Derek Lu

Project Hail Mary Desktop Wallpapers 💥

警情通报了，精神病…

我所知道的 Manus 团队信息 Manus 刷屏一整天，登上了微博热搜，官媒也在传播。我觉得 Deepseek 和 Manus 的意义不止在于产品本身，更在于给国内沉寂多年的创投圈，带来了很多生机和希望。 Monica 和 Manus 是同一个公司的两款产品，就像 QQ 和微信的关系。 1/ 肖弘（ID: Red, 小宏）是公司的 CEO，base 武汉，华中科大毕业的 90 后，大学期间就在创业；后来做了公众号生态的数据工具产品「壹伴」、企业微信生态的私域 SaaS 工具「微伴」，拿过真格基金、腾讯的投资，后被另一个 SaaS 公司收购；2022 年再次创业做了 Monica，又拿了真格的投资。 2023 年初火爆的一个插件工具产品 ChatGPT for Google（作者也是华中科大毕业的），也是被 Monica 收购的，金额在十万美元级别。不过据说收购后，这个插件产品及代码被束之高阁，实际上并没有融入到 Monica 产品中。 2/ 合伙人是张涛 (@hidecloud)，也是我的老朋友、老同事、老乡，绝对是做产品的一把好手，超过 15 年经验的产品老兵，大厂创业公司都摸爬滚打过。hidecloud 之前加入过王慧文的 AI 项目「光年之外」，去年加入 Monica，最近主导团队做了 Manus。 hidecloud 之前也短暂在真格基金做过 EIR (驻场企业家)，跟真格的管理合伙人 yusen 交流很多。 Manus 初期采用邀请码机制引发了 FOMO，是今天传播爆发的一个重要原因。不过如果你知道 hidecloud 的产品背景和整活经验，就不会觉得惊讶了。 在我印象里，hidecloud 是一个对新事物、新技术十分敏感的 PM，也热爱分享，去年、今年在真格基金办公室组织过两次关于 AI 的交流分享，我都去现场学习了。 2020 年时，Red 和 hidecloud 都在我组织的职场社区里，做过关于 SaaS 产品和创业的分享，当时疫情影响很紧张，他们的热情分享给我的创业项目带来了很多帮助。现在 Manus 爆发，我真心为他们感到高兴。 3/ 视频中的季逸超 (Peak Ji) 是 Manus 的 Co-founder 和首席科学家。Peak 是有名的少年极客，20 岁创业做的「猛犸浏览器」就很有名，也是拿过真格基金的投资。 我不知道 Peak 是什么时候加入 Monica / Manus 公司的，也许背后有真格基金作为共同投资人的撮合和推动。 谁是 Manus 的投资人 目前的公开信息，Manus 的机构投资者就是真格基金。今天爆火之后，估计国内所有活跃的 VC、大厂战投都已经找上门了，下一轮融资应该很快就敲定了。 不过我今天发现，前 Robinhood Crypto 负责人 @PatrickKavanagh 发推说「自豪成为 Manus 的投资人」，也许 Manus 此前还有其它融资还没有批露吧。

昨天在偶然刷到这个网站 - 《动画巡礼》 anitabi.cn/map 作者将各种日本动画的场景标注在 Google 地图上，数据特别丰富，全是力气活，我在想这么多都是人工标注的吗？真的好棒啊，还开放了API，交互也做的很不错，喜欢日本动漫的朋友们真的不能错过哈，去日本可以直接按照标注去玩了，也可以在特定的地点拍对比图。 开源库在这里：github.com/anitabi 感兴趣的同学还能 PR 提交自己的数据。 还问一下各位推友：有没有类似电影在地图上的标注网站呢？我会非常感兴趣。

老婆突然想学 Python，请各位大佬推荐下适合小白的靠谱教程和线路。

洋同学把Notion 用到这个程度也是绝了，太牛了。推荐一下。 我每次要看美联储官员讲了什么，都要进他的网站。 @locean0410 ocmacro.com/FOMC-f5a9a4672…

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课，系统的介绍了大语言模型，内容深入浅出，非常赞，抽空将它翻译成了双语，由于内容较长，我将分批上传，以下是第一部分精校后的双语视频，字幕文稿如下： Intro: Large Language Model (LLM) talk 大家好。最近，我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是，这次讲座没有被录制下来，但许多人在讲座后找到我，他们告诉我非常喜欢那次讲座。因此，我决定重新录制并上传到 YouTube，那么，让我们开始吧，为大家带来“忙碌人士的大语言模型入门”系列，主讲人 Scott。好的，那我们开始吧。 LLM Inference 首先，什么是大语言模型 (Large Language Model) 呢？其实，一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。 以 Llama 2 70B 模型为例，这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代，也是该系列中参数最多的模型，达到了 700 亿。LAMA2 系列包括了多个不同规模的模型，70 亿，130 亿，340 亿，700 亿是最大的一个。 现在很多人喜欢这个模型，因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文，所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同，例如，如果你正在使用 ChatGPT 或类似的东西，其架构并未公开，是 OpenAI 的产权，你只能通过网页界面使用，但你实际上没有访问那个模型的权限。 在这种情况下，Llama 2 70B 模型实际上就是你电脑上的两个文件：一个是存储参数的文件，另一个是运行这些参数的代码。这些参数是神经网络（即语言模型）的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型，每个参数占用两个字节，因此参数文件的大小为 140 GB，之所以是两个字节，是因为这是 float 16 类型的数据。 除了这些参数，还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码，这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python，或任何其他编程语言编写的。它可以用任何语言编写，但 C 语言是一种非常简单的语言，只是举个例子。只需大约 500 行 C 语言代码，无需任何其他依赖，就能构建起神经网络架构，并且主要依靠一些参数来运行模型。所以只需要这两个文件。 你只需带上这两个文件和你的 MacBook，就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件，编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。 比如，你可以让它写一首关于 Scale AI 公司的诗，语言模型就会开始生成文本。在这种情况下，它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子，你会在整个演讲中看到，是因为我最初在 Scale AI 举办的活动上介绍过这个话题，所以演讲中会多次提到它，以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。 我在这里稍微有点作弊，因为这并不是在运行一个有 700 亿参数的模型，而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程，让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包，但是当我们需要获取那些参数时，计算的复杂性就真正显现出来了。 那么，这些参数从何而来，我们如何获得它们？因为无论 run.c 文件中的内容是什么，神经网络的架构和前向传播都是算法上明确且公开的。

推荐 B 站上的一个合集《AI 论文精读系列》，bilibili.com/video/BV1H44y1…，主讲人是亚马逊资深首席科学家李沐，讲的比较清晰，目前内容还在持续更新中。 当前这个视频聊的是“如何读论文”，我总结下来是这么个「三遍阅读法」： 1）扫一眼：看标题、摘要、结论，确认研究方向是否与自己的研究方向匹配 2）圈重点：理出重要的图、表，圈出相关文献，读不懂，先去读引用的文献 3）问问题：论文提出了什么问题？用什么方法来解决这个问题？实验是怎么做的？ 我的思路跟他还有一些差异，除了上面三个步骤，还会将我消化的内容整理好，然后输出给 ChatGPT，让 AI 结合论文来评价我理解的对不对。如果觉得有价值，还会分享到社交媒体，跟大家交流，确实也能收到不少优质的反馈。

【2023 美区 Apple ID 注册充值指南｜国内网络无需信用卡】你需要注册一个自己的美区 Apple ID，无论是安全还是方便的角度，发现很多朋友都还用的别人“公交车”的形式。今年美区 Apple ID 注册方式、和充值都产生了比较大的变动，就写篇教程分享给需要的：blog.qust.me/appleid2023

《自下向上的计算机科学》是一个从基础层面学习计算机科学的综合性在线资源，涵盖主题广泛，包括编程语言、算法和计算机体系结构。内容清晰易懂，适合初学者和有经验的程序员。这本书侧重于理解计算机科学的基本原理，而不仅仅是教授特定的编程语言或工具。 bottomupcs.com/index.html

浏览器里输入地址后，发生了些什么。这图很详细了。 如果是accessibility（比如盲人用的screen reader），还要加一层东西。 现代互联网的确是伟大的工程。

GPT-4 的自定义指令解锁了一些疯狂的新功能。 如果您使用 ChatGPT，请不要忽略这一点。 以下是我迄今为止见过的 7 个最疯狂的示例用例（一个线程）：

拿这个视频为例，虽然抖音也是奶头乐，也是娱乐至死，但是抖音经常一朵云遮挡在胸前，连乳沟都不敢展现，跳舞的也都是穿很严格的打底裤。资本主义的奶头乐，是真的奶头乐。韩国的团队在油管上做这种视频的越来越多。大陆的很多团队还没意识到，国际化视野不足啊 我指的这个类型其实是完全不裸露三点的，纯擦边视频……在国内其实并不违法，但是国内的平台现在都控制起来了 youtube.com/watch?v=Udq49T…

去年一款名为《Unrecord》的战术射击游戏因过于逼真引发玩家关注。最近来自日本大阪的Nihil Inane Studio公开另一款采用虚幻引擎5打造的射击游戏《Lost Fragment》演示视频，同样惊艳。

前几天我在推特上问了个问题：哪里可以读到优质的中文文章？但没得到答案。我发现阅读好文章是提升信息质量的好办法：读书适合专题类的学习，节奏较慢，而社交媒体是无法学到有一定深度的东西的。如果把这个问题拓展一下，那就是：如何找到和阅读优质的文章？ 英文文章比较好找，比如安装浏览器插件后，我就能直接读经济学人、Wired、彭博社的优质文章，还能保存到Readwise Reader里，甚至翻译成中英对照。希望每天都能读一篇好文章，并分享一下心得。这样，我既能更新自己的信息储备，也有内容可以分享，还能给我的Newsletter提供素材。至于中文，先从阅读三联生活周刊的文章开始吧，后面再慢慢添加信息源。 目前来看，对于深入要阅读的内容，我初步的流程是：每周固定一个时间，查看信息源，然后用Paywall bypass可以阅读全文（还是没有能力订阅所有的付费阅读哈哈），用沉浸式阅读插件翻译成中英对照，然后存到Readwise Reader里，再每天阅读一篇。阅读时直接高亮值得记录的原文。读完后语音写总结和感受，用ChatGPT整理，分享，再保存到Notion。事后再用每天的Readwise笔记回顾来过一下摘记保持记忆，完美。

@ianzelbo It will be so cool to have this logo as Live wallpaper

Wow that’s slick #AppleEvent

如果我的孩子在国内上计算机专业，我会推荐他们看这些课程： MIT 的 Introduction to Deep Learning introtodeeplearning.com 哈佛大学的CS 50： pll.harvard.edu/course/cs50-in… 斯坦福 cs25：web.stanford.edu/class/cs25/ 另外可以在Edx.org这个网站上看到各大名校的公开课程：edx.org/schools-partne…

中国私人部门债券/GDP与日本、美国果子债务峰值水平对比图

@tinyfool 就感觉随时可能失业

现在这个经济形势，你啥感觉？