duangsuse::Echo
583 subscribers
4.12K photos
118 videos
579 files
6.13K links
import this:
美而不丑、明而不暗、短而不凡、长而不乱,扁平不宽,读而后码,行之天下,勿托地上天国。
异常勿吞,难过勿过,叹一真理。效率是很重要,盲目最是低效。
简明是可靠的先验,不是可靠的祭品。
知其变,守其恒,为天下式;穷其变,知不穷,得地上势。知变守恒却穷变知新,我认真理,我不认真。

技术相干订阅~
另外有 throws 闲杂频道 @dsuset
转载频道 @dsusep
极小可能会有批评zf的消息 如有不适可退出
suse小站(面向运气编程): https://WOJS.org/#/
Download Telegram
#dalao #tool https://github.com/OXY2DEV/markview.nvim

一个穷孩子用蓝牙键盘+Lua(gsub+vim.treesitter) 开发的 Nvim(命令行版 VSCode) md渲染器插件
此渲染器用特殊字符和ANSI色彩可视化 markdown 格式,支持footnote和check等拓展,甚至支持 html/LaTeX 格式的markdown富文本。

有些文件非常庞大,很容易让 Neovim 变得缓慢。因此他不得不禁用 LSP、自动补全、Tree-sitter 和语法高亮,只是为了让它不卡顿。
作者 Exciting_Majesty2005 是第三世界的 Termux.dev 用户,目前在孟加拉国上高中。使用 Termux 和 NeoVim 可以获得 PyDroid 提供的所有功能,而无需每月订阅。

好心的用户们已经给他捐款了2300刀的电脑
开源社区也在回报他。在 Reddit 帖子里甚至有人推荐他来申请新加坡国立大学,这让一直以来想要学医的他有了更多的自由
https://neozhaoliang.github.io/gifmaze-cn/ #cg #math #dalao

貌似是对 def 迷宫生成(): yield pix[Nd(n x m, 0 or 1)], pix=❑ 等算法可视化的gif编码优化了,
没有入选500LoC的原因,我猜是没有足够的“独特性”,优化相对于耦合度代价太高,因为,单纯用ffmpeg -pipe拼接帧也能提速,然后帧差+LZW压缩 可能不如FFT的劲爆,虽然PNG就是像素渐变色差+zip压缩。

捣鼓了半个月,效果还是很不错的
- GIF89a 协议允许每个打包的数据块指明其所使用的最小码字的长度,如果你事先知道这一帧图像用到的颜色数目,比如 4 种颜色,那么 2 个比特就足以表示这 4 种颜色,从而最小编码长度可以设置为 2
- 对于dirty rect,每帧编码时只针对这个子区域编码即可
#rust #performance #dalao
https://curiouscoding.nl/posts/1brc/
作者对大量 'city;0.00\n' 模式数据的minmax/avg优化perf了手动解析,依次使用 atoi、 match .\d{3} 、SIMD memchr 寻找';',
直到靠 s.get_unchecked(s.len().. *(0 if len<k else 1) 来减少jmp 实现了100x的加速
还使用了 record.min = max(-value, record.min) 等位运算和超线程技术,逐条汇编跑分
最终做到了1.06s解析13G数据
duangsuse::Echo
#ai #tool #news https://platform.deepseek.com/api_keys +86可直接登录,免费10Y额度,需要实名认证后再充值 与OpenAI兼容,但需要配置为 https://api.deepseek.com?model='deepseek-chat' >当o1、Claude、Gemini和Llama 3等模型还在为数亿美元的训练成本苦恼时, DeepSeek-V3用557.6万美元的预算,在2048个H800 GPU集群上仅花费3.7天/万亿tokens的训练…
#AI 最近听到几个亲戚都开始议论「DeepSeek 又赢了,让资本抛弃了看扁中国的英伟达」 的这回事

抛开「赢学」不谈, 深度求索的这个突破(400w刀比肩GPT4、 多轮对话补齐减免重复收费、开源、开辟国内市场。。。) 非常有讨论的价值

过去,我们作为外行也一直认为, AI=优质数据+海量算力+DNN强化训练和精调大模型

GPU的暴力,对未来的AI一定是不可或缺的,本地部署的模型,一定不如集群可部署的

确实,算力越多iter越方便,但低算力、高数据质量、更能fit的模型, 是否能打破这个「IQ越高才越聪明」的魔咒呢? AI炒股有个著名的定律是,无输入=无效输出,AI不能无中生有,现在看来也不一定?

#statememt
即便从IT来看,「算力为王」也是站不住脚的: 1G 2G 4G 16G, 手机内存和CPU越来越大, 实现的功能(包括较之PC)却没有指数型的提升!(说的就是你,微信)
同样,流量带宽4G、5G 进化,却被HEVC,AV1等有损压缩的进化打回原形。
同样,对微电子行业「摩尔定律」,也被GPU等异构计算打破了,GPU这一群野🐔 确实超越了CPU这一位“博士后”。

- 力大砖飞+大数据 不是唯一,数据质量更重要,这毋庸置疑。
- DeepSeek 真的突破了算力封锁,而不是踩着GPT填的坑,弯道超车的吗? 是否可复制?能否再生产?
- 除了LLM,随着算法的迭代,任何DNN的应用,都可以在RTX等消费级显卡上运行乃至训练吗?
- AI算力需求真的能无限压缩,「树真的能长到天上去」吗? 未来,常人的脑力换算成GPU是R几?
- nVIDIA/BTC 的价值投资还会有多少波动? 虽然我不清楚BTC是怎么借显卡炒高的,毕竟算力廉价=挖矿容易。
>
现在deepseek给出的模型大小是19GB。 如果大模型的大小被压缩到了1GB,你猜会发生什么?
国内外互联网,脑子正常的从业者都知道ai模型虚胖的秘密。但是把价格打下来,等于是自己砸自己饭碗。本来大厂优势会被挤压殆尽,大裁员。
大厂的优势是啥?不就是钱么?但,一个搞金融的企业把互联网的碗砸了,可以说对业务没有根本波及,甚至还能靠做空,大赚一笔。
>https://livebench.ai/#/ r1-14B/32b,4090显卡24g显存。离官网的671b差远了,蒸馏过的本质上依然是千问。 dsv3会说自己是gpt4,而dsr1的基座是dsv3语料库,大概率是有gpt4生成出来的内容, 但让ds跑llama70b效果很拉,说明ds是有优化本事的
>
编程来说,gpt4o更好用,claude3.5就更好了,deepseek完全不行。我是在本地电脑运行的,比较chatgpt和deepseek就像比较windows和Linux,它参数小并且开源,openAI早就不open了。

https://m.youtube.com/watch?v=xXmbLf4MyBs
https://m.youtube.com/watch?v=5L0KPqNxCmE
https://m.youtube.com/watch?v=QGGHPIZoLgc
https://m.youtube.com/watch?v=ZxX4LRqgK2U #dalao 翟老、Leonard、文昭 三大经济鉴证宗师

以下是投票
duangsuse::Echo
#tool #security 浏览器插件&PWA https://abracadabra-demo.pages.dev/ 感谢 SheepCHef 大佬用js-Wasm开发的 魔曰 >求鹂以游月,空必指冰开画,况心褔勤赴,天曰,何高之任,称礼以达光。 算法输入: 明文(密码123) -> 压缩 -> AES-256-CTR -> Base64 -> 三重转轮(DES)/ 映射汉字 -> 密文 可生成高仿真文言文,参考康熙二十三年《古文观止》真实语料。 与传统方案一致的高强度加密,更复杂的组句/语法选择机制,更先进的消息隐写。…
ps. 给这位作者的UX一点建议

- 模式切换反了? 默认就是古文模式啊(这好像是调试模式 不能解密)
- #input.onpaste 可以默认成处理&拷贝,这样不方便处理多条评论
- 可以支持URL调用,?text&key&rand=1 什么的,与copyQ等剪贴板管理器配合
- 加密/解密按钮,看起来中规中矩,其实体验很机械。 处理/交换两框 可以允许多次加密、自动判断加解密, 而不是每次都去全选-删除-粘贴,然后选错按钮了

另外一个好处是,可以让原文密文框的大小配比永远是美观的, 只需要长按不同的框paste,就能一键操作

这方面的人体工学优化,MT两栏式文件管理器很有发言权😍

https://github.com/duangsuse-valid-projects/MinBase64/blob/master/app/src/main/res/layout/main.xml#L32 我十年前的编解码apk是这样的, 但它只有一个框,靠长按切换编码解码

。。然后,GH上解密的结果是 magnet:?xt=urn:btih:C0FE00AD10B9D9F90A0750D1A6B9F6C6B8F2F5B6

这是两段默认key的密文拼接,但是,没法自动把junk separator 识别出来,只处理默认密文。

如果是为防和谐,默认密钥的混淆体验还是挺重要的,可以约定为平台名、用户名
https://shef.cc/2024/11/30/abracadabra/ #blog #dalao
#cs #dalao 好优秀的少年啊。
https://github.com/silver-ymz/resume 尹铭卓 西安交通大学 计算机科学与技计

算机系统导论(97) 形式语言与编译(93) 操作系统(90) 计算机网络(89) \
线性代数与解析几何(95) 离散数学(94) 优化方法基础(91) 概率统计与随机过程(89)

- riscv c子集编译器
- 一个提供*向量相似性*搜索功能的 Postgresql 插件.
- opendal S3框架
- #security CPU prefetch测信道攻击 https://tttttt.me/LIF_Groups/2387679
#ai #tool 🌠🔍 半年前就笔记下了,没想到没发到频道,害我搜半天 😅
#WASM
https://real-cugan.animesales.xyz
https://cappuccino.moe/

[RIFE 60fps](https://github.com/nihui/rife-ncnn-vulkan#download) ps. 可能过时了,毕竟AI视频也是经历过没有控帧,每帧闪一下的时期的

再次感谢 [Nihui](https://github.com/nihui) [腾讯优图] 打包诸多nCNN应用的电脑端,用户运行很方便!
https://tttttt.me/opensuse_cn_offtopic/101130 😱 #dalao
https://tttttt.me/c/1206812331/449739
Forwarded from dnaugsuz
即使使用英文, #PLT 领域内就连最简单的术语都充满着歧义和晦涩。如果你对 PLT 里的各种术语仍未祛魅,去搞清楚 dependent sum type 和 sum type 的区别吧,这是每一个 PLer 学习过程中必吃的 💩


啊,这个 #dalao 说的道理太好了,我太喜欢了 https://github.com/anqur/TinyLean

hole 和 React useHook(var) 差不多,这种比喻都被一些人视为不优雅的。 就是要去魅,要抽象,要解构
比如那个栏目答(入x. x+1) ,就是不能用他们的语言转述, 就是不能用它们的(()圆括号)讲解,要用中文,要不然就被带到坑里去了。