道答案。我只是不知道，这就是我在这里提问的原因。但我仍然想要保持希望，你知道的。
祝你有美好的一天，期待你们每一个人的评论！
备用链接：<a href="https://mrchristmas.com/products/santas-magical-telephone" rel="nofollow">https://mrchristmas.com/products/santas-magical-telephone</a><p>视频演示：<a href="https://www.youtube.com/watch?v=0z7QJxZWFQg" rel="nofollow">https://www.youtube.com/watch?v=0z7QJxZWFQg</a><p>第一次与人工智能圣诞老人交谈时，它用一个笑话回应我，我立刻被吸引住了。乐趣和无厘头的感觉，直到你亲自尝试才会真正感受到。更令人兴奋的是，你可以自己动手制作：<p>libpeer: <a href="https://github.com/sepfy/libpeer" rel="nofollow">https://github.com/sepfy/libpeer</a><p>pion: <a href="https://github.com/pion/webrtc" rel="nofollow">https://github.com/pion/webrtc</a><p>然后在你的 Pion 服务器上实现所有有趣的逻辑。连接到任何语音 AI 提供商，或者通过开源自行开发。任何事情都是可能的。<p>如果你有问题或遇到任何障碍，我很乐意帮助你。我在我的 GitHub 上有很多硬件片段：<a href="https://github.com/sean-der" rel="nofollow">https://github.com/sean-der</a>。