气味也能通过大模型模拟、生成了
AromaGen 是 MIT Media Lab 开源的一个“AI 气味生成系统”,目标是让 AI 像生成图片、音乐一样,根据文字、语音或图片生成现实中可以闻到的气味。 传统电子气味设备通常只能播放预先配置好的几种香味,而 AromaGen 的创新是让多模态大模型理解自然语言中的气味描述,并将其转化成可执行的香料组合。例如用户输入“雨后森林中带着泥土和树木的气息”,系统会计算12
登录后可查看链接AromaGen 是 MIT Media Lab 开源的一个“AI 气味生成系统”,目标是让 AI 像生成图片、音乐一样,根据文字、语音或图片生成现实中可以闻到的气味。 传统电子气味设备通常只能播放预先配置好的几种香味,而 AromaGen 的创新是让多模态大模型理解自然语言中的气味描述,并将其转化成可执行的香料组合。例如用户输入“雨后森林中带着泥土和树木的气息”,系统会计算12
登录后可查看链接大模型的知识库总是会有些滞后的,那怎么让 AI Agent掌握最新的 Web 开发最佳实践呢? 可以看看这个:Modern Web Guidance 是由 Google Chrome、Microsoft Edge、Mozilla Firefox、MDN 团队及 Web 开发社区共同维护的开源项目,主要解决 Claude Code等Agent 容易生成过时前端代码的问题。 项目
登录后可查看链接给大家推荐一个设计师做的开源项目:design-style ,这个开源项目每天拆解一种设计风格,做成动效短片、风格图和制作指南,然后把所有东西连带源码全部开源出来。 我感觉它非常值得大家拿来学习,比如,怎么制作动画短片、怎么设计会更好看? 从第三期开始,每期还多了一份「从 0 到 1」的教程,用什么工具、按什么顺序、敲什么命令全写清楚了,照着走一遍就能复刻一整期。
登录后可查看链接Eva Koroleva 开源的 PyTorch 实践教程。 课程介绍 Transformer 的数学原理,还以从零构建英语到俄语的机器翻译模型为主线,贯穿数据处理、模型训练、性能评估、架构优化和推理部署。 它将现代 LLM 中的 RoPE、RMSNorm、SwiGLU、KV Cache 等技术与真实模型训练结合,并延伸到工程化环节。 课程采用 Jupyter Notebook,每一
登录后可查看链接Grok Bot 头像动画解析:让机器人极具感染力的魔法 网页链接 “最近我非常喜欢用 Grok Bot。很大的一个原因是它的小机器人头像动画,流畅丝滑,非常可爱,就像有个生命真的住在里面一样。相比之下,用回 Codex 之类的工具都感觉冷冰冰的。 Person
登录后可查看链接Obelisk 把本地各种 coding agent 的历史会话统一索引进一个 SQLite 数据库,使得两种上游都可以使用: Agent:提供 obelisk CLI 和相应的 agent skill,让 coding agent 学会查自己的历史——它现场写 JS 查询,本地执行,然后组织语言回答你。 你:提供一个 Electron 桌面应用,你可以翻会话、管记忆、看 token 用量
登录后可查看链接由 Turbo C 2.0 编写的微型问答 Transformer。它可在标准 DOS 环境下于 Pentium 或 486DX 上运行,且可存放在一张软盘上。 36.7 万参数,运行时需要约500K内存 由 Fable 5.2 编写,由 Opus 5.5 训练。
登录后可查看链接电子书 重构大语言模型:高效模型的结构优化技术 网页链接 Manning 出版社的一本技术实践书,作者为 AI 工程师 Pere Martra,目前章节可以免费在线阅读。 它谈论的是能否不从头训练模型,而是通过修改现有 LLM 的内部结构,让模型更小、更快、更便宜,同时尽量保留特定
登录后可查看链接samir-vllm 是一个从零实现的大语言模型推理引擎教学项目 地址:github.com/samir-sarwar/samir-vllm/tree/main 项目使用 C++17 + CUDA,目标是让开发者真正理解 LLM 从输入 Prompt 到生成 Token 的完整执行过程。它主要解决了主流 vLLM 等推理框架代码复杂、抽象层较多、不适合初学者研究底层原理的问题。 作者提
登录后可查看链接一个帮助你学习的skill:苏格拉底式教学法skill 地址:github.com/janestreet/agent_skills/blob/master/socratic-tutor/SKILL.md 其思想源于苏格拉底教学法:不直接告诉学习者答案,而是通过连续提问,引导其自主推理、发现错误并建立知识体系。 相比传统 AI 辅导,它主要改进了三个问题:一是避免 AI 过早公布答
登录后可查看链接模拟一堆沙子~ 让手机屏幕上的沙子拥有真实的物理质感。倾斜手机,沙粒就会滑动;猛地晃动手机,沙粒会因惯性而滞后;用手指在屏幕上滑动,可以在沙堆中划出一道沟壑;将手机屏幕朝下翻转,沙粒就会掉落。 在手机上打开效果更佳:av.github.io/safe-sand/ 一、工作原理 \1. GPU 实时模拟数十万颗沙粒 系统通过 GPU(WebGL2)同时模拟约 10 万
登录后可查看链接在x86设备上模拟Apple Silicon的项目 适用于 x86-64 PC 的通用 Apple Silicon 层。它是一个 UEFI 引导程序,内置 arm64-to-x86-64 转换器、适用于 NVIDIA GPU 的 Metal 驱动程序,以及 Apple Silicon 硬件的模型。截至 v0.1.0 版本,macOS 及多数应用可启动,但运行速度较慢,仍需大量测试。
登录后可查看链接微软把 Windows 上的经典工具 Process Explorer 移植到 macOS上了还开源了 不愧是最佳mac开发者。这是一个面向开发者和系统管理员的高级任务管理器。 Procexp-Mac 支持实时监控 CPU、内存、磁盘、网络和 GPU 使用情况,还能够区分 Apple Silicon 的性能核心(P-Core)和能效核心(E-Core)。点击某个进程,可以查看其线程、TC
登录后可查看链接Nathan Barry发布了他的一项研究:用整数运算从根源消除 LLM 推理的不确定性 网页链接/ 传统 LLM 即使设置 temperature=0,同一 Prompt 仍可能产生不同输出。因为浮点加法不满足结合律:不同 Batch Size、Attention 分块方式和硬件架构会改变累加顺序,导致 Logi
登录后可查看链接physicstravelguide.com/ 物理旅行指南,一个面向物理学习者的开放式知识 Wiki,由物理学作者 Jakob Schwichtenberg 维护。 它试图解决传统教材和课程的一个问题:教材通常按照线性顺序介绍概念,但人真正理解物理的过程往往是非线性、反复迭代的。 这个网站提出一种分层学习方法,将每个物理概念拆成三个层次: ① Intuitive(直觉层),
登录后可查看链接Github的一篇官博,介绍怎么写Skill的,偏skill的工程化实践。 文章提出几个实践: ① 每个 Skill 只负责明确的任务; ② 多个 Skills 可以组合成复杂工作流,例如数据管道的初始化、构建、数据库操作和代码检查; ③ 项目配置放在独立的 manifest 文件中,不要写死在 Skill 里; ④ 重要步骤加入人工审批、自动化测试和 CI 检查; ⑤
登录后可查看链接【技术科普】重复推理率直降 90%、100% 遵循工具约束!上海创智学院开源 321B 多模态 Agent 模型 Nex-N2.6 由上海创智学院(SII)Nex-AGI 团队研发的新一代多模态智能体模型 Nex-N2.6 现已以 Apache 2.0 协议全面开源(Hugging Face: huggingface.co/nex-agi/Nex-N2.6,GitHub: github.
登录后可查看链接一个开源的 AI 视频逆向工程工具,核心目标是:给它一条视频,分析每个镜头是实拍、AI 生成还是代码制作,并告诉你如何复刻。 项目名rea-video ,可以自动完成镜头切分、拍摄手法分析、运镜和布光识别、字幕与音效提取、AI 生成提示词反推,以及视频复刻方案规划。 判断是不是AI生成的部分还蛮复杂,用了传统计算机视觉取证 + 视频元数据分析 + 多模态大模型(VLM)判断 + 多证据
登录后可查看链接館閣楷 GuanGe Kai,一款以明代刻本《四書白文》為字形來源的館閣體開源字體。 经过多次迭代,效果勉强能见人了哈哈哈。欢迎大家下载试用
登录后可查看链接AI Engineering from Scratch 是由 Rohit Ghumare 维护的开源 AI 工程学习项目,目标是让开发者从零理解 AI 的底层原理,并最终能够构建、测试和部署生产级 AI 系统。 它是一套包含 542 节课程、20 个学习阶段、可运行代码、项目实验和 AI 导师 Skills 的完整课程体系。 内容支持 Python、TypeScript、Rust、
登录后可查看链接