最新

将每个概念视为坐落在一个相关词汇和思想的云中。该图谱仅保留支撑性的连接——您需要首先理解的更简单的概念。沿着这些边缘深入，每个概念最终落在四个基础之上：空间、时间、能量、模式。链条的深度大致可以让您了解该概念在新兴层级中的位置。 在此搜索：<a href="https://emergencemachine.com/atlas/search" rel="nofollow">https://emergencemachine.com/atlas/search</a> 您还可以比较两个概念的图谱，查看它们的共同点：<a href="https://emergencemachine.com/atlas/distance" rel="nofollow">https://emergencemachine.com/atlas/distance</a> 每个概念还可以与网站的人工智能——普罗米修斯进行讨论和辩论。 工具：Python（asyncpg + 自定义DAG遍历）将“概念”的前提图谱追溯到其四个基础根源，然后使用Graphviz（dot引擎）渲染SVG。PostgreSQL支持实时图谱；链条图像是确定性构建的。 阅读更多：<a href="https://emergencemachine.com/language-emergent-tool/" rel="nofollow">https://emergencemachine.com/language-emergent-tool/</a>

除了Hacker News，我想知道大家在哪里找到关于人工智能进展和新闻的好资源。当然，我可以阅读arxiv等网站，但我想了解大家都在使用哪些资源！

嗨，HN， 我是Roland，过去几周我一直在构建AllBSides——一个汇集所有上传到YouTube的BSides会议演讲的目录。截至今天，已收录来自68个国家的227个章节的5,927位演讲者的8,643个演讲，总时长达到280天。转录文本大约有6000万字。 这个档案是分阶段完成的： 1. 手动映射每个BSides章节的YouTube频道 2. 从Supabase提取每个视频和转录文本 3. 使用Haiku对每个转录文本进行标签提取（工具、主题、难度、团队、演讲风格、研究方法等） 4. 通过Sonnet进行分类和去重 5. 最后通过Opus进行验证 6. 进行人工验证——曾经，管道显示有超过16,000条AI建议需要人工验证。今天，大部分问题已经解决。 到目前为止，总的LLM成本约为200欧元。整个管道可以从头重建。 每个演讲都有自己独立的页面，包含嵌入的视频、完整的转录文本、演讲者、标签和“相关演讲”。在整个语料库中提到的每个工具/框架/协议/标准都有自己的页面（共跟踪3,968种不同的技术）。 在构建过程中，我收集了一些有趣的事实： - (A) 该网站目前94%的流量来自机器人。其中，约80,000次/月是AI训练爬虫（ClaudeBot、GPTBot、meta-externalagent）。在演讲档案上线后的7天内，所有主要的AI实验室都已获取了整个语料库。实时观察这一发现的级联效应令人震惊。 - (B) 分类工作是最难的部分。区分“工具”、“框架”、“协议”和“概念”听起来简单，但当你有5,000个模糊的提取实体时就不那么容易了。三层LLM管道帮助很大——单靠Haiku噪音太大，单靠Opus成本太高。 - (C) 提到的顶级工具：Wireshark（343）、PowerShell（342）、Metasploit（332）、Burp Suite（322）、GitHub（296）、VirusTotal（273）、Docker（253）、Splunk（251）、Nmap（247）、MITRE ATT&CK（237）。这个列表反映了BSides演讲实际讨论的内容，而不是供应商整理的内容。 - (D) 五月是BSides活动的高峰期——29个活动，占所有有日期活动的17%。 - (E) 前1%的演讲（按观看次数计算的86个视频）占所有观看量的51%。其余99%则是非常小众的内容，往往是某一特定技术的唯一视频记录。 这个技术栈故意保持精简：Go、SQLite、原生JavaScript、BunnyCDN。构建时进行静态渲染。不使用框架，没有客户端状态。网站的运行成本约为每月50欧元。 关于这篇文章背后的数据和更多信息，可以在网站底部的“统计”链接中找到。 欢迎对数据管道、分类决策或AI爬虫模式在档案上线时的表现提出问题。对于下一步该构建什么的反馈，我非常欢迎——我是一名独立开发者，正在逐步摸索。 ——Roland (parkado)