tfdetang

如果是私有场景，估计很难直接通过开源模型实现吧，最起码要自己训练或者(few shot)。 我个人觉得这个场景类似于小区的人脸识别门禁那种 pair-wise 的思路，是用两个正例对与负例组成样本对来找出相似度边界

@dz5362 赞同这位老哥的说法，这个预算可以看看 m43 画幅的机器，便宜的机身加一些二手镜头，可以入门摄影了； 不要听那些说不如手机的，m43 很容易搭配一个等效 200mm+ 的镜头，体积也不大； 这拍起来无论是质感还是视角都不是手机能比拟的

@zzNaLOGIC 仅从纯技术手段而言，可以使用向量嵌入概念。 可以把人的行动轨迹完全转化为一个人类无法读取与理解的向量，但是可以对比两个向量的相似度。理论上可以解决隐私问题，当然解决不了信任问题

如果发明人是你，离职了一样要给钱，这是专利法里规定的(最低 3000 一个)； 我就是离职后找公司拿到的

以前在金融公司上班，可以一周西装不重样； 现在回到互联网行业穿不出来了，只能放那吃灰

@sadfQED2 看来 django 默认开启了多线程； 其实 docker 里不用搞显卡驱动啥的，base 镜像直接用 torch 啥的官方 gpu 版本的镜像，后面只要把 python 的部分搞定就行了

a. 不觉得 AGI 可以通过目前的 LLM scaling up 的方式达到，但目前的方式极大的促进了 AI 的商业化，促进了 AGI 的到来；
b. 目前的这套方案规模再大，本质上还是一个自回归的模型；需要一个明确的指令然后根据上下文和已输出的部分来预测下一个 token ； 直觉上这个和人类思考的模式还是有很大不同，虽然现在有一些通过多 agent 的思维链，思维网的方式来复杂化思维过程，但感觉并不是本质上的改变

@sadfQED2 ai 模型直接 runserver 会阻塞吧，并发请求还是会有问题的；
如果这种场景最好还是用 fastapi ； 可以找个 uvicorn + fastapi + docker 的模板项目改改就行了；
当然现在这样也不是不能用