Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

又看了一些推友的推荐：还有这个 ArkType 验证库可以尝试：和 Zod 非常类似，但是速度非常快，语法简约更接近 Typesript 的原生写法，错误信息设置的更加清晰。看了几个例子觉得非常不错。如果不是我的代码都和 zod 深度绑定，我还真想换换看。新项目可以尝试一下。一个小结论，如果要做验证，那么目前就是这三个方案最棒： Zod ArkType：更贴近原生语法，更快 Valibot

Viking

67,203 subscribers

23,198 views • 1 year ago •via X (Twitter)

News & Politics Science & Technology Education

Anya Rossi• Live Now

Private livecam show

6 Comments

Cat Chen, @[email protected]1 year ago

每一个这种工具都要发明一套自己的 DSL，这对于独立开发者来说不是问题，但对于团队来说就是个问题——每个新人加入团队都要学一门这种非主流的 DSL。我宁愿用 ts-json-schema-generator，写每个人都会写的 TypeScript，然后它编译为大多是工具都能接受的 JSON Schema。

Travala.com 🏨 ✈️4 years ago

This one's for the Crypto Whales ⬇️ NEW exclusive & luxurious experiences have been added to Apply today & #TravelUnlikeAnyOther with your favorite cryptocurrency.

币安高返佣注册申请 (Parody)1 year ago

挺不错

Zen1 year ago

刚用 ai 写完一个 ArkType 做验证库的项目，然鹅我连 API 都没看完

besh1 year ago

ts还不够吗😢😢

全国上门服务1 year ago

🧑🏾‍🦼‍➡️💂🏾🇰🇳💂‍♂️

Related Videos

推荐一款开源前端动效库，配合threejs效果也是非常的好，如果你需要做一些动效可以直接试试，真的非常棒。视频是我基于将它官方链接丢给Codex生成的，视频也是用了一些官方这个动画效果实现的网页录制生成，非常的丝滑，它的官方做的也是非常炫酷。

推荐一款开源前端动效库，配合threejs效果也是非常的好，如果你需要做一些动效可以直接试试，真的非常棒。视频是我基于将它官方链接丢给Codex生成的，视频也是用了一些官方这个动画效果实现的网页录制生成，非常的丝滑，它的官方做的也是非常炫酷。

知识猫AI实验室

18,015 views • 13 days ago

1️⃣GM，最愉快的周日，可以晚起。 2️⃣DePIN挖矿项目DAWN DAWN ，如果“无法登陆”，依然大概率是“验证码”输入错误，我今天早上重新登录了一个号，试了2次，才成功。 (但是我感觉我每次输入的验证码都是正确的)

1️⃣GM，最愉快的周日，可以晚起。 2️⃣DePIN挖矿项目DAWN DAWN ，如果“无法登陆”，依然大概率是“验证码”输入错误，我今天早上重新登录了一个号，试了2次，才成功。 (但是我感觉我每次输入的验证码都是正确的)

Benjieming的撸毛之旅

15,753 views • 1 year ago

我尝试了一下自然语言编程工具Dify，前几天在我的周刊里推荐过。花了20分钟用这个应用写了一个东西，非常惊艳，完全没有写代码。如果没有Dify的话，我可能需要很长时间才能搞定它。这个应用可以根据简短主题生成Midjourney提示词，效果很好。接下来我会分享一些创建过程，让大家更加了解这个平台。

我尝试了一下自然语言编程工具Dify，前几天在我的周刊里推荐过。花了20分钟用这个应用写了一个东西，非常惊艳，完全没有写代码。如果没有Dify的话，我可能需要很长时间才能搞定它。这个应用可以根据简短主题生成Midjourney提示词，效果很好。接下来我会分享一些创建过程，让大家更加了解这个平台。

歸藏(guizang.ai)

122,005 views • 3 years ago

怎样将保存一个完整的网站到本地？直接使用页面另存为会有非常多的问题，主要是静态资源的问题，比如图片不显示等等。原帖是一个非常火的讨论：方案一：找到一个开源库 SingleFile：提供各种浏览器插件以及 CLI 工具可以很方便的完成站点的一键保存。有 14.9K 个 star。方案二：原帖中的一段 Gist 代码，我看了一下处理：使用FileReader 读取，external css 转换成 inline，并且修改地址到 absolute，图片转换成 base64 images。这两个方案都是值得收藏看看。大家如果有更好的方案也可以分享一下。

怎样将保存一个完整的网站到本地？直接使用页面另存为会有非常多的问题，主要是静态资源的问题，比如图片不显示等等。原帖是一个非常火的讨论：方案一：找到一个开源库 SingleFile：提供各种浏览器插件以及 CLI 工具可以很方便的完成站点的一键保存。有 14.9K 个 star。方案二：原帖中的一段 Gist 代码，我看了一下处理：使用FileReader 读取，external css 转换成 inline，并且修改地址到 absolute，图片转换成 base64 images。这两个方案都是值得收藏看看。大家如果有更好的方案也可以分享一下。

Viking

132,637 views • 1 year ago

今天发的东西，和之前不太一样，今天发的东西，非常有趣，非常试验性。我和几个小伙伴都是 Vibe Coding 的狂热爱好者，有一天，我们想如果你可以实时和 Codex 对话，那可不就可以在开车的时候也 Vibe Coding 了？所以我们做了这个 Realtime 的 Codex —— Hey Codex 通过这个 App，你可以直接与 Codex 对话，他也会给你实时回复，告诉你他正在做什么。下面是一些 Demo 视频

今天发的东西，和之前不太一样，今天发的东西，非常有趣，非常试验性。我和几个小伙伴都是 Vibe Coding 的狂热爱好者，有一天，我们想如果你可以实时和 Codex 对话，那可不就可以在开车的时候也 Vibe Coding 了？所以我们做了这个 Realtime 的 Codex —— Hey Codex 通过这个 App，你可以直接与 Codex 对话，他也会给你实时回复，告诉你他正在做什么。下面是一些 Demo 视频

Hwang

48,069 views • 2 months ago

这是我今年见到的最棒的网页滚动设计就像一个电影一样，你一直在期待接下来是什么效果。这也就是 AI 目前没法代替设计师的原因，如果你想要这么惊艳的效果，那么肯定是需要极致的想象力，如果你和 AI 直接描述说要惊艳一点，那么它一般会给你提供一个非常丑蓝紫色渐变。

这是我今年见到的最棒的网页滚动设计就像一个电影一样，你一直在期待接下来是什么效果。这也就是 AI 目前没法代替设计师的原因，如果你想要这么惊艳的效果，那么肯定是需要极致的想象力，如果你和 AI 直接描述说要惊艳一点，那么它一般会给你提供一个非常丑蓝紫色渐变。

Viking

111,880 views • 1 year ago

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:

米斯特姚

12,976 views • 5 months ago

张朝阳还是不错的，有些东西的 “不是多读书，跳着读，多思考多推导” 理解原理比死记硬背更重要在不是 AI 的时代，我不记编程语言语法通过写 n 个小示例，看懂小示例，然后重复这个过程然后自然就懂这个编程语言的语法了

张朝阳还是不错的，有些东西的 “不是多读书，跳着读，多思考多推导” 理解原理比死记硬背更重要在不是 AI 的时代，我不记编程语言语法通过写 n 个小示例，看懂小示例，然后重复这个过程然后自然就懂这个编程语言的语法了

小弟调调

17,192 views • 1 month ago

这是哪个神仙做的这个网站？收集和展示和AI 相关的所有信息和内容，论文/最新模型/Benchmark/排行榜论文还能直接在线看，非常非常全还有 feed ，可以直接订阅了解最新的消息。还有这个 Sophon 这个词居然是三体里面智子的意思。

这是哪个神仙做的这个网站？收集和展示和AI 相关的所有信息和内容，论文/最新模型/Benchmark/排行榜论文还能直接在线看，非常非常全还有 feed ，可以直接订阅了解最新的消息。还有这个 Sophon 这个词居然是三体里面智子的意思。

Viking

13,804 views • 2 months ago

前几天跟珠海一个教培机构的老板聊天，了解到她接待到店家长的时候，都会先让小孩做一个词汇量测试，然后根据测试结果来推荐适合的课程。以往呢都是用简单的A4纸打印，还得家长帮忙填写。那天聊过天之后，我就说我来帮她做一个在线单词量测试的网页工具，前几天也是用codex抽空做了一个demo，但是看上去有点普通。刚好看到 Claude opus 4.8上线了，并且可以在ZenMux 平台上尝鲜体验，一句简单的提示词就重构好了，大家一起来看看效果吧。最后在给大家推荐一下ZenMux 这个平台，如果你想第一时间尝鲜试用最近发布的大模型，认准ZenMux 就对了。凭心而论，ZenMux 平台的价格不是最便宜的，但确实是我用过的最稳定和最省心的的API聚合平台，一个API接口可以调用市面上的几百个大模型。如果你也跟我一样饱受Claude 封号的折磨，有想要稳定的服务，那就用ZenMux 吧，如果你想省钱可以先去看看中转站，不过我相信你最后还会回来的。

前几天跟珠海一个教培机构的老板聊天，了解到她接待到店家长的时候，都会先让小孩做一个词汇量测试，然后根据测试结果来推荐适合的课程。以往呢都是用简单的A4纸打印，还得家长帮忙填写。那天聊过天之后，我就说我来帮她做一个在线单词量测试的网页工具，前几天也是用codex抽空做了一个demo，但是看上去有点普通。刚好看到 Claude opus 4.8上线了，并且可以在ZenMux 平台上尝鲜体验，一句简单的提示词就重构好了，大家一起来看看效果吧。最后在给大家推荐一下ZenMux 这个平台，如果你想第一时间尝鲜试用最近发布的大模型，认准ZenMux 就对了。凭心而论，ZenMux 平台的价格不是最便宜的，但确实是我用过的最稳定和最省心的的API聚合平台，一个API接口可以调用市面上的几百个大模型。如果你也跟我一样饱受Claude 封号的折磨，有想要稳定的服务，那就用ZenMux 吧，如果你想省钱可以先去看看中转站，不过我相信你最后还会回来的。

得否

17,034 views • 2 months ago

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

301,570 views • 1 year ago

今天是7月14日 BTC价格122403 如果你习惯做空那么你就只找做空的角度；如果你喜欢做多那么你就只玩做多的行情；但是你他妈要是一会多一会空，谁也救不了你。合约需要强大的内心，是自我小宇宙和市场大宇宙的博弈，如果你的看法会经常改变，那么你永远赚不到钱。再就是不要因为别人的看法影响自己的操作，包括我的看法，这个跟对错无关，强者的最需要的就是自己的主观逻辑，但凡觉得自己是对的就去做。不要被别人影响，除非你真的没有主见的时候。最后，亮哥我本人就死多头，只玩上涨趋势，一旦趋势确认，我可以追涨、可以回调做多、可以死在做多，一年就这么一两次上涨行情，我要是还磨磨唧唧要是还瞻前顾后，我玩个鸡毛。坚持自己的看法和做法，不是做多行情就休息，最后如果还是失败我认，至少我不后悔。所以接下来的行情我会独自走下去不看任何人的观点。我会继续写宏观，希望我的认知能帮到你

今天是7月14日 BTC价格122403 如果你习惯做空那么你就只找做空的角度；如果你喜欢做多那么你就只玩做多的行情；但是你他妈要是一会多一会空，谁也救不了你。合约需要强大的内心，是自我小宇宙和市场大宇宙的博弈，如果你的看法会经常改变，那么你永远赚不到钱。再就是不要因为别人的看法影响自己的操作，包括我的看法，这个跟对错无关，强者的最需要的就是自己的主观逻辑，但凡觉得自己是对的就去做。不要被别人影响，除非你真的没有主见的时候。最后，亮哥我本人就死多头，只玩上涨趋势，一旦趋势确认，我可以追涨、可以回调做多、可以死在做多，一年就这么一两次上涨行情，我要是还磨磨唧唧要是还瞻前顾后，我玩个鸡毛。坚持自己的看法和做法，不是做多行情就休息，最后如果还是失败我认，至少我不后悔。所以接下来的行情我会独自走下去不看任何人的观点。我会继续写宏观，希望我的认知能帮到你

天才俱乐部

12,476 views • 1 year ago

测评了现在国内各种 DeepSeek 模型的提供商，选了两个冠军出来：第一个是比较小众但是非常棒的服务： PPIO 欧派云的满血版 Deepseek R1，关键是白嫖算是价格最便宜的，速度还不错，注册就送 500万 token，邀请好友还能送 5000万 token，几乎可以免费用相当长时间了。可以用我的邀请码：接入 CherryStudio 非常方便，已经有预设的默认提供商了，直接添加就可以了，注意使用的的模型要是社区版本DeepSeek: DeepSeek R1 (Community)。大家可以看我的视频，还支持其他所有主流的第三方工具：另外一个非常好的是字节的火山引擎 Deepseek-R1 50 万 token，不差钱的可以考虑一下。其他几个主流的我试了以后，有的速度比较慢或者免费额度不给力，有的深度思考的支持不是特别好，大家可以按照需求试用一下看看。

测评了现在国内各种 DeepSeek 模型的提供商，选了两个冠军出来：第一个是比较小众但是非常棒的服务： PPIO 欧派云的满血版 Deepseek R1，关键是白嫖算是价格最便宜的，速度还不错，注册就送 500万 token，邀请好友还能送 5000万 token，几乎可以免费用相当长时间了。可以用我的邀请码：接入 CherryStudio 非常方便，已经有预设的默认提供商了，直接添加就可以了，注意使用的的模型要是社区版本DeepSeek: DeepSeek R1 (Community)。大家可以看我的视频，还支持其他所有主流的第三方工具：另外一个非常好的是字节的火山引擎 Deepseek-R1 50 万 token，不差钱的可以考虑一下。其他几个主流的我试了以后，有的速度比较慢或者免费额度不给力，有的深度思考的支持不是特别好，大家可以按照需求试用一下看看。

Viking

153,207 views • 1 year ago

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier；后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。法律，医疗，CAD， circuit。全都需要IR。否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。高人，给跪了。

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier；后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。法律，医疗，CAD， circuit。全都需要IR。否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。高人，给跪了。

Susan STEM

26,351 views • 1 month ago