嗨，HN，
最近，Github 的 PR 被大量低质量的 AI 生成内容淹没。我自己也注意到了这一点，而我并不是唯一一个有这种感觉的人：<a href="https://x.com/mitchellh/status/2011819428061855915" rel="nofollow">https://x.com/mitchellh/status/2011819428061855915</a>
我认为人们使用 AI 工具来更快、更好地编写代码是件好事，但太多人滥用这些工具，向公共仓库提交低质量的贡献。这占用了许多审阅者的精力。
在我看来，需要有一种机制来标记那些低质量的 AI 生成的 PR，这样你就可以跳过阅读它们。因此，我开发了一个工具：
<a href="https://haystackeditor.com/slop-detector">https://haystackeditor.com/slop-detector</a>
这是一个简单的 AI 低质量内容检测器，我还包括了一些 AI 低质量内容的示例和一个“这是低质量内容吗？”的小游戏，供大家娱乐。
它可以检测到以下 AI 生成的错误：
- 与 PR 目的完全无关的更改
- 虚构的函数
- 重复代码（特别是当 AI 重新实现已经存在的功能时）
- 糟糕的注释
你会使用这样的工具吗？
返回首页
最新
在移民到西班牙后，我对日常语言学习的流程感到厌倦：翻译应用 → 手动输入到Anki → 分别查找西班牙语的动词变位，于是我开发了一款应用来解决这个问题。介绍一下Leka：一款由Lovable团队开发的网络/PWA应用，它将翻译 → FSRS闪卡 → 动词变位整合在一起。目前支持西班牙语（西班牙/拉美）、意大利语、德语、法语、葡萄牙语和荷兰语，未来将更容易添加其他语言。
现在的工作流程：
- 输入或粘贴文本 → 自动翻译 + 单词提取 → FSRS卡片
- 集成的动词变位器（完整的动词/名词表，例如：ser/estar）
- 离线PWA
- 类似Anki的FSRS算法
即将推出：
- 不同的学习模式
- 语音转文本模式
- 图像转文本模式
- 图像与翻译模式
<a href="https://lekalearning.com" rel="nofollow">https://lekalearning.com</a>（免费使用，提供高级升级选项）
对Lovable在生产PWA方面的看法？
我制作了一个网页游戏；在不公开源代码的情况下，部署的最佳选择是什么？
你好，
我终于鼓起勇气将Fluent开源了，这是一种面向数组的可微分语言，我一直在为“新型纸张”项目构建它。演示可以在[0]查看。
以下是一些显著特点：
1. 每个操作符都是用户可（重新）定义的。如果你不喜欢用`:`来写赋值，可以改成你喜欢的任何形式。可以创建新的奇特操作符——尽情实验吧。
2. 可微性。该语言适合使用梯度下降法的机器学习任务。
3. 反应性。值可以是反应式的，因此下游值会像电子表格一样自动重新计算。
4. 严格的从左到右的运算顺序。评估和读取应该是同一件事。
5. 词语和符号是可以互换的。它们都是某种事物的名称，对吧？
6. （前缀、中缀、后缀）风格。你可以选择适合自己的风格。
它有自己的集成开发环境（IDE），可以实时评估和可视化值。整个程序在浏览器中运行（推荐使用Chrome），确实有很多bug，可能会崩溃你的浏览器/计算机/股票投资组合，所以请小心。
一些诱饵——线性回归（Ctrl+O，“linear-regression-compressed”或[6]）：
```
x: (0 :: 10),
y: (x × 0.23 + 0.47),
θ: ~([0, 0]),
f: { x | x × (θ_0) + (θ_1) },
: { μ((y - f(x)) ^ 2) },
minimize: adam(0.03),
losses: $([]),
(++): concat,
{ losses(losses() ++ [minimize()]), } ⟳ 400,
(losses, θ)
```
---
[0]: [https://mlajtos.github.io/fluent/?code=RG9jdW1lbnRhdGlvbg](https://mlajtos.github.io/fluent/?code=RG9jdW1lbnRhdGlvbg)
[1]: [https://mlajtos.mu/posts/new-kind-of-paper](https://mlajtos.mu/posts/new-kind-of-paper)
[2]: [https://mlajtos.mu/posts/new-kind-of-paper-2](https://mlajtos.mu/posts/new-kind-of-paper-2)
[3]: [https://mlajtos.mu/posts/new-kind-of-paper-3](https://mlajtos.mu/posts/new-kind-of-paper-3)
[4]: [https://mlajtos.mu/posts/new-kind-of-paper-4](https://mlajtos.mu/posts/new-kind-of-paper-4)
[5]: [https://mlajtos.mu/posts/new-kind-of-paper-5](https://mlajtos.mu/posts/new-kind-of-paper-5)
[6]: [https://mlajtos.github.io/fluent/?code=eDogKDAgOjogMTApLAp5OiAoeCDDlyAwLjIzICsgMC40NyksCs64OiB-KFswLCAwXSksCmY6IHsgeCB8IHggw5cgKM64XzApICsgKM64XzEpIH0sCvCdk5s6IHsgzrwoKHkgLSBmKHgpKSBeIDIpIH0sCm1pbmltaXplOiBhZGFtKDAuMDMpLApsb3NzZXM6ICQoW10pLAooKyspOiBjb25jYXQsCnsgbG9zc2VzKGxvc3NlcygpICsrIFttaW5pbWl6ZSjwnZObKV0pLCB9IOKfsyA0MDAsCihsb3NzZXMsIM64KQ](https://mlajtos.github.io/fluent/?code=eDogKDAgOjogMTApLAp5O...)
我非常喜欢Claude Opus，因为它在理解功能请求方面表现得非常出色，并且通常能够与我的代码库保持一致（我的代码库完全是用Opus从零开始编写的）。<p>我最近注意到，当我在晚上（美国东部时间）使用Opus时，它在处理我定期提交的相同类型请求时，常常会陷入极端的思维误区。它更倾向于进行一些会破坏代码的重构，然后在这些错误上反复迭代，形成一种螺旋式的错误循环。一个通常只需3-4分钟的请求，可能会变成一次10分钟的冒险，直到我撤回更改，指出错误，然后再试一次。它会乐于承认错误，但这种模式似乎一直存在。<p>我还没有进行过类似的对比测试，这会很有趣，但有没有其他人注意到同样的问题？