bloomingspring

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

OpenAI 创始成员 一份 CLAUDE.md 扔上 GitHub，一周 44k star，总星飙到 100k，Stack Overflow 都没这待遇。

他发现 AI 编程最大的问题不是不会干，是太爱发挥——让它改个 bug，它给你重构三个文件；让它加个验证，它直接搭框架。

所以他给 AI 立了四条规矩：① 不确定先问别乱猜 ② 能 50 行解决禁止写 200 行 ③ 只动该动的代码 ④ 目标是让测试通过不是秀操作。

一份文档，把 AI 助手从灾难变神器。
https://t.co/JNzpEyIxnO

[kepano @kepano]

No one knows how many users @obsdmd has

I think it's around 5-10 million people but I'm not sure?

Anyone can download the app and start using it without creating an account or talking to anyone, and there are no analytics built-in 🤷‍♂️

[bloomingspring @egg_1046]

@tvytlx GPT 的话术真是看着很恶心，感觉像在某厂上过几年班一样

[Frank @frank_uid]

看到CMU有一门课讲生产级的ML系统设计，从flask、kafka、docker到模型部署和质量管理都有涉及到，还沉淀了一本书出来，这种课程还是挺难得的

资料：https://t.co/pwLczEDo3J

课程链接：https://t.co/nLlvryVPef

[GitHubDaily @GitHub_Daily]

想把抽象的教学概念讲清楚，光靠 PPT 和板书总感觉差点意思，学生看着枯燥，自己讲着也费劲。

最近在 GitHub 上发现 AetherViz Master 这个开源工具，输入一个教学主题，就能自动生成一个完整的 3D 交互式教学网页。

基于 Three.js 和 SVG 混合渲染，会自动识别学科领域，匹配最合适的配色和可视化方案，生成的网页可以直接用浏览器打开。

GitHub：https://t.co/PwZ7v3jTEV

支持物理、化学、生物、数学、天文、编程等多个学科，比如输入 “牛顿第二定律” 会生成 3D 小球运动模拟，输入 “三角函数” 会生成可交互的函数波形图。

每个页面都包含学习目标、原理讲解、数学公式渲染和小测验，还能通过滑块控制播放速度、单步演示，支持触摸设备操作。

如果你是老师想做点不一样的课件，或者学生想把知识点可视化加深理解，这个工具值得一试。

[灰狐 @huihoo]

《Proofs: A Long-Form Mathematics Textbook》

《证明：长篇数学教科书》
被誉为高等数学的最佳入门教材
该书在 Amazon 上获得了近900条五星好评（占所有评论的88%）

这本教材是为学生编写的
它摒弃了常见的定义 - 定理 - 证明 - 再重复的模式，而是加入了更多的评论、动机和解释
证明过程并不简略，而是以理解为重，而非追求简洁

此外，书中还有几十个证明之前都有“草稿”或证明概要
以便让学生对整体思路有一个宏观的认识，并了解自己如何独立得出这些证明

本书涵盖了直观证明、直接证明、集合、归纳法、逻辑、逆否命题、反证法、函数和关系等内容
书中通过超过 200 幅插图使这些概念更加直观易懂
行文轻松自然，语言亲切，还时不时穿插一些幽默

本书也是对高等数学的入门介绍
这在一定程度上是通过所选的示例和定理来实现的
此外，每章之后都有关于数学某一领域的介绍
这些领域包括拉姆齐理论、数论、拓扑学、数列、实分析、大数据、博弈论、基数和群论
每章之后还有“专业提示”，即一些简短的想法，是作者希望在自己上证明课时就知道的内容
它们包括对材料的更细致的评注、学习建议、历史注释、有关数学文化的评论等等
此外，在每一章的习题之后，都会介绍一个尚未解决的数学问题

在第一个附录中，讨论了一些进一步的证明方法
第二个附录收集了一些特别优美的证明
第三个附录则是一些写作建议

[GitHubDaily @GitHub_Daily]

Ilya Sutskever 曾断言，只要读懂那 30 篇奠基论文，就能掌握人工智能 90% 的精髓。但面对枯燥的数学公式，大多数人很难将其转化为可运行的代码。

最近在 GitHub 上发现 Sutskever 30 这个开源项目，用纯 NumPy 实现了 Ilya Sutskever 推荐的 30 篇奠基性论文，全部完成。

每个实现都不依赖深度学习框架，只用 NumPy 从零构建，配合 Jupyter Notebook 交互式学习，还自带合成数据可以直接运行。

GitHub：https://t.co/IZyKQ8I7i2

涵盖从 RNN、LSTM 到 Transformer、ResNet 的核心架构演进，包括注意力机制、残差连接、图神经网络等关键技术，还有 VAE、神经图灵机、CTC 损失等高级主题。

值得一提，项目还实现了 Kolmogorov 复杂度、MDL 原理、通用人工智能(AIXI)等理论基础，以及 RAG、长文本分析等现代应用。

如果你想从底层理解深度学习的核心机制，而不是只会调用框架 API，这个项目值得收藏学习。

[CJ Zafir @cjzafir]

I code with AI tools for 6-7 hours daily.

Built over 36 projects in last 12 months.

Truth: "Build me ........... app" in 1 prompt is not possible.

So, here're all the MISTAKES you might be making with AI code:

[James Lucas @JamesLucasIT]

Thread of historical photos you've (probably) never seen before 🧵

1. Eiffel Tower during construction, 1887-1889

[James Lucas @JamesLucasIT]

7. A 2800-year-old-embrace

The "Hasanlu lovers," who died around 800 B.C., were discovered in 1973.

Their remains were found entwined in what seems to be an intimate embrace or kiss, a position they preserved for nearly 2,800 years.

[James Lucas @JamesLucasIT]

3. This is a real photo of two people, Gladys Roy and Ivan Unger, playing tennis on top of a plane flying at 3000 feet in November 1925.

[Sam Altman @sama]

man, still a long way to go to run down google 🥺

[indigo @indigox]

上周 Bloomberg 透露了 OpenAI 内部会议上 AI 智能等级的最新定义，一共五个 Level，我们现在还处于 Level 1，但很快就能达到 Level 2。其实 Deepmind 在今年早些时候也发表一个 Levels of AGI 的分级，还有 Anthropic 去年九月的 ASL 也是一种基于安全等级的智能分级，我把这三家 AGI 公司的等级做了个横向对比表格✨

OpenAI 的分级更像系统功能的扩展，和他们的目标一致，AGI 解放生产力，不过玄学级别的 Level 2 推理要是实现了，后面那几个都是工程问题，所谓一生二，二生万物。。

Deepmind 则是完全对标人类的能力衡量 AI，硬核提升单体智能，直到超人出现；唯有 Anthropic 从人类安全视角来做分级，只有它们提到了 AI 的自主性和自我升级能力会带来的潜在威胁，他们的任务就是在 AI 出现自主意识之前将其识别并控制起来，果真全员 70% Doomer 的研究机构🤔

[Epic Maps 🗺️ @theepicmap]

Map of the actual size of each country

[Akshay 🚀 @akshay_pachaar]

We've all dealt with activation functions while working with neural nets.

- Sigmoid
- Tanh
- ReLu & Leaky ReLu
- Gelu

Ever wondered why they are so important❓🤔

Let me explain it to... 👇

[jacob ۞ @jehovahscript]

Coding with Claude

[bloomingspring @egg_1046]

@GPTDAOCN 马云是i人，你信吗

[Tom Yeh @ProfTomYeh]

Anna Rahn's video demonstration of Multi-Layer Perceptron (MLP) by hand ✍️

Anna made this short video for my computer vision course in the spring semester. Together with the spreadsheet exercise I posted yesterday, I hope they help more people understand deep neural networks!

[Didier 'Dirac's ghost' Gaulin @DiracGhost]

This text is the most intuitive entry point into both geometric topology and differential geometry that you could possible hope to find in the form of a book.

Fairly informal at times, highly visual, this book is a beginner's dream.