Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  1. 开源免费抓包软件，支持全平台系统，用flutter框架开发，扫码连接功能简化了配置过程，支持流量转发。

    1.接下来会持续完善功能和体验，请求重写功能增强、模拟慢请求、请求debug, UI优化。
    2.支持安卓微信小程序抓包，安卓分为系统证书和用户证书，下载的自签名根证书安装都是用户证书，微信不信任用户证书，不Root导致Https抓不了了, 目前市场上所有抓包软件抓不了微信的包，后面单独做个运行空间插件，动态反编译修改配置，信任用户证书来解决。
    3.WebSocket、HTTP2协议支持。

    ProxyPin | #工具

  2. Bloom Filters and Beyond: An Illustrated Introduction and Implementation

    本文详细介绍了Bloom过滤器及其实际应用和Python实现。我们还讨论了计数Bloom过滤器，该过滤器允许删除项目。那些正在开发高性能和大数据系统的人将会发现这是一个有用的工具。

  6. 可以搜索2亿科学研究论文ChatGPT插件

    用户可以直接在聊天界面内搜索其庞大的科学研究论文数据库（超过2亿篇同行评审的论文），以找到基于科学研究的答案和内容。

    你只需输入一个问题或关键词，就可以得到一系列与之相关的科学研究和答案。

    无论你是学生、研究人员还是对科学有兴趣的普通人，只需输入一个问题或关键词，就能快速找到相关的科学证据和答案。这避免了在多个平台和数据库中进行繁琐搜索的需要。

    同时它也可以避免ChatGPT给出一些错误答案，你可以使用该插件对ChatGPT给出的答案进行科学核实。

    Consensus Search | 安装指南 | #插件 #工具

  7. Klein Design System：微盟B端设计系统 | 详细介绍

    KleinDesign 是微盟用户体验团队&前端团队在服务业务过程中沉淀的一套服务于 SaaS 行业的企业级 WEB 端设计系统。包含设计指南、组件库、图标库、素材和物料管理工具、富文本编辑器等。

  8. 一个Chrome 浏览器扩展，能把外语视频里的语音替换成中文语音（不是字幕翻译）。目前不需要填写 OpenAI 的 API Key 来开启使用权限，需要邮箱注册。可以从四个预置的语音声线里选择一个你听着舒服的。

    特性：
    中文优化：更好的断句、更好的专业名词翻译，让翻译结果更贴近中文用户的习惯
    多语种支持：支持英语、德语、日语、法语、西班牙语等多种常见语种的互相转换
    更自然的声音：优化发音，让转换后的中文配音更人性化
    多种语音风格：支持男声、女声，不同风格的配音
    多平台支持（优化中）：PC端、移动端等多平台的支持
    视频下载（开发中）：支持下载配音转化之后的视频

    Youtube Dubbing | Chrome插件 | #插件

  9. Build your own X：从零创建你想要的技术，掌握编程技能，打造属于你自己的 X。包括3D渲染器、游戏、前端框架、文本编辑器、神经网络甚至操作系统。

    发现几年前发过这个：跳转

  10. 这个库可以让你在选择技术关键词后生成一个对应的路线图，从易到难，并且配有要学习对应知识点的文档，整个内容是社区驱动的，会不断更新。同时技术点也很多，几乎涵盖了前端后端等大部分的内容。

    roadmap.sh | #路线图

  12. 一种利用递归生成摘要来增强长期记忆能力的方法，以解决开放域对话系统在长对话中遗忘重要信息的问题。| paper

  13. Andrej Karpathy：大模型有内存限制，这个妙招挺好用

    “现在最聪明的想法是使用一个小而便宜的草稿模型（draft model），先生成 K 个 token 候选序列，即一个「草稿」。然后用大模型批量的将输入组合在一起。速度几乎与仅输入一个 token 一样快。接着从左到右遍历模型和样本 token 预测的 logits。任何与「草稿」一致的样本都允许立即跳到下一个 token。如果存在分歧，那么就丢弃「草稿」并承担一些一次性工作的成本（对「草稿」进行采样并为所有后续 token 进行前向传递）。

    这种方法起作用的原因在于，很多「草稿」token 都会被接受，因为它们很容易，所以即使是更小的草稿模型也能得到它们。当这些简单的 token 被接受时，我们会跳过这些部分。大模型不同意的 hard token 会回落到原始速度，但由于一些额外的工作，实际上速度会慢一些。

    Karpathy 表示，这个奇怪的技巧之所以有效，是因为 LLM 在推理时受到内存限制，在对单个序列进行采样的 batch size=1 设置中，很大一部分本地 LLM 用例都属于这种情况。因为大多数 token 都很「简单」。”