@paopjian 用的都是官方原模型 + prompt 。微调嘛，一定程度上会限制模型的能力。

@molezznet 如果有可以自己配置的 NAT 确实是最好的情况。acp 的打洞也有 UPnP 等端口映射方法的支持，让路由器的 NAT 能配合打开端口。不过现实的情况是有时会有两层或以上的 NAT ，而且多是像电信运营商那种用户无法配置的 NAT ，就比较麻烦了

当然是用来实现邪道三元运算符：

func tern[T any](cond bool, a T, b T) T {
   if cond {
      return a
   }
   return b
}

var x, y int
x = tern(true, 42, 1)
*tern(false, &x, &y) = 42

越过现象看本质：无论什么领域的代码、无论多大规模的项目，维护靠的都是模块化，即把一个项目拆分成尽量相互独立的部分，以便管理维护。

对于一个 .ipynb 文件，单元格就是一种模块化。而一个组织良好的 Python 项目并不会是单个 .py 文件，而是会包含许多相互依赖的 .py 文件和文件夹，它们构成了 Python 模块化中的包（ package ）和模组（ module ）。

以 debug 举例，一个 Python 项目中，一个 .py 文件实现一个具体的功能，与之对应的一个单元测试文件针对性验证这个 .py 文件的功能。所以很多时候 debug 并不用运行整个项目，而是单独运行查验一个单元测试文件。

最后多讲两句，.ipynb 是快速验证想法或者做小 demo 的利器。但如果一个项目持续增长到一定规模，最终还是整理成一个 Python 的包更有利于长期维护，因为线性组织的 .ipynb 很难维护多层的依赖关系，而且版本控制也比较困难。再说你写成一个包也是可以在 .ipynb 里导入使用的。

你这 sd 怎么纯热水也能拉花？

@Lighthughjiajin 免大佬。基本没问题，就是注意一下依赖关系，Syncer 单方面依赖 Actor ，22 行是没必要的。

不过这个玩具例子有点过于复杂了😅，但愿你在实际应用中不会经常遇到这种情况。

@Lighthughjiajin 嗯对，为了清晰对应你的例子我尽量沿用了你的命名。Go 里的 Interface 一般都是“动词 + er”来命名。假设我把 fn 重命名为 act ，那接口就叫 Actor 或者 DeviceActor ，对应的实现叫 PCActor 和 RouterActor 。

关于你提到的无法重写 sync 方法的问题，这意味着在你的业务逻辑里 sync 并不是只有一个实现，那就应该也把它列进接口里。根据不同情况，可以开一个新的 interface ，也可以加进 IDevice 。
- 开一个新的 interface 那就可以实现一个 type DefaultSyncer struct{}，只是初始化 Device 时得传两个值
- 加进 IDevice 就是强制要求每一个具体实现都要实现 sync

Go 的 interface 和 struct 那一套鼓励的是组合 (composition) 而不是继承，所以像 PC 和 Router 这种实现具体功能的类是会被作为 Device 这种实现公共方法的类的**一部分**，就是 Device 包裹住 PC 或 Router 。下面是我个人认为的对应 Go 的地道解决办法： https://go.dev/play/p/wio55S6HtdK

既然他们当时能做出降智 Claude Instant 这种操作，现在为了省开支对 Claude+ 采取更低的参数也不足为奇了

因为 Slack 里的 Claude 是 Anthropic 亲生的公测项目，而 Poe 则是 Anthropic 授权给 Quora 做的。Quora 之前为了推销他们的订阅服务（ GPT-4 和 Claude+）就把 Claude Instant 降智了（大概是调高了 temperature 和降低了 p 值）附上当时的官方推文（看看下面的回复吐槽）： https://twitter.com/poe_platform/status/1641532203132932099

@renmu 没错，选择猫娘为例并非出于笔者的喜好，而是因其在计算虚拟生命学中作为模式生物的地位 (x

@lv2016 目前我得到的结果还是依赖于每一句对话的精细引导。我不太记得这个研究的细节了，但是对于让两个模型相互进行高质量的长对话这一方面，我还得多多学习研究。

@lookStupiToForce 哈哈，你这么一说，我其实也怀疑过是不是 Claude 的 instruction finetuning 做的不够彻底，所以出来这个 bug feature 。但不管怎么说，我觉得这个模型至少在预训练时期对猫娘这个概念的“理解”是非常透彻的。

其实 gpt-3.5-turbo 是一个拥有超凡阅读理解的小学生，不过在做数学题上需要一点引导和鼓励。


> 动一动小脑筋，想想看下面的数学问题需要拆分成几个步骤，然后逐个步骤计算：
> 2 个人 2 天用 2 桶水，6 个人 6 天用几桶水？

这个问题可以分成以下几个步骤来计算：
1. 计算一个人在一天内需要用多少桶水。
2 个人在 2 天内用了 2 桶水，因此每个人在一天内需要用 2/2/2 = 0.5 桶水。
2. 计算 6 个人在一天内需要用多少桶水。
因为每个人在一天内需要用 0.5 桶水，所以 6 个人在一天内需要用 6 x 0.5 = 3 桶水。
3. 计算 6 个人在 6 天内需要用多少桶水。
因为 6 个人在一天内需要用 3 桶水，所以 6 个人在 6 天内需要用 6 x 3 = 18 桶水。
因此，6 个人在 6 天内需要用 18 桶水。

> 答案正确！爱思考的你，能不能把最后两步用一步算出来呢？

当然可以！我们可以将第 2 步和第 3 步合并，计算如下：
6 个人 6 天需要用的水量 = 6 个人在一天内需要用的水量 x 6 天
= 6 x 0.5 桶 /人 /天 x 6 天
= 18 桶
因此，6 个人在 6 天内需要用 18 桶水。

我的 Discord 群组大多都是开源项目交流用的。不过可以逛逛下面两个 AI 绘图相关的大型社群：
东方 Project AI ，不过感觉已经远不止东方了： https://discord.gg/touhouai
Niji Journey ，Mid Journey 官方整的二次元版本的 server： https://discord.gg/nijijourney

看起来你提供的训练语料应该不错了，从你给的例子来看已经接近 ChatGLM-6B 模型能提供的极限了，等待更大的开源中文大模型吧。另外，使用 ChatGPT 根据博客生成对话也可以试试让 ChatGPT 根据你的博客内容提问，然后再自己回答。

“我希望自己有一天能够真正的死去，而不是成为别人的电子宠物”
哈哈不过赞 OP 的动手能力和勇气

https://github.com/MotooriKashin/Bilibili-Old
更彻底地解决问题，直接回到五年前

觉醒？底特律变人是吧（ x
类似“觉醒”的现象确实能在大型语言模型的训练过程中被观察到。和人相似，一个大型语言模型的成长轨迹是由许许多多的“顿悟时刻”组成的。可以看看这个推的讨论串里举的例子： https://twitter.com/xleaps/status/1628071925166624768
虽然最后可能达到一些相似的目标，但是 AI 成长和人类成长的路线是很不一样的，比如早期大型语言模型犯的语法错误和人类犯的错误就不太一样。
最后 AI 的上限在哪里这个问题，现在还很难定论，且看未来的发展吧。

@IamLeeroyJenkins 已经比上次多啦（小声）下次，下次吧……

哈哈哈哈，虽然但是，你的引用呢？还有你前面几段话到底有多少是真的，我看不大出来了，我入院吧