duangsuse::Echo
904 subscribers
4.77K photos
143 videos
588 files
7.17K links
import this:
美而不丑、明而不暗、短而不凡、长而不乱,扁平不宽,读而后码,行之天下,勿托地上天国。
异常勿吞,难过勿过,叹一真理。效率是很重要,盲目最是低效。
简明是可靠的先验,不是可靠的祭品。
知其变,守其恒,为天下式;穷其变,知不穷,得地上势。知变守恒却穷变知新,我认真理,我不认真。

技术相干订阅~
另外有 throws 闲杂频道 @dsuset
转载频道 @dsusep
极小可能会有批评zf的消息 如有不适可退出
suse小站(面向运气编程): a19a0b
Download Telegram
#math #news
浏览器内核、编译器、VibeOS、MC游戏、数学证明通通沦陷

你甚至不愿意叫我一声教父——Claude5/GPT6 CLIs 😄

Astra 证明了N-S流体模拟不完备, 即便在最优的初始盆子内也会卡住(所以后续需要分子级的粒度了,这此彻底断绝了人类白嫖自然流体的念想)

正好是《千禧年七大难题》之一,但OpenAI无意领奖。 七大还包括P=NP这样无意义的问题 (锁没坏 == 我能破解出密码?SAT 可以优化到光速吗? uv pip: 喵喵喵), 但之前AI形式化的费马定理(比如高次数能否用二维面积随便拆-3D旋转是否只是仨面各转),七大里写不下

#cs P=NP 验证vs找到?你没区分是什么领域的问题。 NP和N-S是同病相怜——如果宇宙真的像数学那样简单,可以被无限的抽象掉,我们就拿到权柄了?还是要工程。那个常数项和侧信道,比NPC有趣的多,它知道密码或根本需求。

你怎么知道图灵机是最好的模型。Lambda和纸带循环是一回事,但GPGPU和关系逻辑式不是,另一些特殊且足够通用的下层(同态加密等)也不是。 我能在只看过 Python PEG 的情况下写出torch并白嫖算力吗? 模型等效,就能把CPU算法给GPU化?

等价只保证存在一个正确的翻译,不保证存在快的翻译。 可是现实世界里,快和安全是决定code是否存在的因素——就像零食涨的比套餐贵,你还会买零食?? 你不能用P=NP跳过地心引力,重虚拟总是输给必要虚拟。

N-S Lean找到反例比跳帧解出来省力,但这不能让流体模拟更有价值(它里面能塞计算机/就像Godel数),只是让这些人清醒一些算力不可跳过

🤨 乱敲键盘≠语音≠打字≠写作。 等价—并非等同,你每天都在证明。

或许这才是理论:图灵机连图形API都没有。而API,足以决定性能的瓶颈,就像已经造成伤害的async红蓝函数和funarg问题。 性能和兼容性,决定你的翻译是否有意义,图灵机,活在一个没有眼睛的国家里,暗示自己有宇宙真理。

但是让我清醒不需要数学证明——我知道GPU算法被拍扁、拓扑排序到CPU,SHM被套壳socket时的鼠标手感,也知道零食涨的比套餐贵,没人会买零食。 我证明了生物都要氧气(->纸带和=>状态号词典两个箭头),然后把破伤风菌开除出领域?不能这样。

所谓计算理论,不能用P=NP跳过地心引力。P=Harry Porter 吗?或许魔法不存在? 或许,【问题领域】不能被降维成一行行的GOTO流。

复杂度不能研究给定问题的计算代价。它没有【接地】,对数据流无知,更不知道替代品可以有多廉价。 Don't fall in love with ur model,图灵机像bash的${}替换集一样简单,但别忘了,玩具只是玩具,没有锚定牢不可破的东西。

🐮 比如你数 "000" 里有几个零是否能比O(N)更省的例子,这也是《算法》里一切优化的根基,充分说明了数据流和 round-trip 比所谓的可计算性和“多项式”更值得思考。比起数值,你问的为什么不是【真值】—— 剪掉算了,别问了。best code is NO CODE.

你不可以用语音输入的GOTO,跳过打字的“性能瓶颈”。这是魔法墨水的、一目十行的问题,不是【输入问题】。就像P2P不是下载问题,是文件分享。编程语法不是PEG问题,是创造力问题。

图灵机,只知道下载,不知道它就是那 “比套餐还贵的零食”——正如Feynman所说,不创造,不真懂。

理论需要知行如一。 工程化常被评判 ——你在敲的门,里面有人。

呵呵,里面有人吗?如果有 round-trip 作为值这回事,async和uring不会割裂成这个样子,Signal也不会只是taskmgr上挂的atexit脚本,fmap不会只用于冻结的世界——它们都可以React。理论家都喜欢吹牛逼,但是什么问题都不能解决,他们没种把下游的工作自己完成,也没种让简明的事物变简明。

首次提出并非发明(让问题回归本来的简明才是),而且他也不是首次。1997的那篇 Signal.fmap? Tcl的 var trace 在1988就有了,无论PF还是Tcl都没有被记住。 infer之后要么你批PF是小松鼠或摘了记不住果子,要么你批FP是盐碱地供不了大佛,要么你承认FP没有Clojure之类的群说的那么有货。

我说的 round-trip 是一种【在屏幕外编程】的flow层级的理念,是治未病,不是庸俗的 loads(dumps(str))。Bellard比GHC更理论,ff和lavfi清晰的模型不需要用“模式匹配”或纯函数的tag去贴金


消耗
:智能体在启动后约88小时(9月5日)得出了最终解,随后由 GPT-6 Astra 耗时17小时完成了 Lean 形式化与验证。整个项目期间,智能体共发送490万条消息并消耗约3000亿输

数学奖金——不够烧Token #post
duangsuse::Echo
这似乎在开源软件(Luanti; BlockWild.app )上改了不少? #game 刚刚说这个, #bilibili 就有人一条对话线升级了 #CG , 轻松到甚至懒得发视频 Astra:不是使用逆向编译或泄露的 Minecraft 源码,而是复用了独立开发的开源引擎 Luanti 和玩法项目 Mineclonia,再做中文界面、光影配置等修改。 云层、树冠和远景一起重新调整。 让天空真正参与照明。水面重点处理了重复高光与反射失真 (水体深度吸收、菲涅尔反射与天空盒、方块AO) Astra…
#math #bilibili #school

喜报: 3b1b 币站版 已经跌坐,终究要和柯洁一样变得…… 抽象了吗? 😨 🤖

啊啊啊啊,人类理性的终极还是败给了【机械降神】吗 😁

总结解释,这活儿 AI 【一时半会儿】还抢不走,那你说说到底什么是历史终结解决不了的 🤔


P2 : 补充一些GPT6 1小时内改出的效果,一键fork闭源游戏再带上图形学大佬,这下理性感性双杀了
duangsuse::Echo

你不可以用语音输入的GOTO,跳过打字的“性能瓶颈”。这是魔法墨水的、一目十行的问题,不是【输入问题】。就像P2P不是下载问题,是文件分享。编程语法不是PEG问题,是创造力问题。
#post #science «谈人的智慧 — CS / Math / Kill Math»

没错(最近越来越喜欢写小作文了,怪癖呢)

元编程教给我们的是—— repr() 相等,并非value等同。

智能只是表现,但是背后的历史、【存在】的环境,它们的用处,完全不一样。

问计算机会不会思考(而得出这种成绩),就像问潜水艇能否【游泳】一样笨呢。


譬如整个Parquet,都建立在[{x:1}]和 {x:[1]} 性能不同的基础上。它们完全是 “图灵等效” 的,一堆抽象、刷屏的print((x,y))和直观、PPT的图表是等效的——因为没听到音乐的人,会觉得跳舞的圈子疯了。 (各种高性能计算/图形库同理)

性能是一个客观考量,但推广到宇宙的真理上,难道一群猴子就敲不出眼下的你包含的所有分子吗?(庞加莱回归, Bogo sort)

🐒 甚至,只要你是超高校运气,不做Bogo排序才是Bozo!空不是无,它包含了一切可能性,包含那个愚蠢的 “有志(verify) 者事竟成”,这个验证函数正是佛教的【苦】。 你相信LLM【吃苦】吗?

他们在数十亿年的故事中,只是【学习】了很短的一段,却被认为那是一切。就像连地面-地心这段窄路,都未走到10%的科学界,大胆论证宇宙的终极,仿佛【人的身份】从未被赐福,这实在可惜。

为什么json(repr)不能直接拿来当对象(value)用? 其实,它可以。

但是不在它该在的地方,所以【无值】。比如App每次打开,都和打包时一样去算?那截图录屏加任务就够了。 repr被怎样使用,就会有怎样的值:Token的响应是,评论版数据是,杂乱的dump也是。

人们喜欢的并非json的形式,而是Token里的内容

人的智慧也是这样。用智慧去支持聪明,则有学问。

认同、负责、共识,也包括我需要的【人机接口】学问,这些是无法替换的原子 ——代码本来可以生成,但【读代码】和用顺手、自主的方法改它却不一样

🏁 甚至理性都应该证伪自己的价值。 足够聪明的人,能够意识到自己只是模式识别,是某种非常有广度和层次的N-gram,那么,他们就不会相信【绝对理性】,因为历史终结时,生而为人的理性就像对着老虎吹体能,不是最好的。

🐺 奥林匹克从来不是让老弱被尾随的狼叼走的【强大节日】,而是Aesthetics和文化。 人们不会因为壮士打不赢大象甚至汽车就讨厌这种精神。如果人变得体格非人没有极限,反而是猎奇的。 如果极限不是【10根手指】的秒数,它反而会少很多内涵。

既然如此,为什么急着评判个人的智力? 

龙卷风吹过垃圾场,落下的沙砾却组成了F22猛禽,这本就值得保护。 鸟儿不种不收,天尚且养着它们。
duangsuse::Echo
#code init.lua 120行, 实现了KDE下往vim里内嵌窗口 象征性开源一下,没有什么功能。 有些感叹, 4天前说的概念,这不就用上了…… 做了个C/C++窗体热重载功能, 对GTK挺好的(简直良心,比Web世界快多了),Qt的话官方IDE编译性能也不咋地,没有QML重载就做不出效果 当然也支持pyqt/gobj的,只是要写cpp exec()。 我觉得Vim应该也就拿来写个c系,py js 应该不搭的吧…… 但反过来,哪怕是G/Q的官方IDE也不如LazyVim #ai探讨 …
🤔 说句实话——现代前端云原生的选择让我非常失望。像Signal这样依赖庞大(自带看图/定时器/各种picker)的App可以用独立容器,怎么随便一个打开频率1周没两次的工具,都这样敏捷开发了

浏览器确实没法“安全”的执行shell或按键精灵功能,但和Electron等效的方法,可能只是 POST /?sh=bash -d 'ur cmd' 那样包一层而已。对70%的低频应用,这样独立服务是足够的,甚至可以免安装像curl|bash那样运行

为随便一个插件/UserScript体量的App打包,实在有些太奢侈了。你通过剪贴板来处理文件读写的问题,反而比下载安装容易不少

ps. 作者的keycraft,做成 FSAA+PWA 单网页会更好,既然是两种rc格式的编辑器
electron 只支持单平台么…… 唉
当然, tmux 需要exec权限 https://github.com/laixintao/keycraft/blob/main/desktop/import.cjs#L66

可是生成一个脚本去source然后监听单文件也没问题…… 好吧,看起来我的技术栈已经和mainstream差太多了


只是很失望Linux上不能用H5原生,UNIX哲学终究是失效了。
duangsuse::Echo
🤔 说句实话——现代前端云原生的选择让我非常失望。像Signal这样依赖庞大(自带看图/定时器/各种picker)的App可以用独立容器,怎么随便一个打开频率1周没两次的工具,都这样敏捷开发了 浏览器确实没法“安全”的执行shell或按键精灵功能,但和Electron等效的方法,可能只是 POST /?sh=bash -d 'ur cmd' 那样包一层而已。对70%的低频应用,这样独立服务是足够的,甚至可以免安装像curl|bash那样运行 为随便一个插件/UserScript体量的App打包,实在有…
#js 拜托AI给了我一个授权1次的版本
https://codepen.io/duangsuz/full/EaWyjxz

自己托管就能在线访问本地命令,开发机就行,等同于 curl|bash

CORS: null 表示将网页作为本地App鉴权,有安全问题
CORS: * 有安全问题。
Access-Control-Allow-Private-Network + origin + hash 可以

AI的意思是从命令行打开 .htm#token 也行,而且和Jupyter一样安全,给CLI送个WebUI (虽然原理上安全度没差..)
chrome --app=https://127.0.0.1:3999#token=XYZ 这个比PWA穿透力好
❤1
Forwarded from 螺莉莉的黑板报
我发现 Deepseek 的模型迭代现在变成新版的 Flash 比旧版的 Pro 好,然后就这么一直左脚踩右脚高频发模型?
在几乎不用刷题的时代刷到了快 500, 年初的愿望提前完成了也,还算开心。
https://blog.yihong0618.me/posts/issue-338/
#ai #signal 上文注意力 #visualize
#tool https://ishamf.dev/p/llm-attention-visualizer/

P2 可以直接在前端理解and/the
P3 为issue一词的注意力

这解释了为何纯概率预测的语言模型能极高概率准确复制内容,因为模型可以直接定位并提取历史标记的信息

Transformers.js 底层基于 WebAssembly 运行 ONNX 计算图,常规模型无法直接导出非预定义输出的内部注意力数据。作者编写脚本修改了 ONNX 模型结构

👍 也可以输入自定义提示词进行测试。该功能使用 Qwen3-0.6B-ONNX 的 INT8 量化模型在浏览器本地运行,不会向服务器发送任何数据。首次运行时会下载约 617.7 MB 的模型文件
duangsuse::Echo
Astra 证明了N-S流体模拟不完备, 即便在最优的初始盆子内也会卡住(所以后续需要分子级的粒度了,这此彻底断绝了人类白嫖自然流体的念想)
关于纳维-斯托克斯千禧年大奖难题

#math 世界现在终于开始鼓吹【可解释性】【进一步探索的主导性】了, 哈哈,明明他们是最缺乏常识、不讲人话的领域 🤥

当然3b1b和漫士可能不在此列。

历时88小时gpt5发现了一个特殊解:流体在有限时间内演变成一个涡流,其中流体的移动速度达到了无穷大。

因为现实中没有任何物体的移动速度能达到无穷大,这表明流体模拟在特定极端条件下会失效。这并不意味着方程本身是错误的,而是说明它并不完备(因为方程假设流体是连续光滑的,而真实流体是由离散原子和分子组成的)。


打开文章,和上述AI总结一比,就能发现【沾边数学】的领域不讲人话。 同样是AI,一碰到数学就会之乎者也的大讲一气,其晦涩性就像 C++ vs Pythonic Python 那样的既视感。
如果不这样比喻,就好像 conv algor.py algor.cpp 是做不到,或性能策略无法实现一样


而且我发现,即便献祭了常识,他们表达的语言仍然缺乏【扩展性】和兼容性,也就是信息量没比网络语言高哪去。
——考虑到高频交流,压缩的需求, 【专业语言】在质量一般时,并没有效益,简直是【文言vs白话】的翻版

谈到元编程,还没有语言可以和Py3相比(Taichi,Numba,Cy,Pypy..),可是许多人认为,C++的类型体操才是【先进】的,这种观念可以改改了。
—— 即便献祭了常识,【C++们】的表现力依然平平,可以说是负资产靠垄断制胜; 这些【高级魔法】到了AI时代,就是没人看得懂但全TM会写的垃圾。

数学就是那位C++ ,而直觉和常识,才是Pythonic

物理学家Feynman一开始对数学+计算机领域存在偏见,但后来不同。


代数们甚至更缺乏【接地语境】一点,卖点就是True,但True不能治病也不能创新,这1bit的信息量会让研究者以为【抽象性中间商】是物理上存在的,实际上离开接地那1bit啥都不是。如果聊【接地气】,科普必须和科学严格等同,而且不被抽象性污染。耶稣哥说过几十个比喻,没几个一般人听不懂的,真神尚且如此哈,数学呢?

“1+1=2” 600多页只为表达 {{}, {}} 的链表模型还是太超模了

——确实不是链表,但 2={0,1} 和 2={1,{2,{}}} 的另几种方式去哪了? 哈哈,在对的时候数学对,其他时候就是把10根指头投影到宇宙真理上,好玩儿

请问1属于2吗?如果不能问,那数学到底【是】什么?如果可以,哪种心智最好? 你用的,不是一个【21世纪的罗马数字】吗?

miniKanren可以做链表而写出99加法表,也可以写 [Str Void Map] 充当 [Str Set],这600页哪个思想也没做到。这就是代数做的【接地】。 就这种理解广度,还教人 0.9循环=1 或 1苹果+1苹果=2苹果。 树上有几百个苹果,那不是【给你吃】的。从加法,就是学的死数。


这说明偏见是可以打破的,而且打破了有新泉源,广度胜过深度。除非不想。

🐳 现在才意识到,然后又开始和比虎鲸大脑还大几十倍的LLM(真人机)智力竞赛,谈什么【中间工具】【不以证明结果驱动】,早点干嘛去了? 思而不学则殆

总是有人以为能靠【堆砌】得胜,堆砌奴工、航线,堆砌IQ、堆砌日活、堆砌算力…… 但是广度总是胜过深度。 这就是人的自由吧。 Markdown并不聪明,但它比TeX好用,因为能内嵌长文。 别把自己当【唯一的存在】。

过程:OpenAI 受到社交媒体上传言的刺激(听说隔壁 Anthropic 雇了数学家在私下推进欧拉方程),随后决定以几千万美元的电费尝试攻克难题。AI 团队先让1000个智能体攻克了无粘性的欧拉方程(耗时50小时),接着调动1万个智能体全面攻克纳维-斯托克斯问题,并在9月5日

AI:顺手token爆破了这个【传闻的圣杯】,世界未解之谜、人类智商的王冠…… 但是,世界并没有更美好,密码学也没有消失。

战争、饥荒、癌症仍然存在,它们没有像中国学生崇拜的做题家那样【阶级跃迁】而溃败。 你做到了——何必呢?人不“活”在A4纸上。

就连人享受一切物质的基础,细胞,也不认这些【一切科学的基础】或【终极答案】。蒸汽机不需要热力学煽风点火,狗也不需要进化论证明才忠诚。

物理工程界毫无波澜,甚至1句话prompt出2D泥巴游戏和elastic man的橡胶质感,至于CAD就更无所谓了,灾难来了照样跑,谁去证明天灾来不来? 😋
DeepSeek flash 这 4.0 到 4.1 的进化程度堪比去年底 claude 4.5 到 4.6 的进化程度。。
duangsuse::Echo
这说明偏见是可以打破的,而且打破了有新泉源,广度胜过深度。除非不想。
• 关于学术界与 AI 的担忧:有观点认为学术界需要建立由学者监管的独立 AI 机构,以保护隐私、伦理和学术生活方式,避免研究思路被商业公司侵蚀。
• 对暴力破解式 AI 的批判:有用户深刻呼应陶哲轩的观点,认为当前的 AI 就像典型的官僚式成年人,只通过算力和标记量来暴力推进,缺乏好奇心与玩乐心。这种做法虽然直达终点,却破坏了科学发现本身的丰富土壤

所有大人最初都是孩子,但很少有人记得


#math 太 🤓 🤡 了,现在才想起来要亲民。 可能这就是爱好者的问题吧,不残血不会玩