WWW.YOUINFO.SITE
标签聚合 思考

/tag/思考

LinuxDo 最新话题 · 2026-06-12 11:53:34+08:00 · tech

贴主在2022年本科毕业后开始深度使用AI 当时在某山东IT国企工作,我被分配到硬件岗做软件研发。虽然科班出身,但不咋会写代码,我让当时的 gpt3.0帮我写了一些可用脚本 交付给领导,领导觉得我很吊。后来考上研之后还为我送行来着。 2025年三角洲行动爆火, 3月份我借助gpt和copilot开发了一款三角洲行动交易行脚本 ,可以自动抢购低价子弹和房卡,同时搭建 后端心跳机制 。4月份我借助 ai开发自动抢低价曼德尔砖皮肤脚本 ,两款脚本均通过 OCR实现 规避法律风险(虽然触及腾讯用户约定但它也懒得管)。在2025.3-2026.1月最后开源, 盈利达30万元 。其实中间我并没有太多审查代码的步骤,统统是可用就行。 2026年开始创业开发智能体落地,借助agent大势所趋以及自己的专业背景,接到了第一个 六位数级别的商单 , 全部思路AI设计、代码AI编写、AI审查 ,黑盒测试确定可用性,保证甲方流程上通过验收。 在科研上也是同样的,借助AI我不仅可以快速实现自己科研工作和小活的编码工作,还可以帮我构思、创新。甚至有些创新点可以是子刊级别的。对于我这种学术小垃圾来说已经很够用了,我最快 一周写过两篇2区ccfb加实验 。辅导师弟师妹也是可以赚米,只是周期久单子不稳定。 之前在淘宝上尝试接单,接过一些大小单子,由于AI发展过于猛烈,大家都会用AI开发应付领导要求或者学业要求,单子会变得越来越少。 利用AI为C端提供简单的技术服务是很难赚到米的 不得不说,AI带给了太多人机会,更新换代也太快,只有走在最前线才可以拉开信息差距,吃好时代的红利。 10 个帖子 - 6 位参与者 阅读完整话题

LinuxDo 最新话题 · 2026-06-11 23:51:05+08:00 · tech

最近没什么事情,想着去做一个小玩具,正好本人对机器学习方面比较感兴趣,所以想着做一个机器学习的量化小玩具来玩玩(不想着拿着他去赚钱感觉不太可能(我能做量化机构早就做出来了(除非这个策略是低资金才能玩量化玩不了的))) 那么既然是机器学习的小玩具,那么机器学习最重要的是什么呢?就是模型结构啊!(错了数据最重要啊)所以就去闲鱼和淘宝上淘了一点1分钟的数据,来准备训练一个模型去做一下这个实验 那么第一件事情就是说我们要去针对什么股票去思考和预测,由于没什么钱开不起创业板和科创板所以只能玩玩主板了,那么接下来就是把主板的股票给筛选出来大概3800只,那么从2000年到2026年这27年的数据不可能通通加进去,因为要考虑到A股这个玩意儿不同周期的影响是非常大的(2019有科创板,2023年8月印花税调整,2024年量化监管(DMA 收缩、高频报撤单限制))最后还是选择了2018-2026年的数据来训练这个模型 既然数据有了,那么第二个问题就是我们要预测什么?因为一开始听学长说A股有一个操作叫做打版,这个操作非常赚钱,所以说一开始我我就想着往打版的方向去设计这个模型,但是效果并不是那么好,后面会说明。所以说走了第二个方法预测一只股票在达到最大回收之前会不会涨个问题(还在做目前) 然后就是模型结构问题了,一开始考虑的是多因子+lstm结构的但是过拟合严重(暂时打消了后面我想要fashion一点使用rwkv,trans,delta,mamba的想法)最后使用了light gbm的模型结构(听ai的话了:( ) 最后是数据集分割问题了,一开始没动脑子考虑的就是18-25 training set,25来validation set,26来testing set没有考虑到A股随着时间变化的特点,后面在AI的建议下使用了PTSS和CPCV(最后CPCV效果好一点) PS:这里提醒一下大家一定要做数据的Embargo(就是在训练集和测试集之间留出一段空白期) PS: 要有纪律的使用validation set和testing set,testing set是有保质期的!使用多了之后你的模型就会在你的testing set上被你人工过拟合,你饿的testing set的结果就毫无意义了! 关于vibecoding的使用需要提醒一下这里感觉无论是claude-opus-4.6-max还是gpt-5.5都会引入未来函数(在预测day T的时候有day T+1的数据混进去了)建议开一个上下文空的codex来做独立的审查 还有很多东西要写先写个todo吧 1.CPCV 按等长时间块切分,这在 A股是浪费,一个块可能横跨牛熊切换需要解决 2.考虑一些深度学习模型结构的使用 3.light gbm无法原生感知时间的问题 … 1 个帖子 - 1 位参与者 阅读完整话题

LinuxDo 最新话题 · 2026-06-11 21:18:17+08:00 · tech

中国的科技发展可以说是日新月异,每个人都身处这股浪潮之中。其间,有许多人凭着自身的钻研,或者说机遇,站在了创新的前沿。这前沿之上是机遇无限,可能无限,也挑战无限,就看你如何把握。看未来远不如看过往来得清楚,振奋和迷茫交织在每个人的心头,但是要留一份敬畏在心中,看别的可以模糊,但看准则一定要看清楚,千万不要触碰科研诚信和法律的红线,只有这样,无论是搞研发还是做应用,都可以走得踏实,行得安心。 5 个帖子 - 5 位参与者 阅读完整话题

LinuxDo 最新话题 · 2026-06-11 21:07:02+08:00 · tech

这个情况出现好久了,每次都是思考到一半就被截断了 一开始怀疑过是软件的问题,然后换了其它的软件,也在手机上用rikhub,也是同样的问题,思考到一半就出问题 佬们,救救孩子吧 这到底要咋用呀 就连操练场都不能用 也是同样的问题 而且这样不能是梯子的问题呀,全程梯子没掉线,而且用别的站点都没异常 6 个帖子 - 4 位参与者 阅读完整话题

LinuxDo 最新话题 · 2026-06-11 19:14:10+08:00 · tech

从 请各位佬友来点评。准备在公司做一次技术分享,聊聊我的“上下文工程”实践 继续讨论: 最近花了很多精力在vibe coding上,我觉得人的注意力已经跟不上ai产生的爆炸上下文了。 第一个体感,用多了brainstorming和grill-me,就会发现人对需求的边界才是飘忽不定的。也正是因为人没精力在spec阶段就确定好所有细节,或者模型降智没有理清边界,才是导致aigc堆积成屎山的最大原因。 另一个体感就是superpowers这套TDD范式在vibe coding时代可能已经落伍了。ai可以很轻易绕过原有思路在错误方向上狂奔,最终一样实现绿灯。原话题里的大量property测试我觉得是正确的思路,不过也只是正解的一个子集,其实本质就是让ai进行对抗,找漏洞,最终把代码收敛成最佳状态。 有一个还没有精力去实施的想法。基于上述体感,最值得人花精力(也可以用大量token来逼近)去介入的地方,应该是spec制定和对抗方法。 前者是整个开发过程的权威锚点,目前很难被ai全自动接管,我能想到的也只有grill-me慢慢来了,可能后面模型智力提升后,更能抓住重点来减轻点精力消耗。 后者因为相同的spec在不同模型眼里,盲区大概率是不同的,所以可以引入多个专家模型,写代码的只根据spec写,写测试的只根据spec出反例,再辅以黑盒测试和property测试,把多个模型的分歧点暴露出来,作为修订spec的依据。这样的流程应该就能让spec和代码逐步收敛到真实需求。 手打的,不是AI润色,所以没有截图。 6 个帖子 - 6 位参与者 阅读完整话题

LinuxDo 最新话题 · 2026-06-11 18:59:37+08:00 · tech

最近赶上AI模型编码能力的增强,涌现出了一些之前大脑里想过但是没有落地的需求。 在小红书刷到猫咪去世后的记忆留存和电子永生,加上家里养了两只猫崽子,就想做一个桌面宠物陪伴养成的客户端。 但是在开发到一半的时候,刷小红书已经有了挺多类似的产品,就在犹豫还要不要继续做下去。 基于这个过程本人就在想,大家是如何落地自己的想法,且有用户使用的呢? 1 个帖子 - 1 位参与者 阅读完整话题