最新

NerdFlair 是一个可配置的 Bash 状态行和铃声/旋转器包，适用于 Claude Code。还包括光标扩展（仅限铃声）。

嗨，HN。我是Ken，一名20岁的斯坦福大学计算机科学学生。我开发了Sup AI。 我开始做这个是因为没有任何单一的AI模型总是正确，但它们的错误并不强相关。换句话说，模型往往会相对于其他模型犯独特的错误。因此，我并行运行多个模型，并根据置信度对输出进行加权合成。输出的令牌概率分布中的低熵与准确性相关。高熵通常是幻觉开始的地方。 我的父亲Scott（TRI的AI研究科学家）是我的研究伙伴。他随时给我发论文，我们争论这些论文是否真的适用以及哪些修改是合理的，然后我进行构建和测试。熵加权的方法正是源于其中一次对话。 在我们对“人类的最后考试”的评估中，Sup的得分为52.15%。在同一评估中，最佳单一模型的得分为44.74%。这个相对差距在统计上是显著的（p < 0.001）。 方法论、评估代码、数据和原始结果： - [https://sup.ai/research/hle-white-paper-jan-9-2026](https://sup.ai/research/hle-white-paper-jan-9-2026) - [https://github.com/supaihq/hle](https://github.com/supaihq/hle) 局限性： - 我们评估了2,500个HLE问题中的1,369个（详细信息见上述链接）。 - 并非所有API都公开令牌的对数概率；当它们不公开时，我们使用几种方法来估计置信度。 我们曾尝试提供免费访问，但遭到严重滥用，几乎让我们无法继续。目前可持续的选项是5美元的启动信用，需进行卡片验证（不自动扣费）。如果您不想注册，可以在评论中留下提示，我会亲自运行并发布结果。 可以在 [https://sup.ai](https://sup.ai) 尝试。我的父亲Scott（@scottmu）也在这个讨论中。希望能收到直接的反馈，特别是在哪些方面对您有效，在哪些方面不足。 这是一个简短的演示视频：[https://www.youtube.com/watch?v=DRcns0rRhsg](https://www.youtube.com/watch?v=DRcns0rRhsg)

465个测试，无依赖

GitHub 正在为贡献代码的账户推出强制性的双重身份验证（2FA），并提供45天的注册时间。<p>根据我所了解，Aegis、Raivo 和 Ente 是最有前景的选择。还有其他推荐吗？或者对这三者有什么特别的看法？<p>谢谢！