Keep on to blur preview images; turn off to show them clearly
![RT @SchmidhuberAI: 10 years ago: the reinforcement learning (RL) prompt engineer [1] (Sec. 5.3). Adaptive chain of thought: an RL neural ne…](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fprofile_images%2F1715797038535680000%2FZFrYnYWD_400x400.jpg&w=3840&q=75 "RT @SchmidhuberAI: 10 years ago: the reinforcement learning (RL) prompt engineer [1] (Sec. 5.3). Adaptive chain of thought: an RL neural ne…")
RT @SchmidhuberAI: 10 years ago: the reinforcement learning (RL) prompt engineer [1] (Sec. 5.3). Adaptive chain of thought: an RL neural ne…
Invented principles of meta-learning (1987), GANs (1990), Transformers (1991), very deep learning (1991), etc. Our AI is used many billions of times every day.
Google 性能优化之道：实战技巧与工程思维 Google 两位传奇杰出工程师 Jeff Dean 和 Sanjay Ghemawat 撰写的经典技术指南，基于 Google 多年来在构建高性能软件中的实战经验，总结了一套关于性能优化的原则和具体技巧。 核心理念：重新审视“过早优化” 开篇即纠正了业界对 Donald Knuth 名言“过早优化是万恶之源”的常见误解。 · 关键的 3%：Donald 的原意是不要在非关键代码上浪费时间，但在关键的 3% 代码路径上，我们绝不能放弃优化的机会。 · 工程素养：在成熟的工程学科中，12% 的性能提升是巨大的成就，不应被视为微不足道。 · 默认高效：不要总是以此为借口写出低效代码。在不显著增加代码复杂度或降低可读性的前提下，在编写代码时就应默认选择更高效的替代方案。 方法论：估算与测量 · 培养直觉：优秀的工程师需要具备“信封背面演算”的能力。你需要对计算机底层操作的耗时量级有清晰的认知。这种直觉能帮你直接过滤掉低效的设计方案。 · 测量为王：不要盲目猜测瓶颈，性能分析是第一工具。 · 面对“平坦”的 Profile：当你发现性能图表中没有明显的“热点”函数时，说明低垂的果实已被摘完。此时需要关注微小的优化累积、循环结构的调整、或者从更高层级进行算法重构。 实战技术指南 文章列举了大量具体的代码变更作为案例，主要涵盖以下几个维度： A. 内存与数据结构（这是优化的重头戏） · 紧凑布局：现代 CPU 的缓存非常宝贵。优化内存布局，让经常一起访问的数据在物理内存上相邻，可以显著减少 Cache Miss。 · 用索引代替指针：在 64 位机器上，指针占用 8 字节。如果可能，用较小的整数索引代替指针，不仅节省内存，还能保持数据的连续性。 · 扁平化存储：尽量避免使用节点式容器（如 std::map, std::list），它们会造成内存碎片。优先使用连续内存容器（如 std::vector, absl::flat_hash_map）。 · 小对象优化：对于通常元素很少的集合，使用“内联存储”的容器（如 absl::InlinedVector），避免在堆上分配内存。 B. API 设计与使用 · 批量接口：设计支持一次处理多个元素的接口。这可以减少函数调用开销，更重要的是可以分摊锁的获取成本。 · 视图类型：函数参数尽量使用 std::string_view 或 absl::Span，避免不必要的数据拷贝。 C. 减少内存分配 · 内存分配不便宜：它不仅消耗分配器的时间，还会破坏缓存局部性。 · 预留空间：如果你大概知道向量的大小，务必先调用 .reserve()，避免因扩容导致的多次拷贝。 · 对象复用：在循环中，将临时变量的声明提升到循环外，避免反复构造和析构。 · Arena 内存池：对于复杂且生命周期一致的一组对象，使用 Arena 分配器可以极大提高性能并简化析构。 D. 算法改进 · 这是提升性能的“核武器”。将 O(N²) 的算法优化为 O(N log N) 或 O(N) 带来的收益远超代码层面的微调。 · 案例：文章展示了如何通过简单的哈希表查找替代排序后的集合交集运算，从而大幅降低时间复杂度。 E. 避免无用功 · 快速路径：针对最常见的情况编写专门的处理逻辑。例如，处理字符串时，如果全是 ASCII 字符，就走快速通道，避免进入复杂的 UTF-8 解码逻辑。 阅读原文
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
An open-source library for automating chromium-based browsers without a webdriver, offering realistic interactions.
https://t.co/EutBLjffkY
Go-WXPush 是一个基于 Golang 开发的极简且免费的微信消息推送服务 主要利用微信公众平台的“测试帐号”机制，为开发者提供一种绕过正式公众号繁琐审核、直接向指定用户推送模板消息的方案 https://t.co/nRskQmL3Ya
🧠在家居士 | 🥦素食者 | 🏃🏻马拉松爱好者 | 💰省钱小能手 | 搭🪜技术资深学者 | 👨💻科技宅 | 🆕更新狂 | 🆅 六边型战五渣
RT @BenBlaiszik: 🔥Exciting news for the ML atomistic simulation community - big speedups on the way for MLIP inference and more! We're th…
Founder and CEO @deepforestsci. Creator of @deep_chem. Author @OReillyMedia. @stanford CS PhD. https://t.co/7LDcegrCsc
RT @AntonObukhov1: Amazing work on simulating generative refocusing (aka the Bokeh Blur). An ELI5 video in the style of 3blue1brown sets a…
AI research paper tweets, ML @Gradio (acq. by @HuggingFace 🤗) dm for promo ,submit papers here: https://t.co/UzmYN5XOCi