Back to topic rankings
AIPositiveAll-time data

AI开发讨论新增xiaogpt维护与HackerNews论文网站

中文X的AI开发讨论新增xiaogpt开源维护回顾,以及利用HackerNews公开数据建设论文网站的实践。yihong0618称xiaogpt已达到7000星,提到frostming关闭了数条2023年至2025年的issue,并回顾项目早期曾考虑压缩方案、类似函数调用的能力、多服务提供商和语音合成;另一帖强调某条issue的日期,但未展示具体内容。向阳乔木则称,受HackerTube启发,利用Hugging Face约12GB的HackerNews数据,将2006年至2026年被提及的论文整理为网站,部分附中文导读翻译。这些帖子分别呈现长期维护和数据再利用,并非同一项目。候选材料没有完整仓库记录、数据处理方法或网站测试,不能据此确认功能实现时间、论文覆盖率及翻译质量。

#xiaogpt#HackerNews#Hugging Face#开源维护#论文网站
Topic heat
1527
Topics
Posts
9
Views
54.3万
Creators
6

Topic trend

From first appearance to last update, with a seven-day minimum window.

All related posts

9 posts in total

3
8.1万 followers
Views7.6万
xiaogpt 7k stars 了。 @frostming90 今天关了几个 2023/2024/2025 的 issues 有点感慨,包括我们在 day0 就考虑到了压缩方案,考虑到了未来可能有类似 function call 的东西,未来会有更多的 provider 考虑到了语音 tts.(那时候连 ChatGPT api 还没有) 包括我们催生了不少创业项目其中还有成了明星创业项目。 这 3 年真快。尤其是这条 issue 再看的时候简直沧海桑田。https://t.co/BimSeJJO5k
yihong0618 的图片 1
yihong0618 的图片 2
4
1.7万 followers
Views7.3万
GPT 写代码烂的根本原因: 民科思维:所有东西都有严格的测试和防御设计,程序就一定健壮一百倍了吧, 架构师思维:任其崩溃(erlang Let It Crash) 这就是为什么 GPT 写代码很强,但是也很弱。 GPT 按照这套范式进化下去,这辈子都无法造出一个人类可用的马桶, 在 GPT 的 loop 里面,一个好的马桶必须要考虑你屎的大小,形状,粘稠程度, 还要考虑到你拉屎的速度,每一坨屎的间隔频率, 更要考虑到屎落在马桶上的分布范围,粘黏情况, 也要考虑到冲水的力度,水花溅射,供水能力,水泵压力, 最后终于排列组合计算出一个精品马桶在被人使用的一万种可能性,最后你使用的时候还是发现屎冲不掉, 架构师:旁边放个马桶刷
6
7.7万 followers
Views4.6万
Karpathy 刚刚示范了什么是真正的个人超级生产力, 一个人加一个 Opus 5.5,两个小时内把四千三百万条讨论数据洗完,并且直接从零搓出一个完整上线的视频平台,真他喵牛逼,不愧是卡神!! 而且未来的全栈开发到底长什么样?我觉得卡神已经给我们做了示范,这就是版本答案,不接受反驳hh, 背景是深度学习教育之神、Software 2.0 教父 Karpathy 嫌 YouTube 的算法推荐全是垃圾标题党,周末花了两个小时,让 Claude 扫完 Hacker News 二十年来四千三百万条讨论,搓出了一个专门看硬核长视频的网站 HackerTube。 整个产品没有任何登录门槛,连封面图都极其反直觉,它不要创作者精心诱导点击的浮夸封面,而是直接强制抓取视频正中间的那一帧画面。 二十年里极客社区反复筛选留下的六千四百多个硬核视频,全被提取成了纯粹的高密度长内容,这他喵的简直就是AI学习的宝藏啊卧槽, 但比这个网站更好用的是他的开发全流程, 整个过程他只在浏览器里做了三件杂事, 去谷歌云申请了一个 YouTube 的接口密钥, 租了一台服务器,买了个域名, 服务器开机之后,他把 IP 地址直接丢给 Claude, 说了一句去部署、加固安全并优化代码, AI 就把剩下的所有活全干完了。 以前一个需要工程师团队折腾几个星期甚至几个月的完整上线项目, 现在一个人在早餐时间靠几句对话就能全部搞定, AI已经不再是写代码的辅助工具了,完全就是把个人的想法直接编译成可用服务的最小生产力闭环,damn,真的牛逼, 原项目的体验地址、开源数据包和部署工作流整理在一楼,需要自取👇
7
1.7万 followers
Views3.6万
GPT 过度防御过度设计的根本问题就是 OpenAI 的研究员没有意识到世界是熵增的,老是想要设计一套规矩把地球上所有东西都考虑进去, 你设计交通规则的时候永远不可能考虑到人类的一亿种开车方式,冲马桶的时候也不可能考虑到屎黏在马桶上的一百种场景, 人类社会允许你有遗漏,搞砸,修复,增加健壮性的方式也并不只是提前假设一万个边界条件并且测试, 这也是 opus 能够彻底赢过 GPT 的原因,根子歪了,怎么训练都是一股味。