• Google DeepMind 团队如何创建迄今为止任何大型基础模型中最长的上下文窗口。 Gemini 1.5 模型的创新之一是其长上下文窗口,可以处理多达 100 万个令牌的原始数据。 长上下文窗口的突破性实验功能使模型可以接收和处理更多的文本、图像、音频、代码或视
  • 最近,我与一位员工以上级别的工程师聊天,他一直在努力影响他的同行:每次他建议一种新方法时,组织中的其他同事却不同意,并予以回击。他希望得到我的建议,为什么他的同事总是破坏他的方法? 聊天结束后,我又与他的同事们聊了聊最近的一些分歧,他们不断强调这位
  • 软件开发有两个重要点:编写代码与逻辑方法来自于两种认知能力:概念思维(战略思维)创建抽象(量化思维)事实上,很多人可以做到第一个而不是第二个,这也解释了设计模式的流行。 概念思维和创建抽象都是认知过程, icon
  • 嵌入是对一段文字(如单词、句子或段落)的表示。传统上,这个值以数学向量的形式存在,即空间中的一个点。你可以把它想象成地图上的坐标,而地图恰好有很多很多维度。 一旦生成了这些嵌入,你就可以对任何向量集进行各种计算成本低廉的运算。 icon
  • 集合论中的罗素悖论以及软件系统设计中过度宽容规则的问题。 罗素悖论揭示了集合论中的自指矛盾,表明过度宽容的规则可能导致难以处理的边缘情况。 软件系统中的过度宽容规则也可能引发意想不到的问题,挑战系统的可预测性和稳定性。 在软件系统设计中,需要平衡灵活性和严谨性,同时 icon
  • 在计算机科学和编程领域,解决问题是每项挑战的核心。无论是编写简单的程序还是开发复杂的软件,拥有系统的方法都非常重要。这就是算法和流程图发挥作用的地方。算法提供分步指令,而流程图直观地表示这些指令的逻辑流程。在本文中,我们将探讨算法和流程图在解决问题中的重要性,并讨论它们如何协同工作以创建有效的解决方 icon
  • 我是一名工程专业学生,花了大量时间学习物理和数学。 青少年时期,我花了很多时间思考形而上学的问题,比如 "为什么有而不是无","宇宙遵循的基本规律是什么",但随着年龄的增长,我开始相信这些问题都是在浪费时间。 我 icon
  • 动态规划(Dynamic Programming :DP、动态编程 、动态程序设计)被定义为一种在多项式时间内解决某些特定类型问题的技术。动态规划解决方案比指数暴力法更快,并且可以轻松证明其正确性。 动态编程主要是对普通递 icon
  • 在今天发表在《自然》杂志上的一篇论文中,研究人员表示,这是第一次使用大型语言模型来发现数学难题。 icon
  • 算法是用于解决问题的分步指令。发展算法思维有助于将复杂问题分解为更小的问题,然后解决更小的问题并将它们组合起来为该复杂问题提供解决方案。 通过解决难题来发展算法思维: 解决谜题和脑筋急转弯有助于增强逻辑推理和解决问题的能力。 分析用 icon
  • 定义主义谬误(Definist Fallacy):使用带有偏见或自以为是的定义来进行论证。定义一个术语,使其对自己友好,或对对方不友好,不留任何质疑定义或考虑替代方案的余地。 逻辑形式: A 有定义 X。 X 对我的论点有害。 icon
  • 做软件工程师已经 4 年多了。昨天,我终于体验到了我们都渴望得到的启迪。 我收到了一位资深工程师同事的代码审查请求,大约有 15 个文件和 300 行代码。我在大约 5 分钟内完成了审核,并提出了修改要求。 icon
  • 少数律师是非常好的自然语言程序员,使用自然语言编程写文章的程序员。 律师需要写一份100多页的复杂的商业合同,必须大体保证逻辑上一致性,有几十个定义的术语,以及所有相互关联的章节和子章节。 他们都以写精确的、经过 icon
  • 这篇文章讨论了在项目开发中,人们通常关注时间节点,但作者认为应该更关注项目的结构。 文章指出,项目的结构和复杂度对于解决问题至关重要,而人们往往忽视了这一点。 作者提出了 icon
  • 现在我们知道所有物理定律都是数学方程,反之亦然 这意味着物理学是基于数学的 现在的问题是“是所有数学方程都被视为逻辑论证/公式,还是所有逻辑论证/公式都被视为数学?” icon
  • 这篇文章描述了在人工智能领域工作的人所经历的个人启示,特别是在LSTMS(长短期记忆)和GRUS(门控递归单元)等机器学习模型的背景下。 这是一个简化的解释想象一下,你正试图教计算机理解和使用基本逻辑,类似于我们在数学或哲学中所学到的(比如a然后B icon
  • 每个好主意都会被发现两次:一次被逻辑学家发现,一次被计算机科学家发现。 这句话的背后可能有几个原因:问题的普遍性: 有些问题或挑战是跨学科的,涉及多个领域的知识。一个好的解决方案可能需要不同领域的专业知识结合,逻辑学家和计算机科学家分别代表 icon