为什么一般人不建议住别墅?

住了一年

说一下体验

装修肯定比平层贵 尤其希望实现自己想要的功能

房子不大 200多平使用面积 没有地下室

开始想要的功能都实现了

光伏储能系统 新风系统 全屋RO纯净水系统 空气能水系统二连供 全屋无缝网络 全屋悬浮吊顶无主灯 大岛台 大客厅 大沙发 大工作桌 大电脑桌
全屋智能灯光 智能感应系统（灯光统一跟人走 窗帘用遥控器，用语音不喜欢）

尤其重视了缝隙处理 做到不留一点卫生死角
只要注意了也不难，夏天没有蚊子，不用蚊帐，屋里全年没有蚊虫。全屋没有灰尘，台球桌半年不擦，摸上去一点灰也没。

另外，冬天地暖感觉不费电，不知道别人别墅一年几万电费怎么来的。我这里坐标022,通过水温调节，保持温度23度，新风24小时开，每天也只需要20-30度电，每月400多，每年只需要1500不到。 于是果断停了市政供暖，没想到别墅自己供暖这么便宜。 经验就是要把保温做好，不要到处漏风。楼顶阳光房顶我用聚氨酯喷涂了一遍，夏天顶层温度最高不会超过30度。夏天空调费用1000多也足够了。全年电费4000-5000.包括全屋夏天空调和冬天供暖。

感觉只要细节注意了，住起来就很舒服，成本也很低。一切都是自己规划的，一切都很满意。灯光，色调，智能，网速，水，空气，暖气，空调，都很好用，有小问题也很快解决。

电费4500，物业费7000，水费1000-2000（纯净水洗澡洗碗洗衣服肯定稍贵）燃气500,网络700。但是停车免费啊，开车去市区30分钟。 最大的优势是不管白天晚上可以静下来，思考自己想做的事。这点开支市里平层也差不多的。

总的感觉是，只要装修的时候注意点，其实居住成本并不高，而且没有不满意的地方。如果任由装修公司安排，那就到处都是漏洞而且不好弥补。

好处是特别安静。 我特意装的fanless pc，实现了绝对的静音和高性能同时存在。 这一点真的重要

另外，实测小米的q800比q1000好用一些。

家里网络联网设备比较多。 普通路由器带这么多设备后，很容易就卡顿过热，无法流畅使用。

所以干脆用I7 13700h 64G内存 10T ssd的mini pc放到设备间，既当路由器，又当群晖nas,还可以跑各种高负载程序。

给路由器划8G内存 CPU给6核心 I7 ，不够还可以加内存和cpu.

然后就完美了。 网络应用各种流畅啊，理论上已经不可能出现任何路由器硬件故障，虚拟机只是一个文件，文件做好备份，想回到某个状态，只需要点一下鼠标。

cpu占用最高不超过50%， 哪怕很多终端同时下载也毫无压力。

至于有线+无线，一个房间一个poe千兆ap面板，稳得一批。

现在是全屋完美覆盖，网速完美，即点即开，以后有机会换一下万兆面板，还可以更快一点。

另外，虚拟出来的路由器所有需求都可以自己定制，觉得不满意甚至可以自己写插件。

连群晖docker运行的速度都飞起来了。。。

发现可以把每天思考的好玩的东西分享下，就分享在这里吧，有缘人自然能看到。

2024-05-24

这几天关注如何用AI复现钢琴大师的现场演奏音色，然后就发现了modartt的pianoteq

在midi云下载midi，然后用pianoteq来演奏，调整细节以后，能够达到很好的演奏效果。

当然还无法跟钢琴大师现场演奏相媲美，但已经可以有很多定制的空间可以自由发挥。

如果pianoteq加入更多AI润色音色的参数来学习，很可能会接近实现任何时候复现现场演奏效果。

2024-05-23

IOS玩模拟器游戏从早期jailbreak模拟器失效后，一直缺乏好的体验，之前用小鸡模拟器，但总是不如意，今天发现了Delta，搭配小鸡的手柄，非常完美。 图片是不用手柄的截图，用手柄会没有虚拟按键，体验很赞。

20240527

投资这个事情，如果发现自己做的事情很多人都在做，那就赶紧换思路。

20240528

早上把音乐文件夹几千首无损音乐的tag处理了一下

总结了一下批量修改音乐文件tag的办法

比如一个音乐的cue+wav 首先用foobar2000打开后convert为单个歌曲

然后用mucsicbrainz picard导入并扫描音纹，自动识别歌手专辑和风格，保存tag（同时选项重命名文件) 保存后为utf编码，win11媒体播放器无法识别

然后用mp3tag再保存一遍 媒体播放器就可以了识别了

几千首歌批量处理速度也很快。完美。

20240601

忽然发现电子墨水平板的最佳使用方式

放在主屏幕的下方，作为电脑的扩展副屏使用，不影响视频和游戏体验，文字工作也无缝兼顾。

需要专注文字时，有一个很好的软件blackscreen，一键关闭主屏，就可以沉浸在阅读或者写作中。

20240602

通过共情理解AI的知识结构，提高AI回答水平的几个方法。

少样本学习

"根据以下几个例子,概括出一个规则来完成任务。"

给出少量带标签的示例,让AI从中学习规律。

"请仔细研究以下几个例子,然后尝试生成类似的新输出。"

通过少量示例,引导AI生成新的相似输出。

迁移学习

"把你之前学到的知识应用到这个新的场景中来。"

让AI利用已有知识解决新问题。

"基于你以前的经验,对这个新问题给出合理的解决方案。"

激发AI将旧知识迁移到新领域。

解释生成

"解释一下你是如何得出这个结果的。"

要求AI解释其推理过程,提高可解释性。

"逐步说明你是怎么推导出这个答案的。"

让AI分解其决策过程,增加透明度。

控制属性

"在回答时,请保持[专业、友好、简洁]的语气。"

指导AI调整语气和风格。

"生成一段[积极、鼓舞人心]的文字来回答这个问题。"

控制AI输出的情感属性。

20240922

买了大疆的NEO小飞机，试玩了几天，感觉这款要火啊。

如果噪音控制再好一些，画质再好一点。这真是神器。

尤其是跟拍模式，等于雇了一个满分随身摄影师一直跟拍，风景好的地方无敌。

下面是两张NEO视频截图

20241007

ipad pro的妙控键盘很丝滑，可惜很多app是为iPhone设计无法在横屏状态使用，找到一个强制iphone软件横屏显示的tweak工具

Cluri ，然后妙控键盘就各种好用了。

20241025

最近半年ai的进步速度比人类社会100年进步的还要快。

o1 preview 甚至o1 mini 已经可以完成非常复杂的项目。

cloude3.5-haiku的推理能力甚至更胜o1 preview.

这段时间，偶尔会碰到的技术难题，用o1 mini几分钟到一个小时就可以写出程序来解决。

没事就让AI写个小项目，是无比轻松的事。

最近甚至有实现个大项目的想法。

怪不得程序员找工作越来越难。

2024-11-14

无人机确实开启了视频和拍照领域的新篇章。立体观察我们所处的空间，确实可以获得跟地面不一样的体验。

回家写了一个股票交易策略，其实根据人性找个靠谱策略也没那么难。自动量化交易是时代趋势，当散户是真的又辛苦又亏钱，哪怕大户也是时常担心受怕，经常睡不好觉。 量化交易可以实现一定程度上的确定性，亏损可控，只要一直持续跟踪人性移动的踪迹，就可以经常挖出好的策略。

ps 如果读者有耐心读到这里，而且有过使用自己策略的想法，不妨跟我讨论，我帮忙写个程序实现策略的回溯分析还是没问题的。

2024-12-13

高强度测试了几天o1-pro。有了很多感悟。

1.测试了noip2024提高组的4题，o1-pro最高得分215分。T2可以直接AC。T1 55分，T3 28 T4 32。可以在无提示情况下拿到绝大多数省的省一。可以视作具备了省一水平。但是T3 T4无论怎么提示，都做不出来。回头拿NOI的题目试试看，因为NOI题目的绝对难度是超过IOI的，而openai团队只测了IOI和codeforces。

补测了NOI2024
t1 50 t2 26 t3 4 t4 50 t5 15 t6 5
总分 150 而NOI铜牌分数线为214
也就是说o1 pro在NOI比赛中无法拿到最低的铜牌，在所有NOI的参赛者中应该在倒数5%左右

有人测了物理竞赛国决的题目，说部分题是直接可以做出来，做不出来的题目，只要提示一下套路，基本都可以做出来。

还有人测了2022年数学高考题，测试结果基本满分。

还有人测了研究生数学考试题，也是基本满分。

说明智商已经超过了95%以上的人类，知识储备超过99.999%的人类。

另外也用豆包，copilot，kimi,chinaglm,mitaso,perplexity,claude3.5,gemini分别测了noip 2024提高组的题目，kimi能拿到30分，mitaso能拿到20分，豆包还有copilot还有claude能拿到10-20分。别的基本都是0分，甚至无法通过编译。 xai的grok简单测试也不太行。

说明国内AI说车轱辘话的水平有了进步，但是到了真正解决问题的智商环节，差距巨大。

o1一枝独秀自不必说。

我的感悟是：
1.高密度聪明人加上合适的管理制度让closeai暂时处于绝对领先地位，G家和M家管理制度过于休闲，所以虽然有高密度的聪明人，却在这一波竞争中处于落后地位。
2.没有算力就什么都没有，国内算力第一档是bytedance，但是也与closeai还有xai有了数量级的差距。而且时至今日，bytedance还在用几年前囤积的显卡在苦苦支撑。没有算力集群支撑的科研本质就是在灌水。这也是李飞飞为何离开stanford去创业的根本原因。期待hw能快速提升昇腾的良品率和生态系统建设，快速追上N家的步伐。
3.如果不迅速跟上o1的节奏，国内科研的进步速度会严重受阻。而目前看已经很明显。绝大多数包括tp两校的同学老师也脱离了时代的节奏。
4.技术进步是指数级的，xai的硬件和算力集群结合起来，后面会很快在某些核心领域发力，基于硬件神经网络式控制系统的国家之间的对决很有可能会形成技术代差。我们要引起足够的重视。

总结成四个字: 时不我待。

2025-02-01

openai在R1的压力之下，推出了o3-mini,免费用户打开reason开关即可体验,pro用户可以使用o3-mini-high，而且打开了推理过程详情。

等于是免费给了o3-mini，加了联网功能，还有多模态。 虽然每天只有几次使用次数限制，但能力上基本跟R1对齐，加了联网和原本就有的多模态，明显是为了压住R1一头。

pro用户200刀每月，o3-mini-high能力比R1高一些，大概5%-10%。

为了3000亿美元的估值,openai也是拼了。

其实有个关键参数是codeforces的rating. 这个分数一旦突破3000，意味着可以雇佣很多cf3000的人类顶级程序员24小时不知疲劳地工作，如果这个强悍生产力能够落地，以前很多看上去坚不可破的护城河都将灰飞烟灭，甚至包括Nvidia的cuda，都可以使用这些AI程序员来重构。届时人类距离AGI会无比接近。

目前R1是2029分 O3-mini-high是2130分，O3完整版是2727分。 但是O3完整版运行能耗巨大，缺乏性价比还不能大范围使用。

deepseek kimi 加油!

2025-02-04

今天发现一个用阅读模式浏览pdf论文后自动进行AI翻译的网站，翻译后保留公式和各种原始数据格式，类似沉浸式翻译中英对照的阅读体验，也可以选择只用中文，对经常阅读类似arXiv的英文论文用户是一个非常给力的AI工具。 AI正在不同的地方进行发力了。

2025-02-24

把多个AI放进一个聊天群里，让不同AI对问题进行分析，形成一个良好的讨论氛围，可以对问题有更完整的理解。闲着无聊还可以一起开心扯蛋。以后想寂寞都很难，另外忽然想到这个治疗抑郁可能也是一个好办法。

2025-03-02

研究arXiv的论文是一个很好玩的事

可以看见人类智力的边界 预知人类即将突破的领域

昨天对arXiv 计算语言学(cs.CL)类论文进行了分析学习:

中国机构贡献论文比例从2022年的33%升至2024年的41%，成为第一大贡献国。

美国企业研究内部化趋势明显，公开发表论文占比降至19%。

新兴市场国家（如印度、巴西、土耳其）参与度提升，集体贡献从9%增至17%。

开源社区影响力持续增强，非机构附属作者贡献达8%。

研究力量的分布正在发生变化，中国在这个领域的贡献越来越大，美国企业则倾向于把研究成果留在公司内部不公开。同时，更多发展中国家的研究者加入进来，开源社区也贡献了不少研究成果，使整个领域更加国际化和多元化。

研究重点从单纯追求模型规模向多方向并进转变：

效率优化与专业化应用成为热点（相关论文占比从18%升至37%）

模型可解释性与安全性研究大幅增加（从7%升至26%）

多模态集成研究占比从11%升至31%

实际应用验证论文比例提升（从22%升至42%）

研究者不再一味追求更大的模型，而是更关注如何让模型更高效、更安全、更容易理解。同时，结合图像、声音等多种信息的研究越来越多，更多研究也开始关注实际应用场景，而不只是停留在理论层面。

近期预测落地产品（2025）

医疗诊断辅助：FDA批准AI诊断系统，报告产出加速31%，复查率降低18%。

边缘设备部署：本地化模型（如Mozilla LocalLM）支持实时翻译眼镜和离线语音助手。

个性化教育：认知风格匹配的学习系统，适应个体学习曲线，提高40%学习效率。

法律文档分析：合同审核自动化，准确率达92%，工作效率提升68%。

未来1-2年，我们将看到AI在几个领域快速落地：医院里的AI辅助诊断系统将加快报告生成速度；不需要连网的翻译眼镜让旅行和商务交流更便利；教育软件能根据每个学生的特点调整教学方式；法律文件自动分析工具将大大减轻律师的文档审核负担。这些应用都已经过测试，即将进入市场推广阶段。

中期预测落地产品（2025-2027）

实时AR导航眼镜：结合视觉理解和多语言翻译，支持复杂场景导航和信息叠加。

自动化法律合规系统：覆盖85%财富500强企业，支持多语言法规解读和风险预警。

文化遗产数字化平台：结合低资源语言模型与AR技术，实现濒危文化沉浸式体验。

个性化医疗顾问：整合RAG与患者数据，提供全天候个性化健康管理和医疗建议。

3-5年内，更成熟的产品将出现：增强现实眼镜不仅能翻译，还能识别周围环境并提供信息和导航；企业合规系统能自动检测法律风险，并在多国法规下给出建议；濒危文化将通过3D重建和AI解说实现"数字博物馆"；个人健康助手能结合个人健康数据提供定制化医疗建议，让医疗资源更高效分配。

2023-2024年，计算语言学(cs.CL)领域在arXiv上的研究成果呈现爆发式增长，关键技术突破主要集中在模型架构效率优化、自我改进与元学习、多模态与跨模态融合、检索增强生成以及安全对齐等方面。这些突破不仅推动了技术能力的提升，也深刻影响了医疗、教育、法律和创意产业等多个领域。

很有趣的结论，当大家都在公开论文的时候，美国走向了封锁研究成果。

另外openai和perplexity等公司都启用了地理围栏技术，使用美国AI模型的时候，通过暗中识别IP质量，对生成内容质量进行分级，这也是有人提出AI降智的现象。其实也是美国启用研究成果封锁的地理围栏技术所致。

也许北美有人认为大家都公开的时候，封闭可能是最好的选择。 你们的成果我都知道，我的成果你们不知道。

2025-03-10

AI在OCR识别领域也开始发力了，表格和公式 借力AI可以做到几乎100%完美还原。

传统OCR厂商应该压力山大。问了问foxit，好像还没跟上，还记得前些年5元左右重仓三板的福昕，逻辑是foxit的filter做的好，当年实测速度和准确性远超adobe，所以能赢得amazon的订单和股权投资，现在感觉逐渐跟不上时代了。

图片和公式的OCR几乎完美。

下图是直接使用R1的api来对本地知识库的这个图片pdf简单OCR之后进行的对话。感觉本地知识库已经越来越稳要爆发了。