不乱于心,不困于情,不畏将来,不念过往。
不乱于心,不困于情,不畏将来, 不念过往。
ppylox
·12/8/2022·5 阅读AI 摘要模型根据正文自动生成,仅供参考
该文以“不乱于心,不困于情,不畏将来,不念过往”为核心,倡导一种内心安定、情绪自主、面向未来而不执着过去的生活态度。其技术点在于通过四重否定式箴言构建心理边界:以“不乱”稳定认知,以“不困”管理情感,以“不畏”消解未来焦虑,以“不念”切断过往牵绊,形成简洁自洽的心性调节框架。
相关文章
技术2026-11-09
把 AI 视频镜头可用率从 30% 做到 80%:模型外的返工治理
AI 视频单次生成很快,却常常要十次才出一个可用镜头。本文拆解把镜头可用率从 30% 做到 80% 的三层做法:生成前用白模写死结构化约束、垂类后训练收敛高频问题、生成后分流修复,并附一份能算清返工成本的统计脚本。
技术2026-11-10
记忆投毒基准:155条轨迹横跨五类记忆系统
拆解 MemoryDojo 如何追踪投毒信息在智能体记忆中的生命周期,给出 155 条多会话轨迹、四类领域、五套记忆系统的评测设计、关键结论、局限与复现条件。
技术2026-11-09
跨框架仓库迁移基准:智能体最高通过率 75%
XStack 把 PyTorch 仓库迁移到 JAX/TPU 做成端到端基准:智能体拿到仓库和干净 TPU 机器,交付可复现的 JAX 仓库。最强 Claude Opus 5 通过率 75%,GPT-5.6-sol 45%,其余不超过 40%。
技术2026-11-05
LoopVQ:循环模型 KV 缓存压到 0.25 比特
LoopVQ 跨循环步联合做向量量化,把循环 Transformer 的 KV 缓存压到 0.5 比特,叠加 TaSQ 可达 0.25 比特;SGLang 实现下 32K 上下文解码延迟接近减半。