@sitdownkevin #13 主要看端侧收集的是哪方面的数据，比如手机可能更多的是你的使用数据，要是能拿到你用 APP 的数据，那数据量其实是非常庞大的。最起码在中国，用手机可以解决你的衣食住行，你的社交、信息的输入也大多来自于手机，这数据肯定是足够了的，毕竟这也只是个小模型

@cat #8 大概就是这个意思，但是我对目前小模型的实用性持怀疑态度，Apple Intelligence 的端侧智能貌似也没有什么实用的场景

你凑单退款的时候不是会按金额比例退消费券的嘛？

@sitdownkevin #2 甚至还会出现一个中间态，类似于 NAS 这种的数据和算法私有部署和训练方案，比如最近发布的 m4 mac mini ，性能远强于手机这类端侧设备，这类设备负责收集端侧的数据和微调模型，然后将训练好的模型再同步到对应的端侧，这可能比直接在端侧上训练来的更早

@sitdownkevin #2 当然可以，甚至不会太久，但是能不能达到效果还不好说。毕竟这一波的 AI 是通过算力和数据堆起来的。

目前来看端侧的算力还不足以去 finetune 一个小模型

@omgr #14 试过了，用同一个身份 id 重置了一台设备还是无法注册

@shenmezhidedu #19 我的想法和你有点不同
"一个是平台迎合用户的兴趣，一个是用户主动筛选；"，RSS 用户筛选的是 [创作者] 而非 [内容]
“ 至于在平台上只看关注的创作者，娱乐的内容可以，像文字类的，很多程序员、独立开发者只在自己的博客网站或推特更新”，产出质量高的程序员同时又有自己博客并且开了 RSS 的加上用户自己感兴趣这几个 buf 加起来并不会很多，你可以看看你自己关注了哪些程序员自己博客的 RSS ，至于推特，通过爬虫这种不稳定的方式取得的数据不能长久，而且你还不知道什么时候就会实现，到时候又会花时间去折腾。本来是想省时间结果在折腾上越走越远。

@omgr #14 谢谢提供的思路，我晚点也试试看

@TotoroLee 是的，之前 FastSpring 是为了一个其他的应用，而这个其实是基于那个应用做的一个类似 miniAPP

@TotoroLee #15 这是 electron 。Tauri 支持的功能还是太少了

@N0vermber11 #13 你说的是截图带阴影的效果吗？直接用 mac 上的 xnip 软件就可以，貌似 mac 上能见到的截图工具都支持阴影配置

@goodryb "朋友推荐的，偶尔论坛上面提到的"基本上都可以抽象成推荐算法的一种，将其抽象成 APP 功能的话和 follow 查看他人的订阅列表有点相似。所以还是那个问题，反推荐算法基本做不到。

@goodryb #9 看书也需要有一定的推荐算法帮助你筛选吧？不然书那么多你怎么选呢？

@EchoWhale “通过文章/评论或早或晚都能找到七七八八” 这又何尝不是另一种推荐算法？所以我在文中说想真正反推荐算法在目前状态下很难实现

@valuex #3 "信息的供给和消费是不平衡的"这点非常同意，但是初级阶段的问题就已经是很大的问题了，现在各个平台都不开放自己的数据，就很难实现信息归拢。所以后面基于这些信息再处理基本上是不可能的，国外的风气稍微好点，但我觉得随着 AI 爬虫越来越猖獗各家都会对自己的数据进行保护。

@saveai #2 那不是所有的产品都玩饥饿营销

@devdes
“推荐算法提升了效率但削弱了多样性”
那 RSS 只关注自己订阅的创作者的产出是不是既反推荐算法又反多样性？

“不用数据去量化读者对内容的喜好，创作者就不会去迎合读者，从而让创作本身有意义而不是通过创作去寻求认同感”
这是一个很理想的状态，让创作回归本身的意义是很好的想法，但弱点也很明显，创作者没有激励制度去激励自己去创作，创作的数量和质量都有很高的不确定性，感觉比较难实现

@omgr #3 不换就是注册不了，这个没办法的，你就是告到中央去你还是注册不了