Grammarly 正在经历重大转变,在收购电子邮件客户端后将品牌重塑为“Superhuman”。 尽管公司名称已更改,但“Grammarly”产品将保留现有品牌。 此举标志着更广泛的雄心,即发展成为一个全面的生产力套件,与 Notion 和 Google Workspace 等平台竞争。
这项策略的核心是“Superhuman Go”,这是一款新的 AI 助手,集成到 Grammarly 扩展程序中。 它提供写作建议、电子邮件反馈,并与 Jira 和 Gmail 等应用程序连接,以提供上下文帮助——甚至可以自动化诸如日程安排和工单记录之类的任务。 未来计划包括与 CRM 和内部系统集成。
Grammarly 还在探索将其另一项收购 Coda 重新命名,并为 Superhuman Mail 和 Coda 文档套件添加 AI 功能。 新的订阅层级,定价为每月 12 美元(Pro)和每月 33 美元(Business),将提供扩展的语言支持和对 Superhuman Mail 的访问权限。
图1. 详细的BOOM流水线。*表示核心可以配置的位置。伯克利乱序机器(BOOM)深受MIPS R10000和Alpha 21264乱序处理器的启发。与MIPS R10000和Alpha 21264一样,BOOM采用统一的物理寄存器文件设计(也称为“显式寄存器重命名”)。BOOM实现了开源的RISC-V ISA,并利用Chisel硬件构造语言构建核心生成器。生成器可以被认为是一种广义的RTL设计。标准的RTL设计可以看作是生成器设计的一个实例。因此,BOOM是一个乱序设计的家族,而不是单个核心实例。此外,为了使用BOOM核心构建SoC,BOOM利用Rocket Chip SoC生成器作为一个库来重用不同的微架构结构(TLB、PTW等)。
## 德语游戏:通过游戏学习德语
德语游戏提供一种有趣、互动的方式,通过各种引人入胜的游戏学习德语。该平台专注于培养核心语言技能,涵盖词汇和语法基础。
游戏包括练习**数字**(双向 – 单词到数字 & 数字到单词)、**讲时间**(包括简短形式,如 *nach* 和 *halb*)以及掌握**德语冠词** (*der, die, das*)。
你还可以通过德语到英语和英语到德语的翻译练习来扩展你的**词汇**,涵盖**名词和动词**。最后,通过练习所有代词的现在时形式来加强你的**动词变位**技能。
德语游戏提供多样化的学习体验,通过反向翻译和有针对性的练习,满足不同水平和学习风格的需求。
## 从 VS Code 到 Helix:编辑器与理念的转变
最初,作者是 VS Code 的忠实用户,后来因为担心微软的控制和数据实践,以及希望减少对技术的过度依赖,转而使用 Helix。虽然 VS Code 的易用性和丰富的扩展令人吸引,但作者越来越不喜欢依赖一家美国垄断公司。
采用 Helix 的最大障碍是认为学习曲线陡峭。然而,该编辑器“开箱即用”的理念——优先考虑开箱即用的功能并利用语言服务器——出人意料地有效。Helix 编辑时先选择文本再进行操作的视觉化方式与作者的工作流程产生了共鸣。
设置过程包括安装 Markdown(使用 Harper 进行语法检查和 rumdl 进行代码检查)、Astro 和 YAML 的语言支持。虽然比 VS Code 需要更多的初始配置,但作者发现这个过程是可以管理的,并且受益于出色的文档(包括一个优秀的第三方资源)。
最终,Helix 对效率和简化体验的关注赢得了作者的青睐。尽管作者承认该项目存在维护挑战(大量的 PR backlog),但他欣赏其原则,并认为这是朝着更开放和平衡的技术生态系统迈出的一步。
## LeRobot 剧集评分工具摘要
该工具集提供了一种使用传统计算机视觉指标和可选的Gemini驱动的视觉-语言模型(VLM)检查来自动评估LeRobot演示剧集质量的方法。它在视觉清晰度、流畅性、碰撞检测、运行时和任务成功等维度上对剧集进行评分,为每个维度分配0-1的分数。
该工具集允许用户过滤低质量剧集以改进下游训练,并比较在过滤数据集与未过滤数据集上训练的模型性能。主要功能包括:对数据集进行评分、根据用户定义的阈值过滤剧集以及与LeRobot的训练流程集成。
用户可以选择基于OpenCV的视觉评分,或利用Gemini进行基于VLM的分析(需要Google API密钥)。该工具集可通过pip轻松安装,并提供命令行参数以进行自定义,包括数据集位置、输出路径和训练选项。会生成详细的评分报告和可视化效果,以帮助识别有问题剧集并优化数据集质量。
## Bear Blog 中断与机器人问题 - 摘要
2025年10月25日,Bear Blog 经历了一次重大中断,由于反向代理故障影响了自定义域名。根本原因并非服务器容量,而是机器人流量激增——这是一个日益严重的问题,包括人工智能爬虫、恶意行为者和不受控制的自动化程序。这些机器人正在席卷互联网,其驱动力是大型语言模型训练的数据价值以及越来越容易部署的爬取工具。
现有的机器人缓解措施(WAF、速率限制)处理了最初的每分钟数万次请求的浪潮,但反向代理却不堪重负。关键是,作者的主要监控系统*未能*向他们发出警报,延长了停机时间。
为了防止再次发生,已经采取了几个步骤:冗余监控,带有电话/电子邮件/短信警报,增加反向代理容量(5倍),更积极的机器人缓解措施,以及自动重启功能。一个公开状态页面([https://status.bearblog.dev](https://status.bearblog.dev))也已启动,以提高透明度。
作者强调了日益恶劣的互联网环境,该环境由机器人主导,以及保护宝贵在线空间的重要性。