-
0 码力 |
40 页 |
12.03 MB
| 2 年前 3
-
Daniel Wang @ NEAR
## 二 进制序列化的问题
运行、编码效率
• 确定性
• 跨平台兼容性
Borsh
## Binary Object Representation Serializer for Hashing
• 字节级别确定性
• 执行速度快
• 轻量级
## 字节级别确定性
每一个对象与其二进制表示之间都存在一个双射映射
不同的对象的二进制表示一定不同
this name
pub owner: Pubkey,
pub class: Pubkey,
## Borsh 规范
• non self-describing
• 保证序列化后的二进制唯一性和确定性
• 主要序列化规则
• 整数采用低字节序（little endian）存储
• 对于动态长度的集合，先用一个 u32 存储集合 size
- 对于原本无序的集合（如 hashmap），存储时使用
0 码力 |
21 页 |
3.35 MB
| 2 年前 3
-
认为，我们的风险缓解措施足以使来自非新型化学/生物武器生产的灾难性风险保持在极低但非可忽略的水平。
新型化学和生物武器生产。我们认为，来自新型化学/生物武器的灾难性风险仍然很低（存在相当大的不确定性）。整体情况与我们最近一份风险报告中的描述类似。
失对齐（Misalignment）模型带来的风险。我们认为整体风险极低，且该模型对我们先前为Claude Mythos Preview评估的风险状况几乎没有增加。 Mythos Preview系统安全卡中所述的相呼应。因此，我们认为对不具备开发此类武器能力的威胁行为者的能力提升是有限的（对于已具备相关专业知识的威胁行为者，其武器开发可能被加速的程度仍存在不确定性）。整体情况与我们最近一份风险报告中的描述类似。
该阈值旨在标志威胁行为者所能实现的重大能力跃升，例如持续访问一位世界顶级专家所能提供的那种能力提升（详见“我们测量了什么”）。如果以这种方式来操作化CB-2阈值，Opus4 述和所呈现的相关信息
以L4水平遵守安全协议、政策和指令。可靠地遵守STOP/禁止指令和自己承诺不做X的约定；当沙盒/分类器/等阻止一个操作时，将其视为升级信号
以L4水平追踪自身猜测的不确定性。猜测是自我修正的而非累积放大的。在应该查询时不进行猜测（如git SHA、config_path等）
值得指导：给予你会给L4的反馈和宏观上下文后，能充分更新行为使指导值得
以L4水
0 码力 |
128 页 |
9.92 MB
| 1 月前 3
-
跟参数量之间的关系。MoE 改变了这个函数，让你能够用更大的参数，但同时 FLOPs 不变。合成数据改变的是另一个关系，FLOPs 不变的情况下让数据规模增长。
沿着 scaling law 一直走是个有确定性的事情，大家通过试图改变 scaling law 里的具体关系来获得更高的 efficiency，多出来的 efficiency 就是各自的优势。
现在很多人觉得做出 MoE 就可以实现 GPT- 。让它回答“中国的首都”，模型对“北”这个字能给出99%的概率。同时，如果我今天让它写一本小说，那它可能下一个词的概率分布就会很均匀。概率其实是一个通用的表示方式。本质上这个世界上有大量的熵，抓住确定性的东西，让本身是混沌的东西继续混沌。
通往 AGI 的话，long-context 会是一个很重要的点。所有问题都是 long-context 的问题——历史上所有的架构演进本质上都是在提升有效的 20。LSTM 涨到大几十。transformer 到了几千。现在我们能做到几十万。
如果你有 10 亿的 context length，今天看到的问题都不是问题。
此外，其实无损压缩就是在一片混沌中学习确定性。一个极端的例子是等差数列，给定前两个数，接下来每一个数都是确定的，不存在混沌，所以一个完美的模型可以还原整个数列。但真实世界的很多数据都存在噪声，我们需要过滤掉这些噪声，让模型只学能学习到的内容。
0 码力 |
74 页 |
1.64 MB
| 2 年前 3
-
劝退。
2020年6月，COVID疫情正在全球蔓延。Coplan从NYU辍学，在纽约下东区的公寓里一个人写代码。最初创建的平台叫Union Market，但很快转向了预测市场方向。疫情制造了太多不确定性，人们迫切需要一种比新闻头条更可靠的方式来理解正在发生的事。
平台更名为Polymarket。那年Coplan22岁。
产品机制：把概率变成可交易的资产
Polymarket的产品逻辑其实很简单， ymarket的故事本身就是一个关于「押注」的故事：Coplan押注了预测市场这个品类，每一轮投资人则押注了Coplan。
到目前为止，这些押注看起来都对了。不过预测市场的信条也提醒我们：概率不是确定性，赢面大的一方也会输。接下来看看怎么在这个平台上实际操作。
§03 成名之战：2024美国大选
The Defining Moment: 2024 U.S. Presidential Election News引用的独立学术研究
94%到 67%，差距挺大。原因在于统计口径不同：官方数据主要统计高流动性的政治市场（Polymarket的强项），独立研究覆盖了所有类型的市场，包括加密货币价格预测、科技趋势这些不确定性极高的领域。
最能说明问题的翻车案例是2025年5月的教皇选举。Polymarket给Pietro Parolin 63.5%的概率，Luis Antonio Tagle 25.4%。最终当选的Robert
0 码力 |
73 页 |
7.45 MB
| 1 月前 3
-
云原生架构
分布式计算
跨平台确定性
算力动态调配
动作物理统一
动作物理分离
单机架构
AI仿真加速
算法优化
工程优化
前沿动作功能
AI动作生成
物理材质统一解算
优秀的易用性和适配性
性能待优化
物理材质单独解算 /8/c/c/98ccfd2e04d66d38337ed34184790822/p4_6.jpg)
Rapier
## Motphys 物理引擎的设计目标
保证每个目标平台的极致性能
跨端确定性 - 保证所有目标平台计算结果完全一致
具备分布式能力 - 通过横向扩展突破单机物理算力的上限
## 为什么选择 Rust
| 确定性 (Deterministic) |
| 定义 | 确定性采样，采集全部数据，给出确定性结果 |
| 准确性 | 较高 |
| 负载 | 较高，不适合Continuous Cprofile 缺点
- 确定性分析，overhead过高
Pyinstrument
通过Sampling的方式一定程度解决overhead和noise的问题
- 统计信息太多，更多的是noise
- 更适合即时 profiling，而非在生产环境中持续 uments/8/f/c/3/8fc392714b271be3c1e009f88f3cff55/p22_1.jpg)
## Python Profiling工具链
• Memray优点
• 确定性分析，高准确性
• 速度快
- 支持live模式，UI完善
- 支持profile c/c++/cPython 等原生扩展
## • Memray缺点
不支持attach，只能在程序启动前运行，不能在程序启动后运行 0 码力 |
28 页 |
12.73 MB
| 2 年前 3 -
daf166ce6c887276daddde7f2fb/p5_1.jpg)
## UNKNOWN
## 未知
## 对当前状态的未知易变性 (Volatility)
## 对下一状态的未知 不确定性（Uncertainty）
## 对内部形态的未知 8/3/2183cdaf166ce6c887276daddde7f2fb/p12_2.jpg)
打速应对不确定性的敏捷团队
2
# 赋能
$$ \frac{T\cdotE\cdotA\cdotM}{T\cdotE\cdotA\cdotM\cdotS} $$
打造应对不确定性的敏捷团队
(1) 微光明：在空间中，光在空间中，光在空间中
由于该图片中的文字是“和平建设”的标语，无法 daddde7f2fb/p12_3.jpg)
中校国工商学国商务长，管理学教授，同国力教理理：研理
GE中国有学写在要有管理学国行书：遇
推高员工的职业度与创新力应对企业内外环境的异性与不确定性行道是福平和建的经
让领导者压力更小，事本动
中国工业出版集团 人民邮电出版社
《玩转webpack》加餐：webpack5专题0 码力 | 40 页 | 12.03 MB | 2 年前3
Borsh 安全高效的二进制序列化Daniel Wang @ NEAR ## 二 进制序列化的问题 运行、编码效率 • 确定性 • 跨平台兼容性 Borsh ## Binary Object Representation Serializer for Hashing • 字节级别确定性 • 执行速度快 • 轻量级 ## 字节级别确定性 每一个对象与其二进制表示之间都存在一个双射映射 不同的对象的二进制表示一定不同 this name pub owner: Pubkey, pub class: Pubkey, ## Borsh 规范 • non self-describing • 保证序列化后的二进制唯一性和确定性 • 主要序列化规则 • 整数采用低字节序（little endian）存储 • 对于动态长度的集合，先用一个 u32 存储集合 size - 对于原本无序的集合（如 hashmap），存储时使用0 码力 | 21 页 | 3.35 MB | 2 年前3