跳到正文
10月11日周日
  1. Hacker News12

    单个大肠杆菌细胞令人费解的智能:趋化性如何让一个无脑细胞觅食

    大肠杆菌通过趋化性觅食,用约半打转子驱动鞭毛在"游动"与"翻滚"间切换,默认游动约1秒、是翻滚时长的十倍。信号分子CheY被磷酸化为CheY-p后结合转子引发翻滚,吸引物浓度上升会打断这一过程,使细胞多游动少翻滚。细菌可将信号放大逾50倍,2%的受体占据变化即可带来鞭毛马达输出100%的变化,并能在五个数量级的浓度范围内保持敏感响应。

  2. Hacker News34

    用 NeuDecide 打造的语音赛车游戏:喊一声就能开车

    Neuphonic 的 43 MB 语音转工具调用模型 NeuDecide 被用来驱动一款像素风赛车游戏,玩家直接说 "go left"、"speed up"、"jump" 即可操控,无需语音转文字或聊天机器人。模型可在本机原生运行,也可通过 WebAssembly 完全跑在浏览器内,支持 6 条语音指令,原生引擎从说完到游戏响应约 200 ms,浏览器引擎约 0.3-0.6 s。

  3. GitHub8

    AI-Laboratory:可交互的 AI 学习实验项目

    GitHub 上的 AI-Laboratory 项目把 AI 概念做成可交互实验,涵盖监督学习、无监督学习、AI 案例研究和基于学习的方法等模块。每个实验按"选择实验→打开应用→交互→观察→理解"的流程设计,无需复杂配置或冗长理论,面向教育用途,帮助学习者通过亲身体验理解 AI 如何从示例中学习。

  4. Hacker News36

    软件开发中的渐进式确定化:用 LLM 弱点定位该写成普通代码的部分

    开发者提出"渐进式确定化"方法:先用一个 prompt 让 LLM 完成整个任务,再通过运行观察其出错、重复推理、耗时十秒等问题,逐步把汇率查询、VAT 计算、科目校验等环节抽成确定性代码,让 prompt 缩小、代码增长。该方法需记录每次模型调用的输入、输出、成本与耗时,并以 BDD 风格的 given/when/then 测试保证抽取后的行为正确。

  5. RadarAI38

    利用 AI 提示词突破阅读门槛与找书偏好

    作者分享了一套 AI 提示词,让模型从故事性、写作风格、主题与阅读体验等维度解析自己喜爱的书籍,并推荐阅读感受相似的好书,以此降低选书门槛、探索个人阅读偏好。作者同时定下每月 200 元买书预算、每周阅读一两本的目标。

  6. RadarAI48

    用好 AI 的前提:个人数据化全指南

    高效使用 AI 的前提是先完成个人数据化:大模型缺乏个人真实背景时只能给出空泛回答。作者给出的实操方案是整合可穿戴设备记录的身体数据、本地 Markdown 沉淀的日常思考与工作记录,以及按文件夹归拢的影像资料,统一提供给模型调用,以获得更贴合个人的精准回答。

  7. GitHub22

    huzjie/ai-daily-hub:70+ 个零依赖可复现 AI 框架合集

    GitHub 项目 huzjie/ai-daily-hub 收录 70+ 个零依赖、可复现的 AI 框架,每个对应一个真实热点并附技术原理拆解、可复用代码与工程技巧。项目按稀疏 MoE、决策模型、嵌入检索、多模态世界模型、智能体编排、训练算子六条技术线组织,统一采用纯 Python 零依赖内核、确定性可训练 mock、多后端、基准测试与 OpenAI 兼容 HTTP 的交付套路。

  8. RadarAI35

    利用常用符号提升 AI 指令清晰度

    通过引入 #、*、[ ] 等常用标点符号,可以结构化 AI 提示词,使指令更清晰、模型理解更准确。作者指出许多 AI 用户未能充分利用标点符号来构建指令,并介绍了 7 种简单符号的使用方法,帮助写出结构清晰、逻辑明确的 Prompt,以提高与 AI 交互的效率。