最新

我以前会打印AI生成的文章给我的孩子们阅读，并从中记忆词汇。但遇到了两个问题：无法追踪哪些词汇记住了，而且这些文章常常引入他们不认识的单词——我常常在睡前阅读时不得不去谷歌查找定义。 大多数应用程序通过测验来“解决”追踪问题。但在列表中识别一个单词很简单——在句子中使用它才是真正理解的体现。我的孩子们可能能在测验中得高分，但仍然不知道如何实际使用这个词。 另一个缺失的部分是记忆曲线。没有间隔重复，单词就会迅速消失——他们在周一“学习”了某个词，到周五就忘得一干二净。研究表明：在逐渐增加的时间间隔内复习比临时抱佛脚要有效得多。大多数儿童应用程序对此完全忽视。 我为自己的孩子们开发了Wordie，但意识到这些痛点可能也与其他父母产生共鸣。孩子们阅读短小的AI生成文章，文章中的词汇符合他们的水平，然后为每个单词写出自己的句子。我（作为家长）在单词进入下一步之前会进行审核。通过的单词进入间隔重复的队列，而他们感到困难的单词则会继续循环。 这个应用程序得到了很多AI的帮助——这对于一个AI驱动的儿童应用程序来说是再合适不过的了。 非常希望能收到其他父母的反馈。 <a href="https://gowordie.com" rel="nofollow">https://gowordie.com</a>

嗨，HN， 我创建了Trytet，以解决自主智能体在状态和地理位置上的限制。 将未经验证的主机执行权限赋予大型语言模型（LLM）会破坏安全性，而通过HTTP来回传输嵌入数据则开销较大。此外，当你的智能体遇到API速率限制或上下文边界时，通常会完全中断其执行线程。 Trytet是一个可嵌入的亚毫秒级Wasm底层架构。它的功能包括： - 零信任原语：即时评估易变的机器生成代码，无需Docker的初始化延迟。 - 确定性：将活动的线性内存捕获为.tet二进制文件。你可以在智能体停止的指令处精确快照、休眠或分支其执行。 - P2P集群：序列化引擎的状态使你能够将活动智能体直接迁移到托管向量存储的边缘节点，从而手动消除往返延迟。 上下文路由器刚刚合并。它是一个O(N)滑动窗口估算器，可以在不增加原始内存开销的情况下，对LLM上下文崩溃施加数学限制。 代码库： [https://github.com/bneb/trytet](https://github.com/bneb/trytet) 演示/架构： [https://trytet.com](https://trytet.com) 欢迎提问关于引擎内部或LSM-Vector VFS混合的相关问题。 P.S. 这是一个活跃的开发项目，我明天会带来一些有趣的内容。