大概还有给 Martin Odersky 的学生刷 paper 吧 ...

似乎很多人把“疯狂”和“好”划等号
我觉得现在也挺疯狂的

类似的问题 NGA 讨论过了 nga.178.com/read.php?tid=35867636
选择的问题 NGA 也讨论过了 nga.178.com/read.php?tid=35174425

就 3.5-turbo 的效果来说，我觉得它更适合的用法是 Prompt 中给出一些信息，然后让 LLM 基于这些信息构造或转换成另一种形式的信息（中间可能涉及一定的推理）。
比如自然语言写代码就是一类，还有一个我在探索的做法是把自然语言的 etymology 描述转换成结构化的描述： https://gist.github.com/secondwtq/d00ea3a0d88c6098a57b0dba04054466 注意这里面的 etymology 数据是我自己事先从 wiktionary 里面抄下来给它的，你直接问它 etymology 它也知道，但是结果就不那么可靠。Changelog 推过一篇文章把 LLM 比作“calculator for words”我觉得很形象：simonwillison.net/2023/Apr/2/calculator-for-words Think of language models like ChatGPT as a “calculator for words”

当作“搜索引擎”就不太好，反而应该尽量限制它使用 Prompt 之外的信息（当然你可能很享受自己 fact check 这个学习的过程）。主要是 hallucination 太严重了，让它原文引用点东西都是很难的事情，比如这是我拿它搜陆游的诗的结果：

> 《秋夜将晓出篱门迎凉有感》：“三万里河东入海，五千仞岳上摩天。遗民泪尽胡尘里，南望王师又一年。已是悬崖百丈冰，犹有花枝俏冒春。梦得楼台声啾啾，昨夜风雨过后天。”
>《钗头凤·世情薄》世情薄，人情恶，雨送黄昏花易落。晓风干，泪痕残，欲笺心事，独语斜阑。难，难，难！人成各，今非昨，病魂常似秋千索。角声寒，夜阑珊，怕人寻问，咽泪装欢。瞒，瞒，瞒！
> 《卜算子·咏梅》：“风雨送春归，飞雪迎春到。已是悬崖百丈冰，犹有花枝俏。”

鉴定为不如百度。

这可能是 GitHub 的一个灰度更改，我浅度使用下来只能说和原来的比各有千秋
你可以点头像下面的 Feature preview 禁掉

@xitek #9 你正好只 fact check 了一半

大 M 给 CPU 分的是等效 2xLPDDR5-6400 ，正好我回贴的这个机子也超到了 2xDDR5-6400 ，你就算超到 8400 也并不能翻倍。

点阵字体大多感觉在 HiDPI 屏幕上没内味了

楼主想找的可能是类似打字机的字体： https://tug.org/FontCatalogue/typewriterfonts.html

对于这个 case 来说，现代 C/C++/Fortran 编译器对于整数的 div/mod 操作，当除数是整数时是可以直接优化掉的
https://godbolt.org/z/Eo8T56hn5

相对于“字节”来说，“字”的概念貌似不那么绝对
比如现代 CPU 通过 SIMD 能访问 16/32/64 字节的数据，也没人说它是 512 位 CPU
相对来说我更喜欢把重点放在寄存器大小和地址大小上，虽然一般这俩和“字”在数值上是一样的

@kkkbbb 你直接贴视频链接就行
其实有时候挺烦的 ... 经常打乱回复排版，就像公众号文章两句话一个图的感觉一样

www.youtube.com/watch?v=OHKKcd3sx2c Microsoft is Forcing me to Buy MacBooks - Windows Modern Standby - YouTube

微软现在就是这个作风，先扔你一个看上去还可以的东西，再一点点把屎掺进去
isdotnetopen.com Is .NET an open platform yet?

你别说，我这 Linux （无 swap ）也是这个情况，而且好像更夸张：

系统+Home 盘：
Data Units Read: 1,000,741 [512 GB]
Data Units Written: 6,658,573 [3.40 TB]
Host Read Commands: 10,158,853
Host Write Commands: 78,860,657
Controller Busy Time: 31
Power Cycles: 43
Power On Hours: 2,575

数据盘：
Data Units Read: 28,896,974 [14.7 TB]
Data Units Written: 35,039,315 [17.9 TB]
Host Read Commands: 425,424,705
Host Write Commands: 433,676,025
Controller Busy Time: 6
Power Cycles: 120
Power On Hours: 7,041

有没有一种可能，比如我编译一个项目，中间结果（比如.o ）绝大多数都直接放在 page cache 里面链接的时候直接取出来，导致最后都写进去了，但是从来没真正读过？

隐身模式下访问网页所有的连接都是单独的，不会复用非隐身模式的连接。
如果你是“平常在非隐身模式下浏览，发现出问题了才打开隐身模式可以正常使用”的话，可能是这个原因。

OpenAI 一般是指一个机构 /公司，不过他们这个结构本来就很奇怪，有点类似 Mozilla ，比较合适的限定应该是“以 XXX 同志，XXX 同志，XXX 同志等为领导核心的一群人”，毕竟别管是非营利组织还是 capped-profit 公司，核心都是人。
OpenAI 本身不是一个产品，你应该在 ChatGPT 上给这个答案点个踩。（把“人”当“产品”，我很怀疑 ChatGPT 是否使用了大量阿里的资料作为中文训练集）
有些人在指代 ChatGPT 等产品时喜欢带上 OpenAI （比如 GitHub 的"openai"这个 Topic 现在有 3.3k 的项目，和"chatgpt" Topic 差不多），大概是因为 OpenAI 独特的产品思路，他们的 AI 研究不是只发论文，打比赛或者发发公众号吹牛逼，而是做成了技术产品，而开源社区可以指数级地放大这些产品的影响力。ChatGPT 则意外地（这货到现在还在写着“Research Preview”）进一步降低了门槛，各路流量都能来蹭了。

除了产品之外 ChatGPT 也可以指模型。在 API 里，ChatGPT 的模型叫 gpt-3.5-turbo ，用 ChatGPT 称呼这个模型也没问题——因为 OpenAI 自己就是这么叫的：openai.com/blog/chatgpt ，从这个文章来看 ChatGPT 本来指的就是模型，OpenAI 本来想要卖的产品也是这个模型，而 chat.openai.com 这个界面更像是 ChatGPT 这个模型的 demo 。
ChatGPT Plus 性质又不太一样，首先它确实是一个产品，并且是 OpenAI 少有的直接面向大众的产品。而且看起来它并不是“一个”模型——我没有订阅 ChatGPT Plus ，但是看起来它目前是可以在 ChatGPT 和 GPT-4 两个模型间切换，而 GPT-4 模型的使用量是有限制的。

有人喜欢用“ChatGPT3”或者“ChatGPT4”这种称呼，实际上 ChatGPT 就是一个模型。名字就是 ChatGPT 或 gpt-3.5-turbo ，最多只有小的 snapshot 的区别，目前没有其他版本。
GPT 3.5 和 gpt-3.5-turbo 也不一样，按照 OpenAI 自己的说法（ platform.openai.com/docs/models/gpt-3-5 platform.openai.com/docs/model-index-for-researchers ），很多 *-davinci-* 的模型都属于 GPT 3.5 的范畴。其中 text-davinci-002/003 是 InstructGPT 模型（而 InstructGPT 还有其他更小的模型 ...），而 code-davinci-002 连 InstructGPT 都没有。

还好吧，公共互联网空间本来大部分就是垃圾，98% 是垃圾和 99% 是垃圾没有本质区别

我觉得可以拿安全里的做法来类比，验证信息的来源主流有两种手段，一种是 CA ，一种是 Web of Trust 。搬到日常网上冲浪上面，CA 对应带平台本身的过滤和推荐，Web of Trust 对应个人的订阅列表。也就是说只从信任的平台和信任的帐号获取内容。个人的经历是有限的，这些渠道的信息量就算是在前 AI 时代也远远超出了个人能够消费的级别。
另一方面，既然 AI 能够用来制造垃圾信息，也能用来过滤垃圾信息，比如垃圾邮件过滤大概也算是最早，最普遍的 AI 应用之一了。以后没准论坛也能加一个垃圾回复过滤。

> True leadership is giving people the tools to make good decisions locally.

这话说得好

我感觉我打过交道的基层技术管理都很忙，倒不是管下面的人搞得很忙，而是我们习惯把其他组来的需求推到 leader 头上让 TA 去帮忙扯皮，也就是说大部分时间 leader 是个路由器+防火墙的角色 ...

这下“欧洲里的中国”了