西蒙妮·斯卡达帕内（Simone Scardapane）的论文“爱丽丝在可微分仙境中的冒险——第一卷，对这片土地的游览”（Alice's Adventures in a Differentiable Wonderland -- Volume I, A Tour of the Land）是可微分编程和神经网络的入门读物。该论文以“爱丽丝”这样的新手为目标读者，重点介绍了通过自动微分优化函数的核心概念的直观理解。 这篇论文探讨了各种常用神经网络设计，这些设计常用于处理序列、图、文本和音频。它强调了这些网络背后的关键设计技术，包括卷积、注意力和循环模块。通过弥合理论知识和实践代码（使用PyTorch和JAX）之间的差距，这篇论文旨在使读者能够理解大型语言模型（LLM）和多模态架构等复杂模型。本质上，这篇论文是一份关于可微分编程和神经网络设计的自包含指南，使读者能够掌握并构建最先进的AI模型。
每日HackerNews RSS
Kyber正在寻找雄心勃勃的企业业务拓展代表（BDR），以推动其AI原生文档平台的销售渠道增长。Kyber正在彻底改变企业文档工作流程，尤其是在保险行业，取得了显著成果：模板整合率提高80%，起草时间缩短65%，沟通周期加快5倍。在Y Combinator和Fellows Fund的支持下，Kyber在过去8个月实现了20倍的营收增长并实现盈利，现寻找具备超额完成配额的成功经验、卓越的沟通能力和百折不挠的资源丰富能力的优秀人才。 职责包括执行外联策略，在HubSpot中管理潜在客户渠道，代表Kyber参加活动，并提供宝贵的反馈意见以改进信息传递。理想的候选人应具备极强的职业道德，团队合作精神，并渴望拥有自己的业务。Kyber提供具有竞争力的目标总收入（OTE），无限佣金，股票期权和全面的福利。为了脱颖而出，申请者应将简历或领英个人资料以及前同事的2-3句推荐信发送至arvind [at] askkyber.com。
CoMaps，一个由社区主导的、非营利性的Organic Maps分支项目，已在iOS和Android平台上线。Hacker News上的讨论强调了其对透明度和隐私的承诺。与Organic Maps的不同之处包括：自动备份书签、改进的海拔等值线、重新设计的配色方案、UI自定义选项以及针对iOS的错误修复。
用户们讨论了该项目的治理目标，旨在建立一个中立的基金会，以避免类似项目中过去曾出现的归属权纠纷问题。这些功能并没有贡献回Organic Maps项目，原因是与Organic Maps项目的发展方向存在分歧，以及项目治理方式上的差异。
一些用户指出，Organic Maps比较简单，而OsmAnd则比较复杂。OpenStreetMap的数据模型可能不支持实时交通数据或临时道路封闭信息。一个常见的请求是更流畅的导航和更好的隧道处理能力。用户们还强调了Android Auto支持的重要性。
在2025年7月3日的一篇博客文章中，作者批评了多组件管道（MCPs），认为它们目前不如代码生成有效，尤其是在自主编码方面。主要问题在于缺乏真正的可组合性、过度依赖推理以及对上下文的高度依赖，这使得它们比`gh` CLI等工具更慢、效率更低。 虽然作者承认MCPs在特定领域的任务和未来发展中具有潜力，但他认为，利用大型语言模型（LLMs）进行代码生成，提供了更好的控制性、可验证性和可扩展性。关键在于自动化重复性任务，生成的代码可以在没有持续推理的情况下可靠地执行。 作者提出了一种“LLM到代码到LLM”的方法，使用LLMs生成代码，然后再次使用LLMs验证代码的输出，例如reStructuredText到Markdown的转换。这使得能够审查并信任整个过程，这与不透明的MCPs不同。虽然MCPs也有一定的作用，但作者鼓励探索代码生成和API，从而实现更好的自主编码，并可能将代码逻辑转换成对非程序员来说易于理解的解释。
这篇帖子总结了常见的AI评估问题。RAG 并没有过时，它只是需要超越简单的向量搜索，采用针对特定应用的有效检索方法。模型选择不如错误分析重要；首先关注理解错误模式。自定义标注工具通过提供量身定制的界面和工作流程，显著加快迭代速度。优先选择二元评估而非李克特量表，以便更清晰的思考和更轻松的标注。通过简化测试用例并识别初始故障点来调试多轮对话。
在初步提示修复后，针对持续存在的问题自动化评估器，从廉价的基于代码的检查开始，然后再使用复杂的LLM作为裁判的评估器。指定一位领域专家（“仁慈的独裁者”）以确保一致的质量标准。现有的评估工具缺乏AI辅助、自定义评估器和支持自定义标注应用程序的API。合成数据应使用维度进行结构化，以针对可能的错误模式。评估策略源于错误分析，而非预定的查询分类。60%-80%的开发时间应用于错误分析和评估。