最新

构建了一个系统，自动确定需要多少次LLM作为评判者的运行，以获得统计上可靠的评分。<p>关键见解：将每次LLM评估视为一个噪声样本，然后使用置信区间来决定何时停止采样。数学分析表明，提高可靠性是相对便宜的（将置信度从95%提升到99%仅需增加1.7倍的成本），但提高精度则成本高昂（将规模粒度加倍需要增加4倍的成本）。<p>还实现了“混合专家采样”——在同一批次中轮换使用多个模型（如GPT-4、Claude等），以增强稳健性。<p>分析了在这种方法中延迟、成本和可靠性如何变化。<p>典型结果：需要5到20个样本，而不是随意猜测。这在AI安全评估和模型比较中尤其有用，因为可靠性至关重要。<p>代码：<a href="https://github.com/sunnybak/precision-based-sampling">https://github.com/sunnybak/precision-based-sampling</a> 博客：<a href="https://www.sunnybak.net/blog/precision-based-sampling" rel="nofollow">https://www.sunnybak.net/blog/precision-based-sampling</a>

嗨，HN， 我开发了一款名为 Weather2Geo 的 OSINT 工具，旨在根据可见的天气小部件数据（例如温度、天气状况和任务栏中的当地时间）帮助定位截图拍摄地点。人们常常在不意识到这些数值组合的具体性的情况下发布这些截图。 该工具通过将给定的天气状况、温度和时间与来自成千上万座城市的当前数据进行比较来工作。它能够识别时区，支持模糊匹配，并且按地理位置对结果进行分组，以减少噪音。 该工具在最近的截图上效果最佳，理想情况下是在过去一小时内拍摄的，因为天气和日照条件变化迅速。 当截图缺乏 EXIF 数据或其他传统的 OSINT 线索时，该工具有助于准确定位可能的位置。 该工具是开源的，链接如下： [https://github.com/elliott-diy/Weather2Geo](https://github.com/elliott-diy/Weather2Geo) 欢迎反馈、报告bug，或者告诉我您认为它是否有其他用途。 - Elliott