Elliot 艾略特 (@ElliotChen) header
Elliot 艾略特 (@ElliotChen) profile picture

生态 @EverMind

Joined December 2023
Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)Photo by Elliot 艾略特 (@ElliotChen)
安利了好几个在 @evermind 的同事用 @typelessdotcom 未尝败绩,每个人着实非常喜欢。 今天惊奇发现竟然有 OverKill 版本,一个月 200 刀,好想试试效果如何。 另外,@huang_song_ 我们专门做长期记忆,可以合作一波呀。 试想一下,一建查找所有对话上下文/知识/记忆,毫秒级别的召回速度,绝配。 我的 DM 为 Typeless 而开。🫰
2
7
2,495
一直忘记说了,EverMe 老早就支持连接 @DeepSeekHarness 了,这波热度好像没蹭上。😅 不过,这设计确实很耐看。
1
556
和一个大厂的朋友聊天,说最近烦贼烦,老板每天拿着 AI 生成的报告,质疑他的工作成果。 用的都是同样的 AI 工具。他跟 AI 来回讨论了很多轮,老板自己从头开个新对话,只问一轮,就拿着结果来挑战他的结论。 老板宁愿相信自己问一轮的结果,也不愿相信下属跟 AI 讨论很多轮做出来的东西。 这可能是现在职场的一个常态。
27
2
4
59
12,755
Fable 5.2 设计挺好看的,基本是一击必中, 相比,Sol 6.1 则需要啰嗦半天才行。
5
1,382
有品团队都在用 EverMe
先进团队都在用 Lody
1
5
864
今天听了一下算法的周会,下个版本的 EverOS 2.0 值得您期待。 如果说之前的 EverOS 1.0 是给 LLM/Agents 加一层记忆,浅浅一层,有点单薄,写入、检索、召回的速度也会取决于不同的大模型,省 token 这件事也不太好控制,效果不太好衡量。 那 2.0 就不一样了。这次有了自己的记忆基础模型,专门为大规模场景设计,写入、检索、召回的速度都有非常大的提升,token 的节省也更好控制和衡量。 我个人挺喜欢 EverOS 1.0 的。这篇论文被引用了不少次,小米和混元也都引用了。但我们自己做下来,总觉得还有不少地方可以改,一直没有特别满意,也一直在找新的突破。 2.0 这次,等了这么久,带着自己训练的记忆基模,终于要蓝上了。
2
1
1
17
2,627
记忆库 + 知识库 + bots(本地 + 云端) 兼容 Agents/Harness/Knowledge base 打通微信 + 飞书/etc,限时免费 everme.evermind.ai
Less is more,克制即优雅。
9
12
1
89
13,782
精致的小片子。
又是手搓视频的一天,今天给 @evermind 介绍 EverMe! 为「记忆」而生的产品,省去在多个 Agents 间留转的成本,省去在多个终端设备间切换的成本。你可以搭建自己的知识库,链接多个应用,打通多个信息渠道,随时随地随心所欲使用 EverMe。 欢迎大家来体验提建议,我们会送额度!
7
1,018
这篇 agent memory 值得细读,几个平时容易混在一起的东西,都分开讲了。 原始对话记录留着,方便以后回查。过程中写下的笔记,记的是当时觉得有用的东西。积累多了,可以整理成互相链接的 wiki。每次新开 session,再从里面挑一小部分提前放进上下文,其他的需要时再找。 这么分开看,就比较容易理解 dreaming 在做什么了。利用任务之间的空闲时间,回头看记录,检查笔记,纠正错误,再整理一下以后怎么找。 文章也讲了为什么不能什么都记。比如玩宝可梦,当前位置和手里多少钱,屏幕上就能看到,反复存下来很快就过时了。试过哪些方法,接下来准备怎么走,这些才需要另外记着。 还有个挺好的地方,它没有把 wiki 讲成万能的。有些问题直接搜原文就能回答,整理 wiki 没有明显收益,甚至出现过 wiki 比原始文件还大的情况。需要把几份文档放在一起理解的问题,才更能体现它的用处。 看完能明白,给 agent 留一个文件夹只是开始。里面写什么,什么时候读,哪些要重新核对,都会影响它下一次做事。文中把这些做法和实验结果放在一起讲,比单看概念清楚很多。
Memory is what allows Claude to learn from experience. In a new Engineering Blog post, we share how “dreaming” helps Claude organize what it’s learned, correct its mistakes, and find what it needs more easily the next time. anthropic.com/research/compo…
2
5
42
3,506
朋友 lab 的生物医药领域垂类 AI 模型,全原子结构预测,大白话就是蛋白质,核酸,小分子这些东西长什么样,以及放在一起时怎么结合使用。 看跑分在类似的 bench 上都不错,合理推荐。
Introducing NovaAtom-Lite, an all-atom structure prediction model for drug discovery. It predicts the structures of proteins, nucleic acids, and the molecules they bind, including how they fit together. NovaAtom-Lite outperforms both IsoDDE and AlphaFold 3 on FoldBench antibody–antigen structure prediction (DockQ ≥ 0.23): NovaAtom-Lite: 79.07% (n=172) IsoDDE: 75.58% AlphaFold 3: 47.90% (n=167) Our evaluation uses 5 seeds × 5 samples, with the top-1 prediction selected by the model's own ranking score. Better structure prediction. A stronger starting point for your next experiment. Live today via Geodesic API and NovaDDE. 🔗 API: platform.geodesiclab.com/ 🔗 NovaDDE: agent.geodesiclab.com 🔗 Model Card: geodesiclab.com/news/introdu…
1
10
1,734
Less is more,克制即优雅。
21
10
4
114
50,630
连看了好几个 MacBook Pro PROLED XDR 的测评, 做工,屏幕,重量,键盘,跑分,散热都顶,信仰灯也给了, 算是 2012 款,2016 款和 2021 款的各款优点都融合了, 可还是不明白,苹果为什么要突出宣传触摸屏?
20
40
16,704
Elliot 艾略特 retweeted
Chinese 𝕏 is 牛逼
22,470
13,704
8,585
172,729
25,801,265
My wife is a Chinese woman, I've got nothing to worry about. ✌️
4
21
4,617
突然想到一个点,触摸屏 Macbook Pro 会不会带动 iPhone Mirroring 的使用量?
1
3
1,956
昨天和几个传统行业高频用 AI 的人聊天,发现一个很有意思的点 从他们的体感来看,无论是什么模型,chat 竟然和 harness 有很大区别。 在他们看来,chat 很直接,很速度,想要必出,不过度思考,适合聊战略,方向和定位。 harness 却太谨慎,想把事情办好,过度思考,犹豫不决,反而起到反效果。 这其实有点反直觉,理论上直接在 harness 里面通过控制让其达到「模糊思考,抽象思考」的能力就行了。 但是实践起来,却没有直接分开聊好。
19
2
1
72
13,997
用 AI,几乎每天都在 fomo,避免不了。 会 fomo 自己的垂直化场景是否为最优解?也无从验证,只能体感和目测。 会 fomo 自己的 workflow 的安全性和可靠性,也无从验证,只能反复追问。 会 fomo 自己实操的活儿是否为效益最大化,也无从验证,只能看身边的人。
4
12
1,970
Elliot 艾略特 retweeted
普通人在AI时代如何生存以及寻找自己的意义? 非技术背景、无大厂工作经历、祖传三代文科生 16个月前,我是中年僧人一身僧袍 16个月后的今天,推特2万粉丝,开源项目900star 千问眼镜黑客松获奖者 阶跃星辰手机内测用户 Spacex bot ambassador 组织过三场100人以上的大型活动 这一路走过,太辛苦,感谢太多人 感谢我的编程老师@yihui_indie @iamzhihui 再感谢@servasyy_ai 网络情缘一线牵 我对agent harness的理解完全来自黄佬 感谢@ElliotChen和@dinah_zhang 接纳我到开源社区,得以认识到非常多的开发者,让我快速成长 感谢@tualatrix 图大在杭州良渚星期四的轻松氛围 最后还要感谢很多很多在线下见面不断鼓励支持我的朋友 @canghe @gkxspace @bbkirstry @TATALAB_AI 我的偶像@Jason_Young1231 @Saccc_c 每次我困顿时,两位偶像的人生路都让我再坚持一口气 nanobot 作者@xubinrencs Evomap founder 张昊阳老师 CTO 范志东老师 @Ninggao88 高宁老师 @anorth_chen 北哥 以及@MaiYangAI 文哥和@Caiya_5 @jev_chat @cgnot996 感恩的人太多不胜枚举,如有疏漏,还请见谅 凡是过往,皆为序章 如果你好奇一个普通人如何在AI时代学习和成长 请关注我♥️ 谢谢
222
10
37
364
76,187