最新

想象一下一个包含科学家传记的文档库。传统的RAG（检索增强生成模型）在处理一些问题时表现良好，例如： - “谁在1800年之前出生？” - “有多少人是数学家？” - “列出数学家的姓名和生日。” 然而，这些问题的回答往往是不完整的，且没有显示出不完整的迹象。为了改善这一问题，可以通过提取预定字段的元数据来优化初始文档库。这种方法存在两个问题： - 必须提前预测出所有可能针对文档库提出的问题。 - 随着文档的变化（例如，后来添加诺贝尔奖或扩展文档集以包含艺术家），需要不断修正这一预测。 DuoRAG旨在通过以下方式解决这两个问题： - 在首次摄取之前进行初步的元数据（模式）发现。 - 当无法回答某个问题时，自我更新模式并添加候选字段。

我购买了一款 Razer Basilisk V3 X HyperSpeed 鼠标，打算将其用作 Mac 的蓝牙鼠标，但没意识到 Razer 并不提供软件支持。因此，我没有选择退货，而是利用编程助手（主要是 Codex）对 BLE 规范进行逆向工程，并围绕它构建了一个应用程序！在这个过程中，我还为其他几款 Razer 鼠标添加了支持。 我几乎没有逆向工程的经验，所以如果没有编程助手的帮助，我可能不会尝试这个项目。整个过程大致是这样的：在 Windows 上使用 btvs 捕获 BLE 数据包，打开 Synapse 后对鼠标执行一个操作，然后将捕获的数据发送给 Codex，以弄清楚发生了什么并更新规范。我为每个鼠标按钮和绑定重复这个过程，直到我掌握了全部信息。如果你感兴趣，文档文件夹中有一些详细描述这个过程和结果的文档！