A London Underground Dot Matrix Typeface egy olyan betűtípus-készlet, amely a londoni metró közlekedési rendszerének érkezési tábláin és hirdetőtábláin használt betűtípusokat utánozza.
A betűtípus különböző súlyokat tartalmaz, és a metróhálózaton a különböző időszakokban használt betűtípusokat reprezentálja.
A betűtípust referenciaanyagok, például fényképek és videók felhasználásával hozták létre, és lehetőség van arra, hogy az emberek hozzájáruljanak a meglévő betűtípusok új karakterekkel való kiegészítéséhez.
A bejegyzés az U+237C ⍼ Jobbszög lefelé mutató cikcakkos nyíllal (RIGHT ANGLE WITH DOWNWARDS ZIGZAG ARROW) szimbólum eredetét és történetét vizsgálja az Unicode-szabványban.
A vizsgálat a szimbólumot az ISO/IEC TR 9573-13, az SGML-hez készült technikai jelentésig és a Monotype S16139-es sorszámú mátrixáig vezeti vissza.
A szerző nehézségekbe ütközött a szimbólummal kapcsolatos konkrét dokumentáció megtalálása során, de a vizsgálat folyamatban van.
A cikk az U+237C ⍼ &Angzarr nevű rejtélyes szimbólum jelentésének és eredetének kutatását tárgyalja;
A szerző a Cambridge-i Könyvtárhoz fordult a szimbólummal kapcsolatos dokumentumok szkenneléséért, de azt a választ kapta, hogy ez meghaladja a szerzői jogokat és a szkennelési korlátokat.
Az olvasók érdekeltek abban, hogy segítsenek a digitális kérés finanszírozásában, és megtalálják a kutatás folytatásának módját.
A Bullshit Jobs olyan értelmetlen és felesleges pozíciók, amelyek mind a köz-, mind a magánszektorban léteznek, frusztrációt okozva az alkalmazottak körében és aláásva a szervezetek valódi célját.
Sok munkavállaló úgy érzi, hogy csapdába esett az értelmetlen munkájában, és küzd, hogy megtalálja az egyensúlyt az értelmes munka iránti igény és a BS-állások követelményei között, ami negatív hatással van a mentális egészségére és önbecsülésére.
Az egyetemes alapjövedelem (UBI) koncepcióját potenciális megoldásnak tekintik az unalmas munkahelyek és a jövedelmi egyenlőtlenségek problémájának megoldására, feljogosítva az egyéneket arra, hogy megválasszák, hogyan töltik idejüket és hogyan járulnak hozzá a társadalomhoz.
David Graeber "Bullshit Jobs" című könyve az olyan munkák fogalmát vizsgálja, amelyeket maguk a munkavállalók értelmetlennek vagy szükségtelennek tartanak.
A könyv kérdéseket vet fel a munka természetéről, a bürokrácia szervezetekre gyakorolt hatásáról, valamint az emberek által a munkájukból származó jelentésről és értékről.
A bullshit jobs koncepciója beszélgetéseket váltott ki a munka jövőjéről és az értelmes foglalkoztatás szükségességéről.
A GB Studio egy felhasználóbarát drag and drop játékkészítő program, amellyel retró játékokat készíthetünk a GameBoy kézi videojáték-rendszerre.
A program elérhető Windows, Mac és Linux rendszerekre, és letölthető az Itch.io-ról.
A szoftver nem igényel programozási ismereteket, és több játékműfajt is támogat. Beépített zenei szerkesztővel is rendelkezik, és lehetővé teszi valódi ROM fájlok létrehozását, amelyek bármely GameBoy emulátoron lejátszhatók.
A GB Studio egy retro játékkészítő a GameBoyhoz, amely lehetővé teszi a felhasználók számára, hogy drag and drop segítségével hozzanak létre játékokat.
A GameBoy történelmileg assembly programozást igényelt, de a GB Studio egy WYSIWYG játékmotort biztosít a könnyebb játékfejlesztéshez.
A GB Studio olyan ROM-fájlokat exportál, amelyek emulátorokon, weboldalakon vagy valódi GameBoy hardveren futtathatók.
A szerző kifejezi csalódottságát az iparágban megjelenő új lekérdezési nyelvek megjelenésével kapcsolatban, és amellett érvel, hogy az SQL mint általános célú adatbázisok közös alapnyelvének használata praktikusabb és hatékonyabb.
A szerző összehasonlítja a FancyQL nevű új lekérdezési nyelvet az SQL-lel, kiemelve, hogy az SQL nem olyan bonyolult, mint ahogyan azt gyakran ábrázolják, és hatékonyan képes kezelni az adatokkal kapcsolatos feladatokat.
A szerző kiemeli az SQL előnyeit, mint például a széleskörű használat, a nagy adatbázis-motorok támogatása és a szabványbizottságon keresztül történő folyamatos fejlesztés. Azt állítják, hogy nincs szükség egy divatos lekérdezési nyelvre, amikor az SQL már képes erre.
Az SQL-lekérdezéseknek lehetnek hátrányai, amikor különböző típusú és sokaságú adatbázisok lekérdezéséről van szó, ami redundáns kimenethez és a hibakezelés hiányához vezet.
Az adatbázisok JSON-támogatása lehetővé teszi a részválasztások eredményeinek egyetlen oszlopba történő összesítését, ami nagyobb rugalmasságot biztosít a lekérdezésben.
Az olyan alternatív lekérdezési nyelvek, mint az EdgeQL és a PRQL az SQL korlátainak javítását célozzák, de az SQL továbbra is értékes és széles körben használt eszköz marad az iparágban.
A bejegyzés olyan technikákat tárgyal, amelyekkel felgyorsítható a nagy nyelvi modellek (Large Language Models, LLM) képzése és következtetése, hogy akár 100K bemeneti tokenből álló kontextusablakot használhassanak, ami jelentősen nagyobb, mint a korábbi modellek.
Az eredeti Transformer architektúra korlátai a nagy kontextushosszúsággal való munka során kerülnek kifejtésre, beleértve a figyelemréteg számításainak kvadratikus idő- és térbeli komplexitását.
Számos optimalizálási technikát mutatnak be, köztük az ALiBi pozicionális beágyazást, a Sparse Attentiont, a FlashAttentiont, a Multi-Query figyelmet, a feltételes számítást és a 80 GB-os A100 GPU-k használatát, amelyek segítenek a kontextushossz növelésében és az LLM-ek hatékonyságának javításában.
Az Anthropics 100k modellje okos technikákat alkalmaz a kontextusablak meghosszabbítására, de van néhány hiányossága.
Az utasítások elhelyez ése a referenciaszöveg után a bemenetben segíthet a modellnek, hogy nagyobb figyelmet fordítson rájuk.
A transzformátorok gyorsítótárba helyezésének képtelensége miatt a nagy kontextusablakok költségesek, de a GitHubon található RWKV-LM projekt lehetséges megoldást kínál.
Az Anthropics Claude néhány esetben felülmúlja a GPT4-et, és összességében a GPT4 és a Bard között helyezkedik el.
A prompt pozíciója a bemenetben befolyásolhatja a modell "figyelmét" és a recency bias-t.
A transzformátorokat úgy tervezték, hogy elkerüljék a pozíciós problémákat, de néhány esetben a recency bias még mindig jelen lehet.
Az LLM-ek nehezen tudnak azonos szintű figyelmet fordítani a bemenet minden részére a teljes kontextusablakban.
Az Anthropics Claude-ot alulértékeltnek tartják, de a hozzáférés jelenleg nehézkes.
A nagy kontextusméretek számítási igénye jelentős lehet, de bizonyos alkalmazások, például a programozás esetében megéri.
Az LLM-ek képzése nagy kontextusablakokkal erőforrás-igényes, de a modellek tömörítése és optimalizálása javíthatja a hatékonyságot.
A nagy kontextusméretek olyan feladatokhoz szükségesek, mint a tények felidézése és a hosszú történetek megértése.
Szükség van olyan benchmarkokra, amelyek a nagy kontextusméretet igénylő feladatokra összpontosítanak.
Az LLM-ek esetében a veszteséges tömörítés jobb minőséget eredményezhet a veszteségmentes tömörítéshez képest.
Az olyan pozicionális kódolási módszerek, mint a szinuszos beágyazások nem feltétlenül alkalmasak nagy kontextusméretek esetén.
A mesterséges intelligencia általános ismerete elengedhetetlen, de az LLM-ek önálló reprodukálása vagy módosítása jelentős erőforrásokat igényel.
Jelenleg is folynak kutatások az LLM-ek skálázhatóságának javítására a számítási és memóriaigény szempontjából.
A tanult pozicionális kódolások használata lehetővé teszi a finomhangolást nagyobb kontextusméreteken.
A cikkből hiányoznak a részletes magyarázatok, és homályos kijelentéseket tesz az LLM-ek kontextusának skálázásával kapcsolatban.
A nagy kontextusméretek számítási komplexitásának kezelésére különböző paradigmák és technikák feltárása iránt van érdeklődés.
A GoPenAI blog, ahol a cikk található, a domainnév hasonlósága ellenére nem kapcsolódik az OpenAI-hoz.
A kutatások azt mutatják, hogy ártatlan embereket megfelelő kikérdezési technikákkal meg lehet győzni arról, hogy olyan bűncselekményt követtek el, amely valójában meg sem történt.
A bűncselekmények elkövetésére vonatkozó hamis emlékeket barátságos kihallgatási környezet és a téves részletek bevezetése révén néhány óra alatt lehet létrehozni.
A valós részletek beillesztése a hamis eseménytörténetekbe hihetőbbé teheti azokat, ami arra készteti az egyéneket, hogy gazdag és részletes leírásokat adjanak olyan eseményekről, amelyek soha nem történtek meg.
A bűnüldözés által alkalmazott Reid-technika hamis vallomásokhoz és téves elítélésekhez vezethet.
A pszichológiai kutatások azt mutatják, hogy hamis emlékeket lehet beültetni, ami ahhoz vezet, hogy az emberek tévesen azt hiszik, hogy bűncselekményt követtek el.
A tanulmány kérdéseket vet fel az emberi emlékezet megbízhatóságával kapcsolatban, és ennek következményei a büntető igazságszolgáltatási rendszerre nézve.
Miért nem hajlandó az Apple hozzáadni az ablakpattintást a macOS-hez?- A bejegyzés azt tárgyalja, hogy az Apple miért nem adta hozzá az "ablakpattintás" nevű funkciót a macOS operációs rendszeréhez.
Az ablakpattintás egy olyan funkció, amely lehetővé teszi a felhasználók számára, hogy könnyedén elrendezzék és átméretezzék a nyitott ablakokat a számítógép képernyőjén.
A bejegyzés különböző nézőpontokat vizsgál meg azzal kapcsolatban, hogy az Apple miért dönthetett úgy, hogy nem építi be ezt a funkciót a macOS-be.
A felhasználók megkérdőjelezik, hogy az Apple miért nem adta hozzá a macOS-hez az ablakpattintás funkciót, és csalódottságuknak adnak hangot a macOS ablakok zöld gombjának alapértelmezett viselkedése miatt.
A vita rávilágít az érdeklődésre és az igényre az ablakpattintási funkció iránt a macOS-ben, valamint a felhasználók számára elérhető különböző megoldási és testreszabási lehetőségekre.
Sok felhasználó frusztrációjának ad hangot amiatt, hogy harmadik féltől származó alkalmazásokat kell használniuk az ablakok hatékony kezeléséhez, és olyan megoldásokat ajánlanak az ablakkezeléshez, mint a Magnet, a Rectangle és az Amethyst.