3Shuhei

[lauren @poteto]

here's how i shipped 2,500 PRs last month to production

this was originally supposed to be for Cursor Compile in London. i couldn't make it since i was livestreaming for Grok @Bot Galaxy so i'm making it available for free here on X! watch it on 2x speed, i talk slowly

[3Shuhei @Shuheiii3]

@zmt021 claude重置了2次吗？

[Lydia Hallie ✨ @lydiahallie]

I've been running `/claude-api prompt-audit` when upgrading projects to Fable 5.1 and it's helped so much

It goes through your setup (CLAUDE.md, skills, etc.), flags instructions the new model doesn't need anymore and proposes a diff. Also works if you don't use the API!

[能勢 隆 (Takashi Nose) @takashi_nose]

昨年度からの学生さんの持ち込みテーマ「オリジナルアニメの顔に合った音声を自動で作りたい！」の研究成果が明日発表されます。

アニメ調キャラクター顔画像に適するクロスモーダル音声合成のための再現性・親和性改善の検討

アニメだと年齢情報を適切に考慮・制御することが特に重要なようです。

[Parakeet 株式会社 @ParakeetIncCom]

【デモ公開】

弊社の音声合成エンジンを支える、読み予測モデル『Parayomi』のデモを公開しました！

「人気(にんき)の観光地」
「人気(ひとけ)のない路地」
などを前後の文脈から正確に読み分けます！

従来の自然言語処理の限界を突破したこの能力をぜひお確かめください！
https://t.co/1HruHjBHHZ

[3Shuhei @Shuheiii3]

Opus4.6来咯！
4.5のアプデかな？

[3Shuhei @Shuheiii3]

算笔账：

- 前提：需要 Suno/Udio 付费订阅（$10-30/月）才有商用授权
- 版税约 2-7 日元/次（约 0.1-0.3 人民币）
- 回本需要被唱 5000+ 次，商业上大概率亏

但重点不是赚钱。从「AI 生成内容能否进入传统娱乐产业」这个问题看，这是一个正式的答案

[3Shuhei @Shuheiii3]

AI 生成的歌，现在能上日本卡拉OK了。

JOYSOUND 是日本最大的卡拉OK连锁之一，全国约 5000 家门店

新服务 KaraGo 允许把 Suno/Udio 生成的歌曲上架到 JOYSOUND，一首歌 16,000 日元（约 770 人民币），一次性付费，永久上架，还能收版税
https://t.co/GAB5MZjohI

[3Shuhei @Shuheiii3]

@oran_ge 桌子上的钟表太可爱了

[3Shuhei @Shuheiii3]

@uhauha_kamisama パスタいいね

[3Shuhei @Shuheiii3]

@uhauha_kamisama モロコシ？

[3Shuhei @Shuheiii3]

@uhauha_kamisama テスト

[3Shuhei @Shuheiii3]

@uhauha_kamisama 原神やってるの？

[3Shuhei @Shuheiii3]

@uec15take ヤバい...

[Yujia Qin @TsingYoga]

我们离理想的AutoGPT还有多远？[1/4]

AutoGPT[1]已经163k star了，AutoGPT的开发者雕花了一年多，但它仍然停留在demo阶段，算不上产品（即使面向开发者)。这和传统开源软件的发展轨迹相差甚远，核心原因是Agent的上限由底座模型决定

GPT4从去年到现在发布了多个版本，实测起来对支持AutoGPT的能力并没有明显变化(甚至还有版本迭代后效果变差的情况）。可以明显感受到，OpenAI并没有为Agent任务专门优化，所谓GPT4“推理能力”的提升是面向评测起来比较简单的场景(例如代码、数学题等)，而Agent任务所需的“推理能力”和MATH / SWE-Bench任务的推理能力其实完全不是一个概念。因此，很大概率纯套壳类Agent工具day1的效果就是上限

我们离理想的AutoGPT还有多远？Agent能力细数起来其实很多，例如（1）选择适合的工具并填写正确的参数；（2）复杂场景下的推理能力；（3）反思上一个失败步骤的原因从而找到更优的解路径；（4）长序列memory问题等等——本质上其实都是幻觉问题：即底座模型没有见过该场景下的MDP决策序列（数据）。数据的缺失才是原罪

目前，无论是预训练阶段还是微调阶段的Agent数据都是几乎没有被收集/重视的。互联网上的数据本质上都是“静态快照”，或者说是“结果数据”，如何产生这些数据的用户行为过程（“过程数据”）是没有被记录下来的。后者没有统一的记录格式，仅零星地存在于做埋点测试的后端，从收集到被利用都还有很大距离。过程数据主动记录的成本也极高，参考学生团队[2]和大厂团队的标注效率[3]

在缺乏规模化数据的前提下想解决幻觉问题，常见的解决方案就是（1）RAG：即参考相似任务的解路径来辅助当前任务决策 [4]；或者（2）RLHF：基于先前的经验来迭代优化当前任务的路径。后者没有成熟的工作（[5]可参考），原因是通用Agent任务场景的reward model（evaluation）是该方法的卡点。去年在Tree-of-thought和Q*的消息出来后分别有一系列工作探索了用Monte-Carlo来bootstrap成功路径的工作（太多了，偷懒只列一篇[6]），都有涨点但没有做到特别实用的程度，核心原因也是evaluation的（1）准确率不够和（2）无法泛化或scalable[7]

=======
关于Agent还有挺多想分享的，后面有空了再写

[1] https://t.co/5Vva8PqJji
[2] https://t.co/Tc5zNylROP
[3] https://t.co/B6iqMpOJOH
[4] https://t.co/rw2LQ5ospm
[5] https://t.co/CoemfQRuhF
[6] https://t.co/j2UTPuR9zC
[7] https://t.co/CoJRRghGZ8

[3Shuhei @Shuheiii3]

@oran_ge 你推荐的《创造：用非传统方式做有价值的事》，我觉得非常适合刚步入职场好高骛远的新人，看完会对自己的职业发展的认知更清晰

[3Shuhei @Shuheiii3]

@uhauha_kamisama ttteeesssttt

[3Shuhei @Shuheiii3]

@uhauha_kamisama Test

[3Shuhei @Shuheiii3]

@uhauha_kamisama テスト？

[3Shuhei @Shuheiii3]

@uhauha_kamisama カンパイ！