要升级到 Deno 2.2，请在终端中运行以下命令：

如果尚未安装 Deno，请运行以下命令之一进行安装，或在此处了解如何安装。

curl -fsSL https://deno.land/install.sh | sh

iwr https://deno.land/install.ps1 -useb | iex

在这篇博文中，我们将更仔细地研究 TypeScript enums：

• 它们是如何工作的？
• 它们的用例是什么？
• 如果我们不想使用它们，有哪些替代方案？

这篇博文最后总结了关于何时使用什么方案的建议。

📖 tl;dr: Request/Response-API 不仅更快，而且使编写测试更容易。

如果你是一名现代 JavaScript 开发者，你很有可能正在使用 ESLint 和 TypeScript 的组合来辅助开发。这些工具执行的功能相似但有所不同。ESLint 是一个 linter（代码检查工具），而 TypeScript 是一个 type checker（类型检查器）。

Linter 和 type checker 是两种 静态分析 工具，它们分析代码并报告检测到的问题。虽然它们乍看之下可能很相似，但 linter 和 type checker 检测到的是不同类别的问题，并且在不同的方面发挥作用。

为了理解这些差异，首先了解什么是静态分析以及它为何有用是很有帮助的。

了解何时使用推理模型以及它们与 GPT 模型的比较。

OpenAI 提供两种类型的模型：推理模型 (例如 o1 和 o3-mini) 和 GPT 模型(例如 GPT-4o)。这些模型系列的行为有所不同。

本指南涵盖：

1. 我们的推理模型和非推理 GPT 模型之间的区别
2. 何时使用我们的推理模型
3. 如何有效地提示推理模型

在 2024 年，大型语言模型（Large Language Models, LLM）领域发生了 很多 事情。这是一篇回顾过去十二个月里我们在这个领域弄清楚的事情的文章，加上我尝试识别的关键主题和关键时刻。

随着 AI 模型将其能力扩展到解决更复杂挑战，一种新的扩展定律，即所谓的 测试时扩展 或 推理时扩展 正在兴起。这项技术也称为 AI 推理 或 长思考，通过在推理期间分配额外的计算资源来评估多种可能的结果，然后选择最佳结果，即神经网络，从而提高模型性能。这使 AI 能够像人类剖析复杂问题并单独解决它们以得出最终解决方案一样，制定策略并系统地解决复杂问题。

在这篇文章中，我们讨论了 NVIDIA 工程师进行的一项实验，他们使用最新的开源模型之一 DeepSeek-R1 模型，以及推理期间的额外计算能力来解决一个复杂的问题。该实验旨在使用自动化的方式生成在数值上正确且针对不同 Attention 变体优化的 GPU Attention Kernel，而无需任何显式编程。

结果表明，在某些情况下，其效果甚至优于经验丰富的工程师开发的优化 Kernel。

在许多现代 Python 应用程序中，尤其是在处理传入数据（例如，来自 API 的 JSON 有效负载）的应用程序中，确保数据的有效性、完整性和正确类型至关重要。Pydantic 是一个强大的库，允许您使用标准的 Python 类型提示为您的数据定义模型，然后自动根据这些模型验证任何传入数据。在本例中，我们将展示如何建模一个典型的用例：用户为产品下订单。我们将使用 Pydantic 定义 User、Product 和 Order 模型，确保电子邮件、价格、数量和用户详细信息等数据符合我们指定的约束。

AI 图像生成器正在改变我们创作艺术的方式。这些强大的工具使用文本描述，称为提示词 (prompts)，来生成图像。创建惊人的 AI 艺术的关键之一是掌握 AI 姿势提示词 (AI pose prompts)。本指南将教您如何使用姿势提示词来控制 AI 生成图像中人物的姿势和动作。

搜索从未如此简单。借助人工智能搜索引擎，您可以比以往更轻松地发现、访问和研究主题。

过去，搜索引擎依赖关键词匹配来检索您正在寻找的信息。但现在，随着人工智能的兴起，一种新型的搜索引擎应运而生。

这种搜索引擎更强大、更复杂，它使用先进技术来理解用户查询并产生准确的结果。

但哪些是_最好的_ AI 搜索引擎？在我们的搜索中，我们发现了 10 个最佳 AI 搜索引擎，我们将在本指南中一起探索它们。

让我们深入了解一下！

在本文中，我列出了 21 个不同类别的 50 款 AI 工具。在探索了每个类别中的所有可用选项后，我根据个人经验精心挑选了最佳工具。这确保了这些建议来自真实的实际使用，因此您可以相信它们是以实际有效的工具为基础的。

对于每款工具，我都专注于其最佳用例，解释何时以及如何才能最有效地使用它。我还分享了我对每款工具的喜爱之处，以及我在使用过程中遇到的任何缺点。此外，我还提供了每款工具的免费版本和高级定价计划的信息。

角色扮演是一种创新技术，也是人工智能系统动态发展领域中的关键工具。这种方法包括指示 LLM “扮演”特定的职业、角色或职能，例如数据科学家、卡通人物、语言代理或财务顾问，使人工智能能够更有效地执行给定的特定任务。本文探讨了这种引人入胜的现象，强调了角色扮演在 LLM 中的优势和理论基础，并向您展示了如何通过 Novita AI 使用强大的模型进行角色扮演。

人工智能 (AI) 角色扮演在游戏中的应用彻底革新了游戏行业，为全球玩家提供了无与伦比的体验。AI 技术的整合不仅增强了游戏玩法，还改变了开发者创建沉浸式游戏环境的方式。 预计市场规模将增长45 亿美元，复合年增长率 (CAGR) 高达 24.65%，AI 在游戏中的重要性是不容置疑的。这篇博客深入探讨了 AI 角色扮演应用领域，探索它们的影响和未来趋势。

我第一次试用 Character AI 时，我的机器人听起来像是卡在了永无止境的客户服务循环中——真的不骗你。

我当时都等着它在对话结束时给我一个 “满意度调查” 了。😂

但是，嘿，知道如何在 Character AI 上进行角色扮演并不是什么神秘的艺术。

在这份循序渐进的指南中，我将倾囊相授我是如何扭转局面的，帮助你打造不仅仅是代码和字节的 AI 角色……

我说的是 史诗般、引人入胜的个性，这将给你带来 绝佳的 AI 角色扮演体验。

无论你是在寻找一丝幽默、一点性感，还是背脊发凉的感觉，Character AI 都能满足你。

创建你的第一个角色可能看起来令人生畏，但请别担心 - 这是一个面向完全初学者的指南，将涵盖 Agnai 上角色创建过程的所有部分，以及角色卡中的每个字段。在阅读完本文后，你应该对角色创建的工作原理有一个基本的了解，并对这个过程有足够的认识，从而能够轻松地开始。

tiny-gpu

一个使用 Verilog 实现的极简 GPU，为了从零开始学习 GPU 的工作原理而优化设计。

使用少于 15 个完全注释的 Verilog 文件构建，包含完整的架构和 ISA 文档，可工作的矩阵加法/乘法内核，以及对内核仿真和执行跟踪的完整支持。

Open R1 项目已经进行了两周，该项目旨在重建 DeepSeek R1 中缺失的部分——特别是训练流程和合成数据。

在这篇文章中，我们很高兴分享 OpenR1-Math-220k 的构建成果：这是我们首个大规模数学推理数据集！

我们还将关注社区在策划用于微调的小型、高质量数据集方面的一些令人兴奋的进展，以及关于如何在训练时和推理时控制推理模型的思维链长度的见解。

让我们深入了解一下！

自从 DeepSeek R1 发布以来已经过去了两周，自从我们启动 open-r1 项目来复现缺失的部分（即训练流程和合成数据）以来也仅仅过去了一周。这篇文章总结了：

• Open-R1 在复现 DeepSeek-R1 流程和数据集方面的进展
• 我们从 DeepSeek-R1 中学到的以及围绕它的讨论
• 社区自 DeepSeek-R1 发布以来构建的酷炫项目

它既可以作为项目的更新，也可以作为围绕 DeepSeek-R1 的有趣资源的集合。

大语言模型 (LLM) 的强大能力毋庸置疑，但其庞大的参数量也带来了巨大的计算资源需求。如何在有限的硬件条件下，例如单张消费级显卡 T4 上，高效地进行大模型微调，成为了许多开发者关注的焦点。

本文将基于一个实用的 Notebook 示例，深入探讨如何使用 GRPO (Gradient Ratio Policy Optimization) 算法，在单张 T4 GPU 上对 Qwen2.5-0.5B 这一开源大模型进行全参数微调。我们将详细解析代码，并解释背后的优化策略，帮助读者理解如何在资源受限的环境下也能玩转大模型微调。

最近，我尝试在本地运行使用 Qwen 7B 蒸馏的 DeepSeek R1，而没有使用任何 GPU。我所有的 CPU 核心和线程都被推到了极限，温度达到了最高的 90 摄氏度 (Ryzen 5 7600)。