最新

嗨，HN，我是Tina。 和许多人一样，我对大型语言模型（LLMs）经常产生幻觉感到沮丧——它们给出的自信答案往往没有真实依据。这就是我创建CompareGPT.io的原因，这是一个旨在提高输出可信度的工具。 新的可信模式通过以下方式工作： - 使用我们的TrustSource对每个答案进行交叉验证，将我们自己的模型与多个领先的LLM（如ChatGPT-5、Gemini、Claude、Grok）和权威来源相结合。 - 为每个响应提供透明度评分和完整参考。 - 帮助用户快速识别输出的可信之处以及需要再次核实的地方。 目前，该工具在知识密集型领域（如金融、法律、科学）效果最佳，我们正在寻找早期用户进行测试。 非常希望听到你们的反馈、建议，甚至批评，看看这个工具是否有用，以及我们如何改进。

大家好， 这是一个Chrome扩展的演示（目前正在审核中），它允许任何人根据目标和时间承诺创建结构化的逐步学习计划。 一旦创建了学习计划，您可以通过点击扩展中的任务，按照逐步指示进行操作，这将自动在ChatGPT中注入提示，以生成学习材料。 该工具提供： 1. 结构化学习计划的创建。 2. 进度跟踪。 3. 为每个步骤创建并注入提示到ChatGPT，以生成学习材料。 我希望能得到反馈，看看这种扩展是否对您的日常学习有帮助。 几周前我推出了一个相关的网络应用： [https://news.ycombinator.com/item?id=45190134](https://news.ycombinator.com/item?id=45190134) 该扩展已提交给谷歌审核，但如果有人有兴趣尝试，这里是扩展的源代码：[https://github.com/svylabs/eigenarc-ext](https://github.com/svylabs/eigenarc-ext)

将可排序的UUIDv7与外观随机的UUID进行转换，通过加密它们的时间戳实现。该库是stateless-me/uuidv47在C#/.NET生态系统中的移植版本。

我们常常听到这样的建议：“选择一份你热爱的工作，这样你就不会觉得自己在工作。”但实际上，许多人并没有选择完美职业的奢侈。有时，我们出于必要、环境或仅仅因为这是可行的路径而被迫进入某个角色。 我的问题是：有没有方法可以让我们学会去热爱（或至少享受）自己目前的工作？ 我对实用的策略很感兴趣。例如： - 如何在那些没有灵感的任务中找到意义？ - 重新框定、保持好奇心或专注于小的成就，真的能改变你的心态吗？ - 你是否亲身经历过从“这只是一份工作”到“我其实喜欢这个”的转变？如果有，是什么帮助了你？ 我很想听听那些成功培养出真正兴趣、热情，或者至少与当前职业达成和解的人们的分享。