美研芒格君
@Kay2289123 • 33,311 subscribers
来自硅谷的投研团队 成员来自斯坦福、沃顿商学院 懂技术的投资者，懂投资的工程师 致力于让模型更聪明、更快、更便宜
Videos
最近 Muse 很火，我也在想：有没有可能，让我们已经在用的任意的AI，也拥有像 Muse 一样操作电脑的能力？ 因此我周末捣鼓了开源一个skill。一句话来讲，使用它可以让任何AI 接到电脑上的 Computer Use，让它能看屏幕、点按钮、输入文字，直接操作 App 顺着这个方向，可以尝试的事情就很多了：找餐馆、查机票、购物比价，或者整理社交媒体素材。以前需要自己在几个 App 之间来回切换，现在可以试着用一句话把任务交给你已经订阅了的AI。（Kimi, 豆包 Gemini, Codex, Claude 等等） 开源链接 使用方式 把这个 GitHub 链接直接给到 AI，让它帮忙安装 在 demo 里，我演示了如何安装，并以 Claude Code 为例，操作我的浏览器，帮我给餐馆定位 我更感兴趣的是背后的成本空间。 这个 skill 复用了本机已安装的 ChatGPT/Codex Computer Use 组件，由你选择的模型理解任务、决定下一步怎么做。项目脚本本身不调用 OpenAI 推理 API，因此，不会消耗 OpenAI 的 Token，但前提是你要安装了 Codex 我自己也更愿意让操作发生在自己的电脑上，继续用自己的 App 和登录状态。此外所有的支付信息、付款记录全部留在本地，解决合规、隐私的顾虑 先开源出来，给大家玩玩。我很想看看，当更多 AI 能直接操作电脑之后，大家会拿它做出什么有意思的东西 如果是你，你最想让它接手电脑上的哪件事？如果你用起来觉得还挺有意思的，欢迎提交 PR，也欢迎点点 star 后续我们也会用仓库把我们的投研 harness 陆续开源出来
美研芒格君16,262 次观看 • 5 天前
我在AI 训练和推理这行干了很多年，最近越来越觉得，机会正在往两个方向转移 为了让所有人都能理解这个趋势，我拆解了一家Harvey的 AI 律师公司，他们用开源模型在特定领域 GLM 击败了 Fable5 和 GPT-5.6，我认为是个趋势 本来写了一篇长文来科普，后来觉得字数太多，于是 做了一个教学 Skill 工具，把写好的稿子变成一个音频同步的视频 如果你想转行，我很推荐两个方向 > 一个是后训练，也就是拿一个已经很聪明的模型，在明确的任务、工具和成本约束下，再针对这条生产线加练一遍 > 另一个是AI 推理，其实两者不分家 ， 最后自己读一遍都觉得，这么多公式和缩写，谁会看完呢？我自己文字读多了都觉得累。所以干脆换个办法，把它做成了一个不到十分钟的小视频，一边讲，一边在白板上把图画出来。视频放在下面 视频里我按一堂课的顺序讲了下面这些 1. 为什么通用模型在一条具体生产线上不是最优，后训练到底在修什么 2. 开放权重和闭源的区别 3. 监督微调和 GRPO 各管什么，GSPO/GRPO/LoRA 的应用差异 4. 在垂直领域，开源模型 overall 是如何击败闭源模型的？ 这个视频是我自己搭的一个小工具做出来的，逐字稿进去，配音和白板动画自动出来，讲到哪句画到哪步。工具还在打磨，做顺手了再拿出来细说。
美研芒格君37,900 次观看 • 24 天前
没有更多内容可加载