Deno發布celld，可selfhost的Durable Object runtime，完全與Cloudflare Workers和Durable Object相容，在較大scale下部署價格較低。
https://celld.dev
https://celld.dev
celld.dev
celld — Durable Objects, self-hosted
The Durable Objects programming model on machines you own. Addressable, single-writer actors with a private SQLite database, state in your own bucket. Open source, ~9x cheaper than Durable Objects for resident agents.
Forwarded from Effer für Wissenschaft
我现在对AI生成内容的统一态度是，我不在乎你是否是AI生成的。
就算你告诉了我这个是AI辅助撰写的，说到底还是要看你的文字中有没有有趣的地方，有没有强逻辑性，写的东西是否有真实的参考，做的课题有没有重要性。
我不认为AI生成的东西就一定比人类一个字一个字写出来的就一定好，或者一定差，或者一定有些什么味道。极端的假设，人类完全有可能写出与AI一个字都不差的内容，而所谓的AI Detector是不可能区分两个从Semantic和Lexicon完全一致的两篇文字的，和Misinformation Detection一样，AI Detection从根本上就是建立在一个科学性奇差的根本上的产物，是不可能被信任的。
就算你告诉了我这个是AI辅助撰写的，说到底还是要看你的文字中有没有有趣的地方，有没有强逻辑性，写的东西是否有真实的参考，做的课题有没有重要性。
我不认为AI生成的东西就一定比人类一个字一个字写出来的就一定好，或者一定差，或者一定有些什么味道。极端的假设，人类完全有可能写出与AI一个字都不差的内容，而所谓的AI Detector是不可能区分两个从Semantic和Lexicon完全一致的两篇文字的，和Misinformation Detection一样，AI Detection从根本上就是建立在一个科学性奇差的根本上的产物，是不可能被信任的。
45M參數規模，跑起來僅需28MB memory的2bit量化agentic小模型，mobile phone use能跟更大的Apple Foundation Model掰手腕。https://cactuscompute.com/needle
Cactus Compute
Needle 2 - The 14 MB Agentic LLM for Tiny Devices | Cactus
An open 45M-parameter model for tool calling, device use, and structured extraction. Needle 2 runs as a 14 MB binary in 28 MB of session RAM.
🤣4
Forwarded from David's random thoughts
GitHub
fix(i18n): use widely recognized developer terminology by opencode-agent[bot] · Pull Request #41532 · anomalyco/opencode
Summary
use the established English token term inline in Simplified Chinese developer-facing copy
update all seven context usage labels consistently
Checks
git diff --check
verified packages/app...
use the established English token term inline in Simplified Chinese developer-facing copy
update all seven context usage labels consistently
Checks
git diff --check
verified packages/app...
😁4
Forwarded from 蚊子今天吃什么
我觉得“词元”这个翻译的公布方式是一个非常非常失败的例子
直接公布一个标准译名，然后各种官媒进行消息轰炸，再把高度上升到科技话语权。
人人都知道这届网友是最逆反的，非得用这种大家长作风式的按头措施来公布这个译名，那现在就相当于把词元这么一个很好的翻译永远的与这次失败关联起来，也永远带上了政治色彩，永远会有一批人拒绝使用这个词。
而如果由deepseek或者moonshot发的我觉得都压根不会有人往那方面想。要做到这一点只需要稍微行政指导一下：
1. 订好了翻译之后找moonshot和deepseek在model card和新闻里用这个词
2. 其它下游软件和生态跟进
3. 国家“顺势”采纳为标准
关键就在于你不能让人觉得自己是被按头的，得让人觉得这是行业里有头有脸的公司提出来的。
直接公布一个标准译名，然后各种官媒进行消息轰炸，再把高度上升到科技话语权。
人人都知道这届网友是最逆反的，非得用这种大家长作风式的按头措施来公布这个译名，那现在就相当于把词元这么一个很好的翻译永远的与这次失败关联起来，也永远带上了政治色彩，永远会有一批人拒绝使用这个词。
而如果由deepseek或者moonshot发的我觉得都压根不会有人往那方面想。要做到这一点只需要稍微行政指导一下：
1. 订好了翻译之后找moonshot和deepseek在model card和新闻里用这个词
2. 其它下游软件和生态跟进
3. 国家“顺势”采纳为标准
关键就在于你不能让人觉得自己是被按头的，得让人觉得这是行业里有头有脸的公司提出来的。
❤1👍1
「詞元」本身不算是很糟糕的翻譯，至少比直接把另一個義項「令牌」直接拿來張冠李戴好。
但是宣傳口就算想按頭，宣傳口自己也要爭氣啊，我現在一看到詞元腦子裡就蹦出來「不法分子截取未加密詞元」「缺乏加密的詞元被篡改」⋯⋯
但是宣傳口就算想按頭，宣傳口自己也要爭氣啊，我現在一看到詞元腦子裡就蹦出來「不法分子截取未加密詞元」「缺乏加密的詞元被篡改」⋯⋯
Laoself
「詞元」本身不算是很糟糕的翻譯，至少比直接把另一個義項「令牌」直接拿來張冠李戴好。 但是宣傳口就算想按頭，宣傳口自己也要爭氣啊，我現在一看到詞元腦子裡就蹦出來「不法分子截取未加密詞元」「缺乏加密的詞元被篡改」⋯⋯
Telegram
Effer für Wissenschaft
https://t.me/Laoself/12148
Token这个词一开始作为类似的意思出现是在1906年的C.S.S. Peirce的Prolegomena to an apology for pragmaticism一文中。当时这个"token"是与其他的几个概念共同出现的: Type, Tone, Token，作为一个单位的定义与Type和Tone进行区分：
A Single event which happens once and whose identity is limited to that…
Token这个词一开始作为类似的意思出现是在1906年的C.S.S. Peirce的Prolegomena to an apology for pragmaticism一文中。当时这个"token"是与其他的几个概念共同出现的: Type, Tone, Token，作为一个单位的定义与Type和Tone进行区分：
A Single event which happens once and whose identity is limited to that…
Forwarded from HAT's Public Channel |
微信官宣发布 WeLM-80B-A3B & WeLM-617B-A23B
其中, WeLM-80B-A3B 官宣代号 “Xiaowei” (小薇AI助手), 支持 "Native Weixin Functions" (吐槽:连这都要自己创个新规范吗 )、适用于 Chat & Search 场景。
WeLM-617B-A23B 则在此基础上支持了 “Xiaowei Tool Generation” 能力，并且仍在 “In Development”。
有意思的是，WeLM-80B-A3B 与 Qwen3-Next 总参数量和激活参数一模一样。 而 WeLM Blog 中则称这是他们用了不足 14T tokens 重训的，至于你们信不信，反正我是信了
Paper: https://github.com/Tencent/Sequential-Hidden-Decoding/~
Blog: WeLM-80B-A3B | WeLM-671B-A21B
配图来源
其中, WeLM-80B-A3B 官宣代号 “Xiaowei” (小薇AI助手), 支持 "Native Weixin Functions" (吐槽:
WeLM-617B-A23B 则在此基础上支持了 “Xiaowei Tool Generation” 能力，并且仍在 “In Development”。
有意思的是，WeLM-80B-A3B 与 Qwen3-Next 总参数量和激活参数一模一样。 而 WeLM Blog 中则称这是他们用了不足 14T tokens 重训的，
Paper: https://github.com/Tencent/Sequential-Hidden-Decoding/~
Blog: WeLM-80B-A3B | WeLM-671B-A21B
配图来源
🤡1