@westoy 按照 (<enum 'TestEnum'>, <class 'str'>, <enum 'Enum'>, <class 'object'>) 的顺序。TestEnum 没有 str 定义，但是<class 'str'> 里有__str__ 定义啊，为什么 str(TestEnum.A) 的结果是 TestEnum.A 呢？ 我看了下，这是<enum 'Enum'>里__str__的定义，
def __str__(self):
return "%s.%s" % (self.__class__.__name__, self._name_)
所以 str(TestEnum.A) , 为什么跳过<class 'str'>， 出的是<enum 'Enum'>里__str__结果呢

@westoy 我好像突然有点明白了，又不完全明白。为什么 str(TestEnum.A) 不是'a' ?, 为什么不是优先调用 str 类的__str__方法呢？

好巧，正在看第二版英文版，这么快中文就出来了。

@neoblackcap chatgpt 是稠密模型，有相当大部分参数可以蒸馏剪枝，也许理解了模型黑盒后可以压缩到非常小。最后的比喻非常形象，有一种“人类妄想通过科技蛮力比肩神明”的原始力量 ^_^

之前的机器学习、深度学习课程只在计算机专业研究生阶段才有，凸函数优化等课题也至少需要有本科数学能力。
但是 16 、17 年那会国家大力推行人工智能教育，各高校都是按政策抢风口建立人工智能学院或将课程下放到本科阶段，仓促之余，课程设计就没跟上。这种状况就跟八十年代，国内信息技术刚兴起，国家为了发展软件工程，鼓励高校创立软件学院一样，都是政策性产物。

显然，博主是人工智能符号主义学派。
在人类能定义出人是如何产生智能，以及智能是什么之前，这些讨论都显得毫无意义。
“而 ChatGPT 正在走一条相反的道路，首先利用海量的计算能力和整个互联网的数据训练一个通晓天地万物的智能机器，但你却没法指导它成为你自己的模样，它属于 OpenAI 却不是你自己。”
人类基因的进化又何尝不是一种利用海量世界数据和上万年时间的预训练呢？

牛的，真的好看。
给我也写一个：
观千剑而后识器，操千曲而后晓声。

@Ricardoo
softmax 计算概率分布之后 --> softmax 计算概率分布时

为什么叫温度？这个概念最早来自知识蒸馏（也许）。模型在使用 softmax 计算概率分布之后，通过除以常量，可以控制概率分布偏硬还是偏软。在 student model 训练时，往往将其设置成较大参数，更好地学习 teacher model 的知识，训练完成在推理阶段再将此参数调小。整个过程就像蒸馏一下，先高温提纯，再冷却结晶。因此这个参数被称为温度参数。后来发现非蒸馏任务中也可以使用此参数，虽然跟蒸馏无关，但是温度的叫法延续下来了。

赞，好看的

年轻真好，生日快乐！

新手一开始上大排不合适，不如跟我一样买个小排量的吧。
仿赛 gsx250r ， 每天通勤路上 10 分钟，很舒服。
前提是你不在意 gsx 烂大街。

@tool2d 老哥，你完全没有理解。即使是你写的，所有权仍属于公司，不管你是如何带走的，加密的还是没加密，整体项目还是仅仅代码片段，公司完全可以以此起诉你。离职时带走源代码这种事，完全看公司脸色，大部分情况，跟业务无关的代码带走就带走了，很多公司都是睁一只眼闭一只眼，不计较这些，但是真计较起来你也不能带走。所以这种拷贝代码的事大家都心照不宣，私底下做就行了。拿到台面上，自己是很吃亏的。

正常。
使用多卡后一般需要调小学习率，也有可能不需要调，比较玄学。

我的更离谱，用了一年，16G/500G

Data Units Read: 551,572,420 [282 TB]
Data Units Written: 529,055,707 [270 TB]

@Deplay 我的 ifttt 一直使用正常啊， 每月 1 号给我打电话，至今没封号。。

牛的，但是我每次入门 rust 都半途而废 =。=！

各大公司的语音助手的设计逻辑和 chatgpt 不一样。
语音助手偏任务型对话，与自家设备联动控制，厂家着重设计任务中的流程，确保可控性，强规则、多模型是常用的手段。附带的开放域对话能力更像个赠品，一般没那么多精力搞，偷懒的话用其他公司的 sdk 也是常有的事。
chatgpt 就完全是开放域对话系统，大模型一把梭。

毕竟，对语音助手来说，跟用户聊天像弱智和用户让我开灯我开风扇，哪个更需要优先解决呢？