electron主进程中是不能获取到浏览器的window对象的，所以我们不能像在渲染进程中一样使用浏览器为我们提供的localstorage对象。但是主进程中有可能也需要这样的需求，比如我们在本地存储了当前的环境（dev/beta/prod），主进程需要根据不同的开发环境来load不同的url。于是手动封装了一个可以在主进程中调用的localstorage。1.安装npm install ...

HLE 全称： Humanity’s Last Exam（人类最后的考试）听名字你就知道它的野心了。HLE 的设计初衷是：如果我们再不出这套题，AI 可能就要超越人类现有的评估手段了。如果 AI 能在这套题上拿满分，那我们基本可以说人类已经阻挡不住 AI 了。HLE 是一次全球协作：采用了带奖金的征集与审核流程，题目来自近 1000 名各个领域的顶尖专家贡献，覆盖 500+ 机构、50 个国家。公

从领域文献生成测试集的提示词：判断题、单选题、多选题、简答题、开放问题的生成不同题目执行测评的提示词：从原始题目获取答案LLM 评估提示词：包括简答题和开放问题的评估具体的评分细则在创建任务中是可以配置的，实际影响的就是提示词中的变量，在这里的设置可以直接覆盖这个变量，自由度更高。理解通用基准在垂直领域的局限性，明确评估的三大核心目标（选型验证、微调效果、RAG优化）掌握三类垂直领域评估方法的适用

定位领域：通过分析用户的问题，然后结合知识库的目录索引定位出知识可能存在的领域（文件夹）。定位文件：使用 grep 这样的方式在指定目录、文件里筛选出「可能相关的文件」，然后再按需用不同工具去读取这些文件的关键部分。定位内容：针对不同文件类型用不同策略：Markdown / 文本：直接定位到匹配段落，结合上下文分析PDF：编写代码调用专门的 PDF 能力按页、按章节提取内容Excel：编写代码读取

定位领域：通过分析用户的问题，然后结合知识库的目录索引定位出知识可能存在的领域（文件夹）。定位文件：使用 grep 这样的方式在指定目录、文件里筛选出「可能相关的文件」，然后再按需用不同工具去读取这些文件的关键部分。定位内容：针对不同文件类型用不同策略：Markdown / 文本：直接定位到匹配段落，结合上下文分析PDF：编写代码调用专门的 PDF 能力按页、按章节提取内容Excel：编写代码读取

2025 注定是要被载入 AI 史册的一年，大模型扎堆发布、开源生态空前繁荣…但技术突破的喧嚣之外，真实世界究竟发生了什么？大家好，欢迎来到 code秘密花园，我是花园老师（ConardLi）。最近， 发布了一份非常硬核的 AI 技术报告，它通过分析海量的 LLM 请求调用记录（超过 100 万亿 Token），能看到全球用户到底在用什么模型、干什么事儿、愿意花多少钱，并且试图绘制出一张最真实的

【摘要】研究发现大模型在回答开放性问题时容易出现"模式坍缩"现象，倾向于给出最安全但单一的答案。麻省理工论文提出"口头概率抽样法"(VS)，通过提示词让模型生成多个候选答案及概率分布，显著提升了回答多样性（创意写作提升1.6-2.1倍）。该方法适用于需要多样答案的场景，但对单一正确答案任务效果有限。文中提供了中英文VS提示词模板，建议根据需求调整候选答案数量

大家有任何问题，欢迎在评论区留言。评论关注是最大的支持 ⬇️❤️⬇️。

这就是告诉大家，安全风险有很多，我控制不了，但是我把安全原则定出来了，遵不遵守就是开发者自己的事了...

（大规模类型-受众）是论文中提出的。