Loading video...

Video Failed to Load

Go Home

6月14日，B站一名数码区UP主发布视频讨论《网络测评活动规范》，认为治理“夸大宣传、只评不测、商测一体” 有必要，但也担心新规在执行中变成压缩民间测评和负面评价的工具 视频中提到，很多数码测评依赖自建模型和真实使用场景，例如高温户外续航、发热、系统体验等，这些未必能完全套用国标或实验室检测 如果平台收到厂商或竞争对手举报，可能出于避责先下架、限流或封禁内容 评论区也有网友表示担心 “以后数码UP转行成中文泽那种上情绪价值就不行了” “实际上就是利好厂商” “肯定能起到他原本想要的作用。就是让你们别评测。” 也有人认为规范实际会利好厂商，削弱独立测评

whyyoutouzhele's profile picture

李老师不是你老师

2,246,087 subscribers

107,320 views • 2 months ago •via X (Twitter)

EducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

近日，有网友意外发现在同一则视频评论区下方，自己和老婆的评论区内容完全不同。 据推测，可能接下来用户在热门抖音上所能看到的评论区会根据大数据来呈现更契合用户心理的内容，从而达到信息茧房的效果。
0:53

近日，有网友意外发现在同一则视频评论区下方，自己和老婆的评论区内容完全不同。 据推测，可能接下来用户在热门抖音上所能看到的评论区会根据大数据来呈现更契合用户心理的内容，从而达到信息茧房的效果。

李老师不是你老师

913,991 views • 3 years ago

很多AI模型在测试环境表现正常，一到真实场景、市场波动、自动化运行时，表现就会不稳定。 静态测试数据，反映不出实际运行情况。 只做模型评估远远不够，必须对AI输出结果做验证，才能保证安全可靠。 Inference Labs 做的就是这件事，聚焦AI实际运行验证，不搞虚标数据。 想了解AI落地真实逻辑，可以关注他们社区。 #VerifiableAI #zkML #InferenceLabs Inference Labs
0:24

很多AI模型在测试环境表现正常，一到真实场景、市场波动、自动化运行时，表现就会不稳定。 静态测试数据，反映不出实际运行情况。 只做模型评估远远不够，必须对AI输出结果做验证，才能保证安全可靠。 Inference Labs 做的就是这件事，聚焦AI实际运行验证，不搞虚标数据。 想了解AI落地真实逻辑，可以关注他们社区。 #VerifiableAI #zkML #InferenceLabs Inference Labs

币自由 🐬

25,034 views • 4 months ago

最近，抖音上有网友们发视频怀念胡锦涛以及他治理下的中国。 一位网友发布一张“灯泡糖”的照片，暗示胡锦涛，随后评论区有网友回复：“把他给朕拖出去！我能干到150岁！”“不要动我，我自己能走”不久后评论被全部清空。 还有网友上传胡锦涛过往的讲话，不久后视频或评论便会遭到平台删除，网友们在这些视频下评论：“文景之治”“不折腾，科学发展”“以为是开始，实际是巅峰”“不会再有的辉煌！”“最幸福的时代”
0:46

最近，抖音上有网友们发视频怀念胡锦涛以及他治理下的中国。 一位网友发布一张“灯泡糖”的照片，暗示胡锦涛，随后评论区有网友回复：“把他给朕拖出去！我能干到150岁！”“不要动我，我自己能走”不久后评论被全部清空。 还有网友上传胡锦涛过往的讲话，不久后视频或评论便会遭到平台删除，网友们在这些视频下评论：“文景之治”“不折腾，科学发展”“以为是开始，实际是巅峰”“不会再有的辉煌！”“最幸福的时代”

李老师不是你老师

597,881 views • 6 months ago

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31
1:45

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31

karminski-牙医

86,008 views • 1 year ago

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。 感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。 看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。 信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。 这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。 因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。 所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs
0:46

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。 感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。 看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。 信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。 这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。 因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。 所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs

Michael 宝塔镇河妖🧙🏿‍♀️

11,822 views • 5 months ago

央视报道，网络安全专家发现，手机厂商在手机固件里暗藏识别代码。 当手机识别到特定的手机评测博主名字和测试项目后，就会自动启动作弊模式，包括自动拉高CPU性能、调高屏幕亮度、优化后台、切换软件时仅加载界面等等，营造全程流畅的假象。 而且这套作弊系统也会更新迭代，每次升级都会加强隐蔽性。 所以不管KOL评测里同一款手机有多流畅，到你手里连“仅供参考”的价值都没有，直接无法参考。 xiaobai KOL不用说也知道是哪位了吧？
0:33

央视报道，网络安全专家发现，手机厂商在手机固件里暗藏识别代码。 当手机识别到特定的手机评测博主名字和测试项目后，就会自动启动作弊模式，包括自动拉高CPU性能、调高屏幕亮度、优化后台、切换软件时仅加载界面等等，营造全程流畅的假象。 而且这套作弊系统也会更新迭代，每次升级都会加强隐蔽性。 所以不管KOL评测里同一款手机有多流畅，到你手里连“仅供参考”的价值都没有，直接无法参考。 xiaobai KOL不用说也知道是哪位了吧？

Ken W

58,315 views • 1 month ago

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub： 市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。 开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。
0:27

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub： 市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。 开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

高军

41,901 views • 3 months ago

3月28日，“极客湾”云飞在直播中聊“手机大横屏”被下架的原因：“其实没你们想象的那么复杂，也没有上升到(国家) 那种高度，太阳照常升起” 云飞透露：厂商里面人很多，立场也都不一样，某厂商的一个人(高管) 不太识趣，不太了解情况，然后去告了校长(上级部门) 所有厂商在得知大横评被下架后都很爆炸，其实没有厂商想搞我们，因为这事实际上是双输。“这个事对我们来说总体没那么大影响，就是停更了一个月，损失掉几个商单，但是对厂商来说影响很大，这事让厂商现在送测都变得很困难” 据悉，极客湾自2月25日起，已恢复更新。
2:05

3月28日，“极客湾”云飞在直播中聊“手机大横屏”被下架的原因：“其实没你们想象的那么复杂，也没有上升到(国家) 那种高度，太阳照常升起” 云飞透露：厂商里面人很多，立场也都不一样，某厂商的一个人(高管) 不太识趣，不太了解情况，然后去告了校长(上级部门) 所有厂商在得知大横评被下架后都很爆炸，其实没有厂商想搞我们，因为这事实际上是双输。“这个事对我们来说总体没那么大影响，就是停更了一个月，损失掉几个商单，但是对厂商来说影响很大，这事让厂商现在送测都变得很困难” 据悉，极客湾自2月25日起，已恢复更新。

李老师不是你老师

386,250 views • 4 months ago

卧槽，AI 现在已经可以完全模拟真实人类的消费行为了啊。 我其实一直在关注一个模拟真实消费者行为的智能体atypica.AI，刚刷到他们的产品案例让我挺震惊的： 国内有个美妆品牌做了组香水电商图测试，拿了五张图来测，同时跑传统的真人测试和 Atypica 的 AI 人设测试。 结果两边的排序结果完全一致！ 关键是两边的成本差距是 100 倍，Atypica 的价格不到传统测试的 1% 而且它出的报告还更具体，还会解释 AI 人设为什么选这张、其他图分别适合放在哪个场景里。 原因是 Atypica 背后有 100 多万个合成用户，覆盖不同国家、不同行业、不同消费群体，相当于你随时有一个免费的用户决策智库。 目前注册就有 100 万免费 token 可以体验，链接见评论区
1:33

卧槽，AI 现在已经可以完全模拟真实人类的消费行为了啊。 我其实一直在关注一个模拟真实消费者行为的智能体atypica.AI，刚刷到他们的产品案例让我挺震惊的： 国内有个美妆品牌做了组香水电商图测试，拿了五张图来测，同时跑传统的真人测试和 Atypica 的 AI 人设测试。 结果两边的排序结果完全一致！ 关键是两边的成本差距是 100 倍，Atypica 的价格不到传统测试的 1% 而且它出的报告还更具体，还会解释 AI 人设为什么选这张、其他图分别适合放在哪个场景里。 原因是 Atypica 背后有 100 多万个合成用户，覆盖不同国家、不同行业、不同消费群体，相当于你随时有一个免费的用户决策智库。 目前注册就有 100 万免费 token 可以体验，链接见评论区

阿西_出海

26,543 views • 2 months ago

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：
0:29

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：

歸藏(guizang.ai)

181,401 views • 10 months ago

继“特调机”后再出“媒体特调车” 2月23日，一名自称曾任职于中国汽车技术研究中心（中汽中心）的工程师发布视频称，部分汽车媒体试驾活动中使用的车辆也可能经过专门调校。 该工程师表示，在一些媒体试驾场景中，厂商提供的试驾车“很可能是特调车”。她称，对于传统燃油车影响相对有限，但在电动车上，通过软件调校即可改变车辆参数，甚至不需要工程师到场，远程即可完成设置。 如果媒体测试车辆动力表现，厂商可能会提供动力参数更高的车辆，若媒体测试能耗表现，则可能提供动力略低但能耗更优的车辆，以获得更理想的测试结果。 对此，该博主建议，普通消费者如果希望更真实地了解车辆表现，与其参加品牌试驾活动，不如直接前往4S店试驾，或通过租车平台进行实际体验。
0:49

继“特调机”后再出“媒体特调车” 2月23日，一名自称曾任职于中国汽车技术研究中心（中汽中心）的工程师发布视频称，部分汽车媒体试驾活动中使用的车辆也可能经过专门调校。 该工程师表示，在一些媒体试驾场景中，厂商提供的试驾车“很可能是特调车”。她称，对于传统燃油车影响相对有限，但在电动车上，通过软件调校即可改变车辆参数，甚至不需要工程师到场，远程即可完成设置。 如果媒体测试车辆动力表现，厂商可能会提供动力参数更高的车辆，若媒体测试能耗表现，则可能提供动力略低但能耗更优的车辆，以获得更理想的测试结果。 对此，该博主建议，普通消费者如果希望更真实地了解车辆表现，与其参加品牌试驾活动，不如直接前往4S店试驾，或通过租车平台进行实际体验。

李老师不是你老师

285,109 views • 5 months ago

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。 下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness
5:39

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。 下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 views • 2 months ago

“真正的单刀赴会” 8月2日，针对网络上关于“气象台不敢报40℃以上高温，是为了避免企业停工和发放高温补贴”的质疑，有官方媒体主持人发布视频“权威回应”。 此前，评论区只剩下一条网友评论： “是是是你说得都对，热射病都是冻死的，人们出行在外面，外面的劳动工作者都是在百叶箱里工作。” 而后视频的评论区遭到控评，只剩下大量仅刷“赞”和“玫瑰花”表情包。
1:08

“真正的单刀赴会” 8月2日，针对网络上关于“气象台不敢报40℃以上高温，是为了避免企业停工和发放高温补贴”的质疑，有官方媒体主持人发布视频“权威回应”。 此前，评论区只剩下一条网友评论： “是是是你说得都对，热射病都是冻死的，人们出行在外面，外面的劳动工作者都是在百叶箱里工作。” 而后视频的评论区遭到控评，只剩下大量仅刷“赞”和“玫瑰花”表情包。

李老师不是你老师

377,145 views • 19 days ago

产品不是自家的，却急着“对号入座”？博主称视频未提红魔，仍被追责 6月12日，B站一up表示，自己收到红魔方面律师函，对方称将依据“网络测评活动规范”对其采取进一步行动 事情起因是一条已通过抖音星图审核、并被平台认定为“深度优质内容”的视频，后来被红魔要求平台强制下架 首先，视频中出现的仅是一款经过打码处理的散热器，而该产品本身并非红魔旗下产品。 其次，原视频自始至终未提及“红魔”二字。 红魔方则认定，虽然画面打码，但产品形状和颜色可看出为其公司产品，并认为评论区网友提到红魔产品，已严重降低公司声誉，要求博主道歉并赔偿损失 博主此前曾多次为红魔产品进行宣传推广，前段时间还参加了红魔8周年活动 有网友在评论区称：“以前厂家随便扯个离谱的理由就能让视频下架，现在是有了尚方宝剑了”
2:17

产品不是自家的，却急着“对号入座”？博主称视频未提红魔，仍被追责 6月12日，B站一up表示，自己收到红魔方面律师函，对方称将依据“网络测评活动规范”对其采取进一步行动 事情起因是一条已通过抖音星图审核、并被平台认定为“深度优质内容”的视频，后来被红魔要求平台强制下架 首先，视频中出现的仅是一款经过打码处理的散热器，而该产品本身并非红魔旗下产品。 其次，原视频自始至终未提及“红魔”二字。 红魔方则认定，虽然画面打码，但产品形状和颜色可看出为其公司产品，并认为评论区网友提到红魔产品，已严重降低公司声誉，要求博主道歉并赔偿损失 博主此前曾多次为红魔产品进行宣传推广，前段时间还参加了红魔8周年活动 有网友在评论区称：“以前厂家随便扯个离谱的理由就能让视频下架，现在是有了尚方宝剑了”

李老师不是你老师

134,641 views • 2 months ago

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。 它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。 它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。 普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。 高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。 高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码 这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？ 而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！ 这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间 完整的文章参考： 中文译文：
4:46

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。 它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。 它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。 普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。 高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。 高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码 这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？ 而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！ 这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间 完整的文章参考： 中文译文：

宝玉

265,105 views • 2 years ago

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。 今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。 支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub： 另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。 环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。 适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。
0:51

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。 今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。 支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub： 另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。 环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。 适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。

GitHubDaily

17,286 views • 5 months ago

测评一个宿舍静音神器--漫尤的「GO咪」 ❤️评+转+关抽一个宝子送出GO咪 这是一个很不错的宿舍静音吮吸小玩具 🌟实测一档声音只有34分贝，宿舍使用完全无压力 🌟和偷欢mini一样，连接app之后有100个档位的无级变速调节 🌟强度跨度也挺大，低档位对新手友好，高档位也适合进阶玩家 🌟漫尤的app主打AI体验，内置了AI剧本和人物，互动体验很丰富，玩法也很多 可以说是偷欢mini很好的同价位平替，强度表现上比偷欢mini更好，具体的对比可以看测评视频 🍑宝可以搜索对应数字领券 基础版：51421300 AI版：54828300 到期可补或置顶帖评论区自取
4:32

测评一个宿舍静音神器--漫尤的「GO咪」 ❤️评+转+关抽一个宝子送出GO咪 这是一个很不错的宿舍静音吮吸小玩具 🌟实测一档声音只有34分贝，宿舍使用完全无压力 🌟和偷欢mini一样，连接app之后有100个档位的无级变速调节 🌟强度跨度也挺大，低档位对新手友好，高档位也适合进阶玩家 🌟漫尤的app主打AI体验，内置了AI剧本和人物，互动体验很丰富，玩法也很多 可以说是偷欢mini很好的同价位平替，强度表现上比偷欢mini更好，具体的对比可以看测评视频 🍑宝可以搜索对应数字领券 基础版：51421300 AI版：54828300 到期可补或置顶帖评论区自取

啪啪熊的妙妙屋（大人玩具版），置顶领优惠

47,011 views • 3 months ago

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样
2:10

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 views • 8 months ago