BiliFilter —— 基于本地LLM的 Bilibili 弹幕过滤器
github.com/ddddng/BiliFilter/
✨ 特性
本地运行：所有推理均在本地完成
多种分类：色情低俗、恶意刷屏、人身攻击、垃圾广告、引战、剧透、错误科普、正常、未分类
即装即用：无需修改网页源代码，脚本自动 Hook 弹幕
可调策略：保留 / 隐藏指定分 https://mapp.api.weibo.cn/fx/a315098bb18369f7ac2714c8d31484b4.html
github.com/ddddng/BiliFilter/
✨ 特性
本地运行：所有推理均在本地完成
多种分类：色情低俗、恶意刷屏、人身攻击、垃圾广告、引战、剧透、错误科普、正常、未分类
即装即用：无需修改网页源代码，脚本自动 Hook 弹幕
可调策略：保留 / 隐藏指定分 https://mapp.api.weibo.cn/fx/a315098bb18369f7ac2714c8d31484b4.html
GitHub
GitHub - ddddng/BiliFilter
Contribute to ddddng/BiliFilter development by creating an account on GitHub.
发布了头条文章：《RL+search = Deep research》 http://t.cn/A6gzRKMU https://mapp.api.weibo.cn/fx/e321c4d5a6d4d8b321bb3830b70f42ef.html
AI能做什么？全能翻译官、打杂小秘书、画画、原型、作曲……
📖文员📖
1️⃣英译中http://t.cn/A63F0523
2️⃣处理“PPT视频课程”http://t.cn/A6ghblv1
3️⃣NotebookLM，不只是笔记本http://t.cn/A6ghblvn
4️⃣查找类。根据图片定位http://t.cn/A6dh4qyX ；找来源http://t.cn/A6BLjN9f
🎨作 https://mapp.api.weibo.cn/fx/8d7172e70cd34387e5dbaa7a44d09470.html
📖文员📖
1️⃣英译中http://t.cn/A63F0523
2️⃣处理“PPT视频课程”http://t.cn/A6ghblv1
3️⃣NotebookLM，不只是笔记本http://t.cn/A6ghblvn
4️⃣查找类。根据图片定位http://t.cn/A6dh4qyX ；找来源http://t.cn/A6BLjN9f
🎨作 https://mapp.api.weibo.cn/fx/8d7172e70cd34387e5dbaa7a44d09470.html
http://t.cn/A6dnrSYx
这是一篇关于使用Ollama的大型语言模型采样参数的全面指南。它详细解释了各种采样参数（如温度、Top P、Min P等）如何影响模型输出。
像 Ollama 中使用的大型语言模型（LLMs）并非确定性生成文本——它们基于模型预测概率，通过概率性采样选择下一个 token。在采样前如何对这些概 https://mapp.api.weibo.cn/fx/fbccf9844fa3be50b15b9c488322c3fe.html
这是一篇关于使用Ollama的大型语言模型采样参数的全面指南。它详细解释了各种采样参数（如温度、Top P、Min P等）如何影响模型输出。
像 Ollama 中使用的大型语言模型（LLMs）并非确定性生成文本——它们基于模型预测概率，通过概率性采样选择下一个 token。在采样前如何对这些概 https://mapp.api.weibo.cn/fx/fbccf9844fa3be50b15b9c488322c3fe.html
RAG 架构实用指南↓ 收藏
1. 数据准备，比如将Google Drive 文件夹中的文档生成嵌入，分成块并将它们作为多维向量存储在 向量数据库（如Pinecone） 中。
2. RAG：当用户提出问题时，将其转换为向量，并从 向量存储（如Pinecone） 中检索具有相似向量的文档块。
3. Adaptive RAG，核心在于根据不同查 https://mapp.api.weibo.cn/fx/5beeec096d182cb729c6e4c0b010ad78.html
1. 数据准备，比如将Google Drive 文件夹中的文档生成嵌入，分成块并将它们作为多维向量存储在 向量数据库（如Pinecone） 中。
2. RAG：当用户提出问题时，将其转换为向量，并从 向量存储（如Pinecone） 中检索具有相似向量的文档块。
3. Adaptive RAG，核心在于根据不同查 https://mapp.api.weibo.cn/fx/5beeec096d182cb729c6e4c0b010ad78.html
来自DeepLearning AI 吴恩达的全新课程《构建生产级AI语音代理》
1. 语音代理结合了语音和推理能力，以实现实时对话。它们已经被用于支持客户服务、改善医疗保健的可访问性、娱乐应用和对话疗法。
2. 本课程将教你构建能够倾听、推理并自然响应的语音代理。你将跟随创建“AI Andrew”头像的架构， https://mapp.api.weibo.cn/fx/5eef028e79a52ac7f23abd4f9fac9266.html
1. 语音代理结合了语音和推理能力，以实现实时对话。它们已经被用于支持客户服务、改善医疗保健的可访问性、娱乐应用和对话疗法。
2. 本课程将教你构建能够倾听、推理并自然响应的语音代理。你将跟随创建“AI Andrew”头像的架构， https://mapp.api.weibo.cn/fx/5eef028e79a52ac7f23abd4f9fac9266.html
Victoria Slocum解释MCP 和 Function Calling的差异：
MCP 和 Function Calling 解决的是不同的问题。
一个告诉模型使用什么工具，另一个则规范工具如何连接。
它们是互补的技术，而非竞争对手。
🔍 Function Calling 的核心目的：
帮助大语言模型 (LLM) 识别何时需要外部工具
为工具使用格式化必 https://mapp.api.weibo.cn/fx/fd4b791f58cf4eba47da320784201a1e.html
MCP 和 Function Calling 解决的是不同的问题。
一个告诉模型使用什么工具，另一个则规范工具如何连接。
它们是互补的技术，而非竞争对手。
🔍 Function Calling 的核心目的：
帮助大语言模型 (LLM) 识别何时需要外部工具
为工具使用格式化必 https://mapp.api.weibo.cn/fx/fd4b791f58cf4eba47da320784201a1e.html
AMO，UC San Diego 的一项工作，自适应运动优化用于超灵巧人形全身控制。AMO 是通过 RL + 混合动作捕捉与轨迹优化训练的单一策略。
AMO 将 VR 设备的 3 个姿态映射到 18 维命令（每只手臂 7 个，躯干方向的滚转、俯仰、偏航以及基座高度），供 AMO 控制器执行。
AMO 让人形机器人能够锁定躯干方向和 https://mapp.api.weibo.cn/fx/678038f0e81a7a548026735e726db85c.html
AMO 将 VR 设备的 3 个姿态映射到 18 维命令（每只手臂 7 个，躯干方向的滚转、俯仰、偏航以及基座高度），供 AMO 控制器执行。
AMO 让人形机器人能够锁定躯干方向和 https://mapp.api.weibo.cn/fx/678038f0e81a7a548026735e726db85c.html
