最新

我正在构建一个众包的人工智能检测基准。这个基准包含对同一提示的两个响应——一个来自真实人类（2022年前，证明在AI内容泛滥之前），另一个由AI生成。你需要选择出AI生成的内容。三次错误就会被淘汰。 数据集包括来自Reddit、Hacker News和Yelp的16,000条人类帖子，每条帖子都与来自两个提供商（Anthropic和OpenAI）六个模型在三个能力层级下生成的AI内容配对。使用相同的提示，长度匹配，没有对抗性指导——仅仅是模型的自然声音和平台上下文。 每次投票都会记录模型、层级、来源、响应时间和位置。 初步测试结果显示：Reddit的帖子很容易识别（人类的表达太随意，AI难以模仿），而Hacker News则显著更难。 我将把完整的数据集发布在HuggingFace上，如果通过这个众包研究能获得足够的数据，我会发表一篇论文。 如果你选择仅玩Hacker News模式，你是在帮助校准AI在这个平台上的可检测性。 我非常希望能收到关于这些配对的反馈——有没有哪些是显而易见的？有没有一些是真正困难的？

我们真的需要另一个代理协调器吗？可能不需要。但我找不到一个能与我实际使用编码代理命令行界面（CLI）相匹配的工具，所以我自己构建了一个。 Codelegate 是一款桌面应用程序（基于 Tauri 2 + React + xterm.js），它将代理会话组织成一个以键盘为主的工作区。我构建它是为了应对一些特定的烦恼： 1. 我希望能够用双手在键盘上导航。会话切换使用 `Alt+1..9`，窗格切换使用 `Alt+A/G/T`。无需使用鼠标。 2. 我在同一个代码库中并行工作，使用 Git 工作树。Codelegate 内置了工作树流程：为每个代理创建一个独立的分支，会议结束时自动清理。 3. 我希望能够继续使用我的 CLI 工具（如 zellij 等），而不是替代它们。 4. 我需要它在 macOS 和 Linux 上都能使用。 每个会话提供三个窗格：代理、终端和 Git。Git 窗格处理带有语法高亮的差异审查、批量暂存/取消暂存、提交和修改。会话在侧边栏按代码库分组。 目前支持 Claude Code 和 Codex CLI，但任何在 shell 中运行的工具都可以使用。 这是 v1.0.0，仅涵盖我最常用的代理 CLI 和功能。它采用 GPLv3 许可证，因此可以被分叉并根据你的工作流程进行调整。 希望你喜欢使用它或将其改造成自己的工具！