跳到正文
10月31日週六
  1. DEV Community61

    Gemma 3 1B AI 日記實驗逐晚關閉神經元,呈現文字退化過程

    作者以 Gemma 3 1B 製作可重播的 AI 日記實驗,每晚使用相同提示詞和隨機種子逐步關閉神經元,記錄模型文字由完整英文退化至空白的過程。網站以實測數據呈現 179,712 個 MLP 神經元及 104 個注意力頭的變化,並提供心跳、16 項知識探測和死亡證書。六次死亡記錄均可重播;模型使用開放權重,在本地 CPU 運行,一次完整死亡與復活約需 3 至 4 分鐘。

  2. DEV Community44

    Memory Lantern:忘記字句時找回舊故事

    Memory Lantern 是一款以 AI 搜尋已儲存回憶的應用程式,讓用戶記不起原文用詞時,仍可按記憶內容找出相關段落。語意搜尋使用 all-MiniLM-L6-v2,透過 Transformers.js 3.8.1 在用戶裝置上運行。無需帳戶或 API key,筆記和搜尋內容不會上傳至推理伺服器。

  3. DEV Community57

    CloneProof 修正誤報後,在 100 個 npm 套件對應倉庫中判定 3 項真實失敗

    作者以 CloneProof 靜態檢查 100 個最常被依賴的 npm 套件所屬 GitHub 倉庫,修正誤報後,v0.2.4 的 3 項失敗判定均屬實。預先登記的 v0.2.0 測試中,6 個會令 CI 失敗的倉庫有 5 個只因誤報而失敗;修正版的 63 項警告中,60 項判斷正確。檢查不會安裝依賴或執行倉庫程式碼,另有 7 個倉庫因 CloneProof 的 clone 安全限制未能檢查。

  4. DEV Community41

    InfoMind AI Enterprise:讓非結構化資訊擁有智能

    InfoMind AI Enterprise 是一個根據文件內容回答問題的檔案庫,每個答案均附有來源段落,證據不足時會拒答。使用 llama3.2:3b 時,一個可回答的問題在 5 次測試中均遭錯誤拒答;改用 llama3.1:8b 後,同一問題 10 次均獲正確回答。系統可在本機離線運行;使用託管示範時,問題相關段落會傳送至 Ollama 伺服器。

  5. DEV Community39

    Séance:以開放權重 AI 對話 COBOL、LISP 和 BASIC 的幽靈

    Séance 是一款以開放權重模型為程式語言設定人格的網頁應用程式,讓用戶與 COBOL、LISP、BASIC、FORTRAN 和 ALGOL 的「幽靈」對話,亦可讓幽靈評論程式碼。應用程式透過 OpenAI 相容的聊天完成 API 連接模型,預設使用 Ollama 的 llama3.2:3b;以本機模型運行時,問題和程式碼片段會留在用戶裝置上。

  6. CNET59

    甚麼是開放權重 AI 模型?

    開放權重 AI 模型會公開訓練完成的模型權重,讓用戶下載並在自己的電腦上執行。權重公開不代表訓練程式碼和資料也公開,授權亦可能限制商業用途;本地執行則可讓提示詞和檔案不經 AI 服務供應商的伺服器。模型仍可能產生幻覺或帶有偏見,運行速度和處理長文件的能力亦取決於模型與電腦硬件。

  7. DEV Community35

    Hacktoberfest 開源 AI 挑戰第 3 週得獎者揭曉

    Hacktoberfest DEV 挑戰公佈「Slow and Steady」第 3 週得獎作品,參賽者以開放權重模型或開源 AI 打造便利自動化工具。其中一個作品令小型模型讀取物業契據的準確率由 10% 升至 99.6%,成本為 $1.15;另有作品以 Gemma 4 配合 Arduino UNO Q 讀取電郵。

  8. DEV Community37

    Ghost in the Machine:離線 AI 應用融合數碼降神會與虛擬亡靈祭壇

    Ghost in the Machine 是為 Hacktoberfest 開源 AI 挑戰製作的離線應用,透過 Ollama 運行開放權重模型,結合數碼降神會、虛擬亡靈祭壇和互動恐怖故事等體驗。應用支援 gemma3:4b、llama3.1:latest 和 qwen2.5-coder:7b,並以串流方式即時生成回應。推理完全在本機進行,無需連接互聯網,讓用戶可離線使用並保護祭壇中的家庭回憶。

  9. DEV Community35

    Ofrenda:以本機 Gemma 2 打造連結內核空間與先人記憶的數碼祭壇

    Ofrenda 將墨西哥亡靈節傳統與本機開放權重 AI 結合,打造以 Gemma 2 驅動的離線數碼紀念祭壇及先人對話體驗。專案設有三層祭壇、先人對話室、語音合成及仿舊終端,並支援建立可列印的紀念卡。程式碼以 MIT License 開源,架構採用本機推理,並提供瀏覽器內備用知識庫。

  10. DEV Community53

    GHOST.EXE 以 Gemma 3 1B 打造本機恐怖調查遊戲,重開後仍記得玩家選擇

    Jiya Jain 開發 GHOST.EXE,一款以 Gemma 3 1B 驅動角色對話的本機心理恐怖調查遊戲;玩家重新開始調查後,HELPER 會提及上一局作出的選擇。完成依賴項和模型權重下載後,遊戲可透過 Ollama 在本機離線運行。Python 確定性控制器管理線索、證據和結局,SQLite 保存離散遊戲事件及分類後的互動資料,不保存原始聊天訊息。

  11. DEV Community31

    TrailEcho:開源 AI 聲景與捉鬼伴侶

    TrailEcho 擴展為夜間音訊伴侶和超自然異常調查工具,以即時音訊頻譜分析偵測異常頻率,並用開源權重 AI 將聲音模式轉化為哥德式敍事。它透過 Ollama 在本機執行 Gemma 2B 或 Llama 3.2 1B,並支援離線運作,不會把個人音訊傳送至雲端伺服器。

  12. DEV Community36

    SpookyCode:以鬧鬼風格執行程式碼修復的開源自主 AI 編碼智能體

    SpookyCode 是一款開源自主 AI 編碼智能體,可在隔離工作區調查程式碼、規劃及執行修改,並自動測試和檢查差異;用戶審核前,工作樹不會受到修改。它亦可將檔案存入經 SHA-256 驗證的保險庫,並以 Google Gemma 和 Pydantic AI 生成悼詞,支援查詢及逐位元組還原程式碼。

  13. DEV Community42

    SchemaGhost:以 Qwen3 和人工把關讓舊應用程式重獲新生

    SchemaGhost 是一款開源工具,協助開發者在 API 回應結構變更後,為舊應用程式建立相容層,毋須重寫整個應用程式。它結合確定性啟發式方法與透過 Ollama 本機執行的 Qwen3 0.6B,建議新舊 JSON 欄位的對應方式。開發者可審核及核准建議、驗證映射,並生成 C# 配接器和其他相容檔案。

  14. DEV Community48

    terminal-seance:Y2K 幽靈 Agnes 評論終端機指令並開口回應

    開源工具 terminal-seance 把終端機變成降靈會,讓 Y2K 事故中的程式設計師幽靈 Agnes 評論指令,並以角色口吻回應對話。Agnes 由 Google 開放權重模型 Gemma 3 27B 驅動,經 OpenRouter 提供服務,也支援其他 OpenAI 相容主機。工具有 114 項測試;只有指令文字、退出代碼和執行時間會離開本機,不會傳送指令輸出。

  15. DEV Community38

    Rashomon of the Dead:離線優先的開源模型偵探遊戲

    Rashomon of the Dead 是一款以 Ollama 本地運行 Gemma 的離線優先開源偵探遊戲,玩家要盤問五名掌握不同資訊的鬼魂,查明莊園命案真相。遊戲以 Ground Truth Fact Ledger 記錄案情,並透過即時矛盾引擎比對證詞、標示謊言和記憶錯誤。遊戲支援瀏覽器原生語音合成,亦可選用 ElevenLabs API,並設有無需伺服器運行的客戶端模擬模式。

  16. Nathan Lambert:Interconnects53

    Nathan Lambert 對開放模型與網絡安全風險的看法錯了嗎?

    Nathan Lambert 重新檢視自己對開放模型網絡安全風險的判斷,認為 Claude Mythos 若意外以開放權重釋出,較可能加速既有風險,而非令風險突然跳升。GLM-5.3 找出的 Firefox 漏洞可讓攻擊者在用戶瀏覽相關網站時竊取電腦檔案,作者以此説明造成傷害仍須多個環節配合。他認為目前沒有充分證據把近期攻擊歸因於開放模型,網絡安全風險更涉及 AI 能力擴散及整體網絡生態。

  17. elsewhere:文章42

    開源模型亟需另開一桌

    開源模型應停止以 AA 榜排名作為主要目標,轉而建立自己的評估標準,按工作領域衡量模型能力。文章認為,模型應以貼合真實任務和環境的 Benchmark 評估,而非追逐綜合榜單。葬AI決定建立開源 Benchmark 社區,並將陸續發布合作開發的 Bench。

  18. DEV Community45

    CryptoBench:用 54 段程式碼片段測試 LLM 加密 API 誤用偵測

    CryptoBench 是用來測試 LLM 程式碼審查加密 API 誤用偵測能力的數據集,包含 54 段 Python 程式碼片段,涵蓋九類誤用。研究以 Ollama 測試七個開源模型,每段重複五次,共記錄 1,890 次測試。三個能區分安全與不安全程式碼的模型,對弱密碼雜湊的偵測率為 81.7%,誤報率為 3.3%。

10月30日週五
  1. DEV Community77

    Mistral Large 4:1T 總參數、每 token 約 49B 活躍參數,開放權重實際改變了甚麼?

    Mistral Large 4 開放權重帶來的實際變化,取決於每項完成任務的 token 成本、自行部署門檻與授權條款,而不只是權重可下載。

    推薦理由:文章以每項已完成任務的 token 用量取代單看基準分數,説明這種衡量方式如何對應智能體編碼的實際成本。

  2. DEV Community33

    Revenant:我打造了一款開源 AI 工具,讓失效程式碼重獲新生

    開發者打造開源 AI 工具 Revenant,協助開發者調查、診斷並嘗試修復已遭棄置的 JavaScript/Node.js 專案。Revenant 使用本地模型 qwen2.5-coder:3b,透過 Ollama 執行推理,並根據程式碼、錯誤記錄及文件提出修復建議。開發者可審核修改並明確批准,工具再以修復前後的受控檢查驗證結果。