这款“超级应用”将于今年发布，同时面向个人用户和企业客户。本季度，将把编程等多种 Copilot 体验整合进一款超级应用……今年早些时候，有报道称，微软正在开发一款整合 Copilot 聊天机器人、GitHub Copilot 编程助手、Copilot Cowork 和 Agent Autopilot 系统的超级应用。“Copilot” 超级应用"年内问世，整合 Agent、AI 编程、聊天，打造

可创建自己的角色进行聊天支持群聊模式（多个角色一起聊天）

技术革命的价值永远生长在流程重构的土壤里，而非模型参数的堆砌中。5 建立全流程质检机制，整合专家资源形成稳定产出体系真正的数据价值不在想法、品牌或人力，而在可规模化、高质量、工业化的数据产品流水线。企业AI失效根源在于缺乏组织隐性知识，如同不了解公司"潜规则"的新员工，无法解决深层问题。1 梳理企业知识资产：系统化整理"张姐"掌握的隐性流程与决策逻辑，构建组织专属知识库。④ 卖价值精准把握客户需求

Transformer 架构中模型自己生成的内部记忆。

用户交互的时候由前端框架给对应的session发一个button被点击的消息，然后前端把llm模拟的结果绘制上去 (小时候幻想的计算机be like)另外其实已经有很多用户把AI当作操作系统来用了，比如前一阵拿豆包定机票预约餐厅的人，其实他们如果用的是豆包手机的话是是可以做到的，而不是输出幻觉“欺骗用户”讽刺的地方在于，人类假装自己在“操作”系统，实际上是AI在完成任务，直接把人类操作全部去掉，用

如何学习计算机和找工作

Linus Torvalds： 我正在努力改进这一点。其实，我并不是完全不看代码。比如，在。这种情况很常见，也没有什么问题。有些人觉得解决冲突很困难，但多年来我处理过太多冲突了，甚至闭着眼睛都能完成这类工作。我并不担心这一点。不过，冲突往往意味着两个不同团队同时修改了同一部分代码。这时候，我会仔细看看双方到底做了什么，而很多问题恰恰会在这个阶段暴露出来。有时，问题的根源在于两个团队实际上有着不同的

llava 就是极简风，视觉层接一个线性层（投影层，我习惯叫它对齐层）就接入llm。llava1.5就是将图片更好的处理，使用高分辨率的图像并全局和局部融合，llava1.6则是采用了更好的融合策略，而且对分辨率没有要求（这里感觉有点像qwen2.5-vl 动态分辨率的雏形）梳理了CLIP,image encoder采用的是ViT或者是resnet，text encoder采用的是transfor

差异算法（`hdiff`）是HDiffPatch的智能引擎，它细致比较数据的旧版本和新版本，识别公共部分（`覆盖`），并紧凑编码差异（`子差异`和`新数据差异`），生成易于共享或==存储的微小"差异文件"==- 巧妙的基于流I/O使该过程能扩展到超大文件而不会压垮内存。

DELETE p1#只删除表p1。没事刷到了，上午刷都刷了，整理一下吧。