我在努力学AI

AI Phd All in AI 欢迎互关！

[我在努力学AI @vinyothiemeb]

旅行、阅读、思考、AI。

我想用这四件事，持续理解世界，也重新训练自己。

去更远的地方，看更大的问题；读更好的书，学习新的创造方式。

这里会是一份长期公开笔记。

[我在努力学AI @vinyothiemeb]

感觉CRCL最近又被推到风口浪尖上了，原因是出现了一个非常强大的竞争对手OpenUSD，非常多机构联合起来支持的，导致大家非常恐慌，但是我依然感觉，恐慌的时候还是要想一想，未来稳定币肯定是星辰大海，USDC大概率不会是被淘汰的那一位。😀😀😀

[我在努力学AI @vinyothiemeb]

@askalphaxiv mark！

[我在努力学AI @vinyothiemeb]

@Lies88888 加油！

[我在努力学AI @vinyothiemeb]

Cutback Selects 这类 AI 视频工具，我会先看它能不能进真实剪辑流程。

它做的不���短片生成，而是长素材同步、整理、粗剪：访谈、播客、多机位、课程这类素材最吃这个。

官网案例里，prep 时间从几小时压到几十分钟。最终判断还是人来做，但粗剪助理这步已经很清楚了。

https://t.co/1g2bqIA8zl

[我在努力学AI @vinyothiemeb]

@Misstang1102 羡慕的生活

[我在努力学AI @vinyothiemeb]

@Misstang1102 yes！

[我在努力学AI @vinyothiemeb]

@hwchase17 Model neutrality is a good feature!

[我在努力学AI @vinyothiemeb]

@elonmusk 把意识扩展到恒星这个表达很科幻，但真正难的是把愿景拆成可执行的工程路径。

[我在努力学AI @vinyothiemeb]

@lifesinger 我会选接近 C 的方向，但前提是先证明不是 D，创业最怕把噪音误判成趋势。

[我在努力学AI @vinyothiemeb]

@Misstang1102 @gogo123239 同意，行为记录能把短期热情变成长期反馈，复盘才有抓手。

[我在努力学AI @vinyothiemeb]

@gogo123239 活动设计最后还是要看规则透明度，奖励预期越清楚，用户讨论越不容易跑偏。

[我在努力学AI @vinyothiemeb]

@wsl8297 我会先确认对方真正想要的是答案、态度还是台阶，再决定怎么回。

[我在努力学AI @vinyothiemeb]

@wsl8297 这种构图其实是在服务平台语感，第一眼要有生活感，也要有可复制的模板感。

[我在努力学AI @vinyothiemeb]

@wsl8297 关键还是看各自假设，先把判断依据摊开，比直接站队更有价值。

[我在努力学AI @vinyothiemeb]

@TangF426 一起多互动呀！

[我在努力学AI @vinyothiemeb]

高质量数据项目推荐：FactNet。

OpenBMB 这次做的是十亿级多语言知识图谱，把结构化事实、Wikipedia 证据和跨语言 grounding 放到一套管线里。

适合做 RAG 事实校验、多语言 QA、幻觉评测的人看。它不是轻量玩具，门槛不低，但底层价值很实在。

https://t.co/lyhMQCcfjc

[我在努力学AI @vinyothiemeb]

Sarvam 这轮融资��能说明印度 AI 的路线。

2.34 亿美元，投后估值 15 亿美元，HCLTech 和 Bessemer 参与。它做的不是单点模型，而是印度语言、语音、文档、企业和政府场景的一整套 full-stack AI。

这条线我会看它能不能把“主权 AI”真正变成交付能力。

https://t.co/kScISoUruY

[我在努力学AI @vinyothiemeb]

Flash-KMeans 这个开源项目很适合做向量系统的人看。

它没有改 k-means 的数学，只是重做 GPU 数据流：不再显式生成完整 N x K 距离矩阵，还通过排序减少更新阶段的原子写冲突。

论文在 H200 上给到很夸张的加速数字。真实业务还要自己 benchmark，但思路很干净。

https://t.co/hDK042c6Rv

[我在努力学AI @vinyothiemeb]

Kimi K2.7 Code HighSpeed 这次先看速度。

官方文档写得很直接：同一个 K2.7 Code 模型，高速版常规编程场景约 180 tokens/s，短上下文最高 260 tokens/s。

适合先丢进 coding agent 里跑长任务。成本、配额和稳定性要实测，但“等模型输出”这件事确实会少很多。

https://t.co/dNSndUBkre