moonfdd

moonfdd

关注
79粉丝
73关注
3500被推荐

优质互联网领域创作者

14枚勋章

福大大架构师每日一题
IP属地:北京
更多信息

  • 2026-08-17:使二进制字符串连贯的最少翻转次数。用go语言,给定一个只含 0 和 1 的字符串,每次操作可以把任意一位变成另一个数字。一个

    9小时前
    图片
  • agno v2.9.0发布:身份感知调度、缓存隔离、安全加固与组件重建全面升级

    9小时前
    图片
  • 普通人一天背一千个单词,效率咋样?
    使用PETS词库筛选,先把认识的词过滤掉,每天学1000词,但会立即判断——能想起中文就暂停,不再出现;想不起、模糊、混淆或不认识则保留,继续重复。2026年8月15日统计未暂停词3780个,集中检查近6小时,仅97个能回忆中文意思,占2.57%,其余3683个仍未掌握。2026年8月16日统计未暂停词3683个,集中检查近6小时,仅133个能回忆中文意思,占3.61%,其余3550个仍未掌握。这是目前的成果。
  • ComfyUI v0.33.1 更新:嵌套 Latent 修复、MiniMax 音乐升级、Bria 图像节点扩展与动态显存优化
    1. 修复 KSamplerAdvanced 在嵌套 Latent 中关闭 add_noise 时的问题。 2. 工作流模板更新至 v0.11.40。 3. README 中将 API Nodes 替换为 Partner Nodes。 4. 修复 PreviewAny 在字典和列表预览中转义非 ASCII 文本的问题。 5. 修复 LTX Diffusion Decoder 的 float64 设备问题。 6. 支持带有额外 Blocks 的 Anima Tune。 7. WSL 环境中不再禁用动态显存。 8. AOTriton 支持检测改为直接查询 PyTorch,不再通过列出库目录进行判断。 9. 修复 Generate Text 在 Gemma4 E2B 和 E4B 中忽略 thinking=false 的问题。 10. Comfy Kitchen 包更新至 0.2.31。 11. Partner Nodes 新增 MiniMax ContextIR 节点。 12. Partner Nodes 新增 MiniMax Regenerate To 2K 节点。 13. 实现 MiniMax Music 3 支持。 14. 实现 CUDA Graphs 核心支持。 15. Partner Nodes 新增 Bria GenFill 节点。 16. Partner Nodes 新增 Bria Eraser 节点。 17. Partner Nodes 新增 Bria Expand 节点。 18. Partner Nodes 新增 Bria Increase Resolution 节点。 19. 修复 Llama 非本地 x 路径问题。 20. 工作流模板更新至 v0.11.41。 21. MiniMax 提前检测 qkv 与 q、k、v。 22. 修复 MiniMax Music 在非动态显存环境下无法工作的问题。
  • 2026-08-16:分数验证器。用go语言,初始时分数和计数都为 0。按从左到右的顺序处理事件列表:如果当前项是数字字符串“0”“1”“2”“3

    1天前
    图片
  • ComfyUI v0.33.1 更新:嵌套 Latent 修复、MiniMax 音乐升级、Bria 图像节点扩展与动态显存优化

    1天前
    图片
  • ollama v0.32.11更新:DeepSeek Harness、Muse Code 接入,Responses API 支持 Web Search
    • 新增 DeepSeek Harness 集成 • 支持 ollama launch dsh • 支持 deepseek-harness 别名 • 自动检测与安装 @deepseek-ai/dsh • 支持配置本地模型与云端模型 • DeepSeek Harness 自动启用 Web Search • Web Search 需要 Ollama Cloud 访问权限及支持工具调用的模型 • 新增 DeepSeek Harness 图标、前端入口和文档页面 • 新增 Muse Code 集成 • 支持 ollama launch muse • 支持 muse-code 别名 • Muse Code 作为隐藏集成注册 • 新增 Muse Code 安装与检测逻辑 • 模型渲染器对齐 Muse Glimmer 推理模板 • OpenAI 兼容 Responses API 支持 Web Search • 抽取并统一运行中模型上下文窗口读取逻辑 • 支持 :latest 模型别名匹配 • 支持未指定模型来源时的引用匹配 • 保存受管理集成时使用规范化后的实际模型名称 • 更新命令行帮助、README、集成注册表、测试和文档索引
  • 2026年8月15日:普通二本快速背单词的成果,背单词效率2.5%。效率是高还是低?
    个人情况: 男性,39岁,普通二本学历。 第一阶段:大规模刷词 从2026年5月19日开始,在墨墨背单词App中一次性选择了接近18000个英语单词进行学习。 当时的学习安排是每天完成500个单词。每个单词平均停留约5至10秒,主要是快速查看和记忆。按照这个速度持续学习,一直到2026年8月8日,前后大约接近3个月。 在这一阶段中,每个单词累计接触的次数大约只有2至3次。虽然学习数量很大、每天的任务完成得比较稳定,但在之后的实际检查中发现,仍然存在大量单词无法辨认或无法回忆出中文意思。这说明之前的学习虽然覆盖面较广,但单词的记忆并不牢固,重复次数和复习深度可能不足。 第二阶段:清空旧词,改用PETS词库重新筛选 从2026年8月9日开始,决定删除App中原有的全部单词记录,重新选择PETS课程词库进行学习。 这一次采用了不同的处理方法:每天仍以500个单词为总学习量,但不再单纯追求完成数量,而是对每个单词进行即时判断。 具体规则如下: 如果看到某个单词时,能够立即回忆出它的大致中文含义,就将这个单词设置为暂停。暂停后,该单词以后不再参与复习,也不会再次出现。 如果看到单词后不能准确想起中文意思,或者只是模糊有印象、容易与其他单词混淆,或者完全不认识,则保留该单词,让它在后续学习中继续重复出现。 例如: 第一天学习500个单词,其中有400个单词能够回忆出中文意思,因此将这400个单词暂停;剩下100个单词保留,进入后续复习。 第二天先复习前一天留下的100个单词,然后再补充400个新单词,使当天总学习数量维持在500个左右。当天结束时,如果又暂停了200个单词,那么没有暂停的单词继续保留。 第三天先学习前两天累计留下、仍然不熟悉的单词,再根据剩余数量补充新的单词,尽量让每天的总学习量维持在500个左右。 之后持续按照这一逻辑推进:已经能够正确回忆中文意思的单词被暂停,不再出现;仍然不会、记不牢、容易混淆或完全陌生的单词,则不断保留并重复学习。 PETS词库第一轮筛选情况 2026年8月14日,PETS课程中的单词强制完成了一轮筛选。所有在当时能够回忆起中文意思的单词都已经被暂停,留下的则是当时无法稳定掌握的单词。这么做的目的是是为了测试生词背诵效率。 2026年8月15日,PETS课程中仍未暂停的单词总数为3780个。 当天对这3780个单词进行了集中检查和复习,整个过程用时接近6小时。 检查结果如下: 能够回忆出中文意思的单词:97个。 无法回忆出中文意思、记忆混乱、容易和其他单词混淆,或者完全不认识的单词:3683个。 能够回忆出中文意思的单词占比为: 97 ÷ 3780 = 0.02566 即约为2.57%。 这意味着,在经过前期大量刷词,以及后来对PETS词库进行一轮暂停筛选之后,面对剩余的3780个单词时,能够准确回忆中文含义的比例仍然很低。绝大多数留下来的单词,属于尚未真正掌握、记忆不稳定或完全陌生的词汇。 后续计划 计划在2026年8月16日,再次集中测试和学习这3683个尚未掌握的单词。 重点观察经过再次复习后,能够正确回忆出中文含义的单词数量会有多少,以及剩余单词中不会、混淆和陌生词的比例是否会发生变化。
  • 2026年8月15日:普通二本快速背单词的成果,背单词效率2.5%。效率是高还是低?

    1天前
    图片
  • ollama v0.32.11更新:DeepSeek Harness、Muse Code 接入,Responses API 支持 Web Search

    2026-08-15
    图片
  • 2026-08-15:删除元素后最大固定点数目。用go语言,给定一个整数数组 nums,你可以从中删除任意个元素(也可以不删)。删除后,剩下的元

    2026-08-15
    图片
  • ComfyUI v0.32.0更新:PyTorch 2.7成最低支持版本,LTX 2.5、Qwen-Image 3.0 Pro、Grok Imagine Image 2.0全面接入
    • 改善嵌套张量的调试体验。 • 工作流模板更新至 v0.11.37。 • 官方最低支持的 PyTorch 版本更新为 2.7。 • 让 Create Layered Image 更容易被发现,并使其标志位更易理解。 • 修复非动态显存低显存模式下放大模型失效的问题。 • /api/jobs 新增 previewable_outputs_count,作为 Media Assets 徽章修复的后端部分。 • 通过缩放 h(t) 扩展 ER-SDE noise scaler。 • 为 cast_bias_weight 创建上下文管理器并使用。 • 优化 MiniMax-H3 VAE。 • Partner Nodes 新增 Qwen-Image 3.0 Pro。 • 资产列表 API 新增 tags_all、tags_any、tags_none 标签过滤。 • 修复 VAEDecodeTiled 在嵌套张量 latent 条件下崩溃的问题。 • 让 cu130 警告更加显眼。 • 实现 comfy kitchen attention。 • 修复 H3 峰值显存问题。 • 新增 LTX 2.5 支持。 • Partner Nodes 新增 LTX 2.5 模型版本节点。 • 修复分块音频解码损坏的问题。 • 工作流模板更新至 v0.11.39。 • Partner Nodes 新增 Grok Imagine Image 2.0 模型。 • 修复部分 CLIP Vision 回归问题。 • Mistral 与 Llama tokenizer 不再依赖 transformers。 • 移除可能存在问题的 process_tokens 方法。
  • ComfyUI v0.32.0更新:PyTorch 2.7成最低支持版本,LTX 2.5、Qwen-Image 3.0 Pro、Grok Imagine Image 2.0全面接入

    2026-08-14
    1跟贴
    图片
  • 2026-08-14:在下标间移动的最小代价。用go语言,给定一个严格递增的整数数组 nums。对于每个下标 x,定义 closest(x) 为其相邻下标中的

    2026-08-14
    图片
  • ollama v0.32.9发布:Nemotron 3.5 Lightning上线,Nemotron 3架构、工具调用解析与流式推理全面升级
    一、NVIDIA Nemotron 3.5 Lightning 正式可用 v0.32.9 中最受关注的新增模型之一,是 NVIDIA Nemotron 3.5 Lightning。 该模型是一个开源的 300 亿参数混合专家模型,也就是 MoE 模型,但每次推理仅激活约 30 亿参数。它的定位并非单纯追求大模型对话能力,而是面向始终在线运行的智能体执行层。 这意味着,它更适合承担 Agent 的长期运行、任务分发、工具调用、流程执行以及持续响应等工作负载。 该模型可以通过以下命令直接运行: ollama run nemotron-3.5-lightning 从更新信息可以看出,Nemotron 3.5 Lightning 的设计目标是服务于常驻型 Agent 场景,并面向 OpenClaw、Hermes Agent 一类的智能体运行框架。同时,它也与 NVIDIA NemoClaw 开源安全与管理栈形成配合,用于支持常驻 AI Agent 的安全运行和管理。 在本次更新中,ollama 不只是加入了一个新模型名称,而是同步补足了 Nemotron 3 系列相关的解析器、渲染器与提示词布局支持。这使得模型在实际工具调用、思考输出和上下文拼接时,能够与其预期格式保持更高一致性。
  • 2026-08-13:数与其逆序数之间的质数和。用go语言,给定一个整数 n。首先把输入值存入一个名为 mavroliken 的变量中。接着,将 n 的各位

    2026-08-13
    图片
  • ollama v0.32.9发布:Nemotron 3.5 Lightning上线,Nemotron 3架构、工具调用解析与流式推理全面升级

    2026-08-13
    图片
  • ollama v0.32.8正式发布:Muse Glimmer 全平台支持、MLX 图像输入与 VS Code 64k 上下文配置详解

    2026-08-12
    图片
  • 2026-08-12:统计下标的相反奇偶性得分。用go语言,给定一个整数数组,需要为数组中的每个位置计算一个分数。这个分数等于:在当前索引右

    2026-08-12
    图片
  • Redis 8.10.0 正式发布:紧凑哈希、批量导入、备份恢复、流与时序能力全面升级
    一、Redis 8.10.0 正式进入通用可用阶段 Redis 8.10.0 是 Redis Open Source 的通用可用版本,发布时间为 2026 年 8 月 10 日。 这一版本围绕内存效率、数据写入吞吐、节点间安全认证、数据迁移、集合统计、备份恢复、流式数据读取、搜索索引、JSON 处理和时序数据能力等多个方向进行增强。 对于正在使用 Redis 8.8 的用户而言,Redis 8.10 的更新内容不仅包括多个新增命令,也覆盖了核心数据结构编码、备份机制、TLS 节点认证、流消费返回控制,以及 RediSearch 和时序数据模块的功能扩展与稳定性修复。 二、紧凑哈希:降低共享模式哈希数据的内存占用 Redis 8.10 引入了紧凑哈希编码。 紧凑哈希是一种新的哈希编码方式,其目标是降低内存使用量。它通过让共享相同模式的键仅存储一次哈希字段名称,减少重复字段名带来的内存开销。 在许多业务场景中,多个哈希键往往具有一致的数据结构。例如,多个对象可能都包含相同的一组字段。传统情况下,每个哈希键都需要分别保存自己的字段名称;而紧凑哈希能够让具有相同模式的键共享字段名称存储,从而降低整体内存消耗。 这项能力对于大量使用哈希结构、字段名称重复度较高的场景具有重要意义。Redis 8.10 通过新的紧凑哈希编码,进一步强化了 Redis 在内存效率方面的表现。
正在载入...
正在载入...