moonfdd

moonfdd

关注
79粉丝
73关注
3495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

  • 2026-08-16: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

    5小时前
    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

    5小时前
    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?

    16小时前
    图片
  • ollama v0.32.11更新:DeepSeek Harness、Muse Code 接入,Responses API 支持 Web Search

    1天前
    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

    1天前
    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。
  • 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

    2026-08-11
    图片
  • 2026-08-11:距离至少为 K 的交替子序列的最大和。用go语言,给定一个整数数组和一个整数 k,你需要从中挑选一个下标严格递增的子序列。

    2026-08-11
    图片
  • 2026年8月TIOBE编程语言排行榜,Go语言排名第14,Rust语言排名10。MATLAB 的日子似乎屈指可数了。
    八月头条:MATLAB 的日子似乎屈指可数了 正值假期季,编程语言界也是如此。我们在 TIOBE 指数中看到了一些变化,但大部分变动都发生在榜单靠后的位置。例如,OCaml 和 Zig 在过去几个月都表现出持续增长,未来可能成为新的前20名成员。 另一个值得关注的变化是,MATLAB 十多年来首次跌出前20名。这只是一次暂时的下滑,还是更持久衰退的开端?就我个人而言,我认为 MATLAB 的日子屈指可数了。一个重要的原因在于其许可模式。在大多数编程语言都免费可用的世界里,必须为 MATLAB 许可证付费正成为一个日益显著的劣势。Delphi 是目前 TIOBE 前20名中唯一另一个仍需付费许可证的编程语言。 MATLAB 逐渐衰退的另一个原因是,这门语言没有像许多其他主流编程语言那样持续演进。在 Python、C++、Rust 乃至一些更新的语言不断引入现代语言特性和编程范式的今天,MATLAB 愈发让人感觉像是来自另一个时代的语言。 TIOBE 编程社区指数是编程语言流行程度的一个指标。该指数每月更新一次。评分基于全球范围内的熟练工程师数量、课程和第三方供应商。计算评分时使用了谷歌、亚马逊、维基百科、必应等热门网站以及超过20个其他网站。需要强调的是,TIOBE 指数并非关于哪种编程语言最好,也不是关于哪种语言编写的代码行数最多。 该指数可用于检查你的编程技能是否仍然与时俱进,或在开始构建新软件系统时,为应该采用哪种编程语言做出战略决策。
  • 2026年8月TIOBE编程语言排行榜,Go语言排名第14,Rust语言排名10。MATLAB 的日子似乎屈指可数了。

    2026-08-10
    图片
正在载入...
正在载入...