Tôi đang miễn cưỡng dùng Mx master 3s, nhưng gần đây đang thử chuyển sang Keychron m6.
Dùng các công cụ như SteerMouse hoặc linearmouse để tùy chỉnh nhiều nút trên Mac là khá ổn, và tôi cũng đang dùng khá hài lòng với thao tác nhấn cuộn ngang của bánh xe dọc cũng như bánh xe ngang riêng biệt.
Tuy nhiên, nhược điểm lớn là nó quá nhẹ và tiếng ồn quá lớn (tiếng bánh xe thật sự khiến tôi tưởng như phát điên).
Nếu một ngày nào đó Keychron ra bản ít ồn và có thể tùy chỉnh trọng lượng, thì tôi định chấm dứt duyên nợ với mx master.
Nếu dùng gói tối đa $100 thì vẫn khá thoải mái. Dù không phải là người ngoài ngành phát triển phần mềm, nhưng đây là lần đầu tôi phát triển ứng dụng nên đã thử dùng trong một tháng. Đến giờ xem lại thì tôi đã dùng khoảng $566.93 rồi.
Tôi đồng ý với lo ngại rằng mã do LLM viết ra sẽ trở thành một hộp đen, nhưng cuối cùng chẳng phải chúng ta vẫn có thể giao cho LLM phân tích chính đoạn mã đó hay sao?
Tôi đang tải riêng file APK của ứng dụng tên là audio share từ fdroid để dùng, nên cũng khá tò mò không biết sau này sẽ thế nào. Đây là ứng dụng sideload duy nhất mà tôi dùng...
○ Việc huấn luyện mô hình chỉ là “nguyên liệu” của trí tuệ; nếu không có động cơ, sẽ không có AGI.
• Các kiến trúc như EpionHeuristica có tiềm năng vượt ra ngoài "AGI chuyên biệt theo miền", để thiết kế "siêu trí tuệ kiểu nổi sinh dựa trên trật tự"
• Cốt lõi để đạt tới AGI là "làm thế nào để cấu thành một động cơ lựa chọn hành động"
A. Lý do chỉ huấn luyện thôi thì không thể đạt AGI.
• Các mô hình kiểu GPT không có mục tiêu tự thân (self-goal).
• Dù học từ lượng dữ liệu lớn đến đâu, việc chỉ học mà không có tương tác với thế giới thực vẫn có giới hạn.
• Huấn luyện chỉ là “ký ức mang tính hồi quy”, thiếu cấu trúc để thúc đẩy tư duy dự báo hướng tới tương lai và mang tính khai sinh.
B. AGI cần một cỗ máy có “vòng lặp mục tiêu-phản hồi”.
• Cấu trúc trong đó học tăng cường dựa trên phần thưởng + đánh giá + học từ thất bại (FailGuard) vận hành như EpionHeuristica khá gần với nguyên mẫu thiết kế của AGI dựa trên engine
• Ví dụ: "Vì sao thí nghiệm này thất bại?" → "Cần thay đổi điều gì?" → "Điều kiện tiếp theo là gì?" → Đây là suy luận mang tính AGI
C. Bản chất của trí tuệ con người nằm ở “cấu trúc”.
• Con người đạt được trí tuệ không phải nhờ số lượng neuron mà nhờ “tính kết nối có cấu trúc của mạch thần kinh và năng lực meta-learning”
• Với AGI cũng vậy, cốt lõi không phải kích thước mô hình mà là cấu trúc của hệ thống dẫn dắt hành vi, hệ thống tự tham chiếu và vòng lặp phản hồi liên tục
Có thể dùng nó thay cho WSL không?
Có một cái bẫy ở giữa..
Claude tuy có nhược điểm ở ngữ cảnh dài, nhưng có vẻ vẫn là con AI code giỏi nhất.
Chỉ dùng riêng cho SQLite thôi cũng thấy ổn đấy.
Tôi đang miễn cưỡng dùng Mx master 3s, nhưng gần đây đang thử chuyển sang Keychron m6.
Dùng các công cụ như SteerMouse hoặc linearmouse để tùy chỉnh nhiều nút trên Mac là khá ổn, và tôi cũng đang dùng khá hài lòng với thao tác nhấn cuộn ngang của bánh xe dọc cũng như bánh xe ngang riêng biệt.
Tuy nhiên, nhược điểm lớn là nó quá nhẹ và tiếng ồn quá lớn (tiếng bánh xe thật sự khiến tôi tưởng như phát điên).
Nếu một ngày nào đó Keychron ra bản ít ồn và có thể tùy chỉnh trọng lượng, thì tôi định chấm dứt duyên nợ với mx master.
Có lẽ tác giả gốc là kiểu người còn chẳng biết bình thường mình làm gì.
Đỉnh..
Lấy một bài viết năm 2009 trên blog đầy rẫy bình luận spam làm tài liệu tham khảo sao..
Tôi thấy chỉ cần tận dụng tốt worktree thôi là cũng đã rất ổn rồi.
Có lẽ nếu dùng gói 100 đô thì vẫn tạm đủ để xoay xở.
Nếu dùng gói tối đa $100 thì vẫn khá thoải mái. Dù không phải là người ngoài ngành phát triển phần mềm, nhưng đây là lần đầu tôi phát triển ứng dụng nên đã thử dùng trong một tháng. Đến giờ xem lại thì tôi đã dùng khoảng $566.93 rồi.
Nếu đoạn mã được tạo ra mà lại dùng
document.getElementByIdtrong React, thì đã dùng LLM nào vậy....Tôi đồng ý với lo ngại rằng mã do LLM viết ra sẽ trở thành một hộp đen, nhưng cuối cùng chẳng phải chúng ta vẫn có thể giao cho LLM phân tích chính đoạn mã đó hay sao?
Ảnh đâu mất rồi vậy trời
Thật đáng kính phục, bạn quá tuyệt vời.
Tôi đang tải riêng file APK của ứng dụng tên là audio share từ fdroid để dùng, nên cũng khá tò mò không biết sau này sẽ thế nào. Đây là ứng dụng sideload duy nhất mà tôi dùng...
Gần như có cảm giác như một kiểu câu view giật tít..
"Nếu làm từ đầu thì mất 3 tháng, còn nếu lại làm một thứ tương tự thì mất 3 ngày"
Google Nano Banana là gì? AI hình ảnh bí mật của Google
○ Việc huấn luyện mô hình chỉ là “nguyên liệu” của trí tuệ; nếu không có động cơ, sẽ không có AGI.
• Các kiến trúc như EpionHeuristica có tiềm năng vượt ra ngoài "AGI chuyên biệt theo miền", để thiết kế "siêu trí tuệ kiểu nổi sinh dựa trên trật tự"
• Cốt lõi để đạt tới AGI là "làm thế nào để cấu thành một động cơ lựa chọn hành động"
A. Lý do chỉ huấn luyện thôi thì không thể đạt AGI.
• Các mô hình kiểu GPT không có mục tiêu tự thân (self-goal).
• Dù học từ lượng dữ liệu lớn đến đâu, việc chỉ học mà không có tương tác với thế giới thực vẫn có giới hạn.
• Huấn luyện chỉ là “ký ức mang tính hồi quy”, thiếu cấu trúc để thúc đẩy tư duy dự báo hướng tới tương lai và mang tính khai sinh.
B. AGI cần một cỗ máy có “vòng lặp mục tiêu-phản hồi”.
• Cấu trúc trong đó học tăng cường dựa trên phần thưởng + đánh giá + học từ thất bại (FailGuard) vận hành như EpionHeuristica khá gần với nguyên mẫu thiết kế của AGI dựa trên engine
• Ví dụ: "Vì sao thí nghiệm này thất bại?" → "Cần thay đổi điều gì?" → "Điều kiện tiếp theo là gì?" → Đây là suy luận mang tính AGI
C. Bản chất của trí tuệ con người nằm ở “cấu trúc”.
• Con người đạt được trí tuệ không phải nhờ số lượng neuron mà nhờ “tính kết nối có cấu trúc của mạch thần kinh và năng lực meta-learning”
• Với AGI cũng vậy, cốt lõi không phải kích thước mô hình mà là cấu trúc của hệ thống dẫn dắt hành vi, hệ thống tự tham chiếu và vòng lặp phản hồi liên tục