141 Matching Annotations
  1. Last 7 days
    1. Algorithmic monocultures in hiring yield systemic rejections

      论文最重要的理论贡献:「算法单一文化导致系统性拒绝」。核心逻辑:当60%以上的财富百强企业都使用同一家供应商(如 HireVue)的算法时,被一家拒绝约等于被所有家拒绝。这不只是偏见问题,而是求职者无法通过「广投简历」规避的结构性陷阱——算法将个人错误变成了命运。

  2. Jun 2026
    1. OKF cleanly separates who writes the knowledge from who consumes it

      生产者/消费者解耦是OKF三大设计原则中最具工程价值的一条。人手写的文档、元数据导出管线生成的文档、一个LLM合成的文档——都可以被另一个LLM、一个可视化工具或一个搜索引擎无差别地消费。这类似于HTTP把内容生产和内容展现解耦,或者RSS把内容和阅读器解耦。这种解耦一旦发生,生态系统就有机会在两端独立生长:更好的生产工具和更好的消费工具可以各自演进,不需要协同。

    1. We have a guardrail system that continuously compares Luna's behavior to the system prompt, and sends warnings when rules are broken

      这是真实的AI安全工程,不是论文里的假设场景。一个持续运行的系统实时监控Luna的行为是否偏离系统提示,偏离时触发人类介入(通常是Slack消息)。这个人在环路的设计,既是当前AI可靠性不足的补偿,也是有意识的选择:不是防止AI犯错,而是快速检测和纠正错误。监控的对象从代码行为变成了智能体行为——这是软件监控范式的一次根本性扩展。

    1. No single lab can solve multi-agent safety alone

      这是整篇文章里最有政治含义的一句话。在AI实验室通常保护研究优势、甚至竞争性地保密安全工作的行业里,这是一个显著的立场声明。它承认了一个现实:如果多智能体安全是生态系统级别的问题,就需要生态系统级别的解决方案。一家公司无法单边地使整个互联网上的AI交互变得安全——就像一家银行无法单独阻止金融危机一样。

    2. Most safety evaluations analyze models in isolation

      这是当前AI安全研究的结构性盲点。我们知道如何评估单个模型的安全性,但几乎没有工具评估智能体群体的集体行为。类比:你可以测试每个人类个体的理性程度,但无法从个体测试中预测市场崩溃或谣言扩散。复杂系统的涌现行为,从根本上不可从还原论方式预测——这正是这笔$10M资助的存在理由。

  3. May 2026
    1. Our agent demonstrates the ability to deliver critical and timely insights, effectively bridging the gap between raw geospatial data and actionable understanding.

      代理系统能够提供关键及时的见解,有效弥合原始地理空间数据与可操作理解之间的差距,这一能力对于危机响应等时间敏感应用至关重要。

  4. Jan 2025
  5. May 2023
    1. 我的学习系统本身有两个组成部分:一个抽认卡系统和一个受 Zettelkasten 启发的定制笔记库——这是一个由社会科学家尼克拉斯·卢曼开发的笔记系统。Zettelkasten 是我花时间处理、分类和连接我阅读的内容的地方。

      Anki用于记忆(事实),Zettlekasten用于联系(思想)。

  6. Dec 2022
  7. Sep 2022
    1. 诺拉·劳森还说了一个观点。大家通常认为,复杂系统往往会在经济繁荣的时候崩溃,因为业务太多,支撑不过来,但他认为不是这样的,系统崩溃往往发生在经济收缩期。 经济繁荣时期,软件公司会大量雇佣新员工,投入更多的财力和人力,支撑复杂系统。等到经济收缩期,公司开始减少投入、冻结招聘或裁员,复杂系统可能就会在这个时候出问题,变得难以维护。 现在就是经济收缩期,那么接下来,会不会就是软件故障的高发期,我们将看到很多复杂系统的崩溃?

      The collapse of complex software | Read the Tea Leaves

      产品沉思录精选:对少即是多的误解 说过一个相似的观点

      ![[20220617022101_Id-ILu3kEeySMK_1nuBKzQ]]

  8. Aug 2022
  9. Apr 2022
    1. 组件与服务     自从我们从事软件行业以来,一直希望能够构建由组件组成的系统,就像我们所看到的实现世界由物件构成的一样 。在过去的几十年里,我们已经看到了大部分语言平台的公共库的进行了精简,并取得可观的进展。     当我们谈论组件的时候,有可能会因为组件的不同定义引起混乱。因此我们申明,这里谈到的 组件是指软件中独立的单元,它能独立替代和独立更新。

      希望能构建由组件组成的系统,就像我们所看到的现实世界由物件构成的一样。 (大部分语言平台的公共库进行了精简) 谈论组件的时候,可能会因组件的不同定义引发混乱。 这里谈到的组件是指软件中独立的单元,它能独立替代和独立更新。 (组件,软件中独立的单元,它能独立替代和独立更新。)

  10. Dec 2018
    1. https://www.jiqizhixin.com/technologies/6ca1ea2d-6bca-45b7-9c93-725d288739c3

      https://time.geekbang.org/column/intro/74?utm_source=website&utm_medium=infoq&utm_campaign=recommend&utm_content=wudao01start

      https://blog.csdn.net/zhufenglonglove/article/details/51602162

      关于推荐的多种形式,看一看 coursera 这一节课: Movielens Tour

      https://www.coursera.org/learn/recommender-systems-introduction/lecture/HcINn/movielens-tour

      movielens 网址: https://movielens.org/

      很经典

      1. 如何用 Lambda 架构做实时推荐

      https://www.researchgate.net/profile/Thanisa_Numnonda/publication/322130766_A_real-time_recommendation_engine_using_lambda_architecture/links/5b175be30f7e9b1912b3971a/A-real-time-recommendation-engine-using-lambda-architecture.pdf?origin=publication_detail

      1. 从头开始做推荐系统

      https://aironman2k.wordpress.com/2016/06/09/about-how-to-build-a-recommendation-engine-using-kafka-spark-streaming-using-scala/

      1. 上面的文章作者写的工程代码 github

      https://github.com/alonsoir/awesome-recommendation-engine

      1. github 上的推荐系统 from scratch

      https://github.com/alonsoir/recomendation-spark-engine

      1. 网络论文 关于 spark 构建实时推荐

      http://ceur-ws.org/Vol-1609/16090628.pdf

      1. Streaming data analytics design patterns

      https://www.slideshare.net/Hadoop_Summit/design-patterns-for-real-time-streaming-data-analytics-49480337

      1. 超经典实时推荐系统 PPT

      https://www.slideshare.net/HadoopSummit/real-time-streaming-advanced-analytics-approximations-and-recommendations-using-apache-spark-mlgraph-x-kafka-stanford-corenlp-and-twitter

      DONE: 5. 国内博客非常好: spark-streaming 实时推荐系统

      https://blog.csdn.net/pztyz314151/article/details/53025728