返回首页
最新
这篇文章介绍了 elfconv，这是一个将 Linux 应用程序转换为 WebAssembly 的二进制翻译器。<p>仓库链接：<a href="https://github.com/yomaytk/elfconv">https://github.com/yomaytk/elfconv</a><p>最近，性能有了显著提升。在我们的 LINPACK 基准测试中，通过 elfconv 从 ELF/AArch64 生成的 Wasm 现在运行性能大约是直接从源代码编译的 Wasm 的 60% 到 80%。<p>这表明 elfconv 能够生成具有实际、真实世界性能的 WebAssembly！此外，与在浏览器中运行的 QEMU 相比，它的性能约为其 68 倍。<p>基准测试：<a href="https://github.com/yomaytk/elfconv/issues/116">https://github.com/yomaytk/elfconv/issues/116</a><p>浏览器中的 QEMU：<a href="https://github.com/ktock/qemu-wasm">https://github.com/ktock/qemu-wasm</a><p>请试用一下，欢迎提交任何问题或拉取请求！
问题：
大型语言模型（LLMs）在理解电子商务网站方面表现不佳。它们：
从杂乱的HTML中虚构价格和规格
在用户界面模板（如标题、弹窗、广告）上浪费令牌
在实时库存和价格更新方面遇到困难
我们的解决方案：基于Answer.AI的llms.txt进行分支，推出site-llms.xml，这是一种用于产品数据的XML网站地图协议。
商家提供：
/site-llms.xml：所有产品URL的索引
/product/123/llms.txt：包含规格和价格的干净Markdown（示例见代码库）
好处：
AI获取结构化数据，而不是进行抓取
商家可以控制暴露的信息（类似于robots.txt）
可扩展到数百万个产品（支持网站地图索引）
我们将以CC BY-SA协议开源此项目（与网站地图协议相同）。
欢迎HN的意见：
这是正确的抽象吗？它能适用于非电子商务网站吗？
代码库：github.com/Lumigo-AI/site-llms（欢迎点赞！）