大语言模型突破常规测试!用《指环王》内容生成 3D 渲染,效果虽糙但潜力惊人

Chrome GPU加速全攻略:3D可视化项目性能提升200%的隐藏配置 本文深入解析了Chrome浏览器GPU加速的隐藏配置,旨在提升3D可视化与数字孪生项目的渲染性能。通过实战验证,详细介绍了如何启用`Zero-copy rasterizer`等关键Flags、优化显卡驱动并进行性能监控,帮助开发者将WebGL应用(如Three.js项目)的性能提升高达200%。 阅读详情

帖子登录与注册

可通过 [登录](/i/jf/onboarding/web?mode=login&redirect_after_login=%2Fkarpathy%2Fstatus%2F2083749667410727319) 和 [注册](/i/jf/onboarding/web?mode=signup&redirect_after_login=%2Fkarpathy%2Fstatus%2F2083749667410727319) 参与帖子相关操作。

Andrej Karpathy 的测试与成果

Andrej Karpathy 指出,我们已跳出用“创建一个骑在自行车上的鹈鹕的 SVG”这类方式测试大语言模型(LLM)的阶段啦!他很好奇,要是给 Opus 5 《指环王》的第一段内容、100 万个 token 的预算(约 10 美元),并要求它生成一个 Three.js 的渲染结果,它会怎样做呢?嘿,Opus 运行了约 2 个小时,写出了 5500 行代码,还(以程序化的方式)渲染出了这个故事。虽说效果有点粗糙,但真的很有趣!令人惊讶的是,LLM 要在 (x, y, z) 坐标中放置和编排各种多边形资产,还要编写代码来实现动画效果,而且它居然真做到了!

他表示很喜欢这类例子,为啥呢?因为正常情况下没人会花时间去编写如此定制化的内容,但 LLM 有足够的耐力和耐心,这就实现了从“没人会做这事”到“当然可以,反正成本几乎为零”的转变。他还期待能创造出高度定制化的世界,想象一下,让玩家置身其中,比如以旁观者 NPC 的身份参与《指环王》的故事,或者扮演其中一个角色等等,就像是按需生成的临时版《侠盗猎车手》(GTA)。

不过呢,在世界/游戏领域也暴露出了 LLM 的一个弱点:它们无法轻松审核自己的工作,因为它们不能高效、原生地感知视频或在游戏中进行操作。在这个例子中,Opus 5 不得不非常缓慢且费力地在不同时间点截取屏幕截图,还出了几次错,导致效果有些粗糙。这说明在多模态和游戏玩法等实际能力方面,LLM 仍有很大提升空间。

这里还有相关图片 [![](https://pbs.twimg.com/amplify_video_thumb/2083744791876292608/img/tWEKnM_bdE_nlfYD.jpg)] 以及相关时间、浏览量等信息:00:00 [](/karpathy/status/2083749667410727319/photo/1) [3:00 · 2026 年 8 月 2 日](/karpathy/status/2083749667410727319) [281.3 万浏览量],点赞 1205,转发 1750,引用 2.3 万,收藏 9593。

Andrej Karpathy 的后续分享

Andrej Karpathy 在 8 小时前提到,关于 [@simonw] 提到的“骑在自行车上的鹈鹕”测试有更多内容,相关链接为 [simonwillison.net/2025/Jun/6/six…]。他还把源代码上传到了 [karpathy.ai/lotr-movie/],这样就可以在浏览器中玩,也能进行分叉等操作。他还提醒大家留意一下,《霍比特人版侠盗猎车手》可能会在《侠盗猎车手 6》之前推出哦!此条点赞 31,转发 10,引用 310,[](/karpathy/status/2083948654377996480/quotes) [7.6 万引用量]。

Elon Musk 的回应

Elon Musk 在 20 小时前回复“是的”,此条点赞 162,转发 82,引用 2154,[](/elonmusk/status/2083761408932458568/quotes) [16 万引用量]。

加入对话与登录注册

可 [阅读另外 1203 条回复](/i/jf/onboarding/web?redirect_after_login=%2Fi%2Fstatus%2F2083749667410727319) 加入对话。还能通过 [使用手机号继续](/i/jf/onboarding/web?mode=signup&redirect_after_login=%2Fkarpathy%2Fstatus%2F2083749667410727319)、使用 Apple 登录、使用 Google 登录,或者 [使用用户名或邮箱登录](/i/jf/onboarding/web?mode=login&redirect_after_login=%2Fkarpathy%2Fstatus%2F2083749667410727319) 来登录或注册 X,了解最新动态并加入对话。

相关人物与热门趋势

相关人物 Andrej Karpathy 喜欢训练大型深度神经网络。还有一些热门趋势相关信息,包括 [使用条款]、[隐私政策]、[Cookies 政策]、[无障碍访问]、[广告信息] 等。

用大语言模型重构和平可视化:从语义锚点到可验证因果图谱 可视化本质上是将抽象概念转化为可感知形式的技术过程,其核心挑战在于如何对齐人类认知、数据现实与工程表达。在社会科学与国际发展领域,‘和平’这类高阶社会概念长期面临指标失真、语义断层与归因模糊三大困境——传统GIS和统计图表难以承载具身化、跨文化、非线性的真实经验。大语言模型(如ChatGPT-4)凭借多源异构证据锚定、具身化场景生成与反向事实核查能力,正成为新型语义建模引擎:它不直接绘图,而是先构建可验证的行为锚点、跨文化隐喻库与动态因果图谱,再驱动D3.js或AR工具完成渲染。这种‘先建模、后映射’的范式 阅读详情

相关推荐

ADS1299寄存器配置与应用实战指南

本文提供了ADS1299高精度生物电信号采集芯片的寄存器配置与应用实战指南。详细解析了采样率、增益、转换模式等核心寄存器的设置方法,并分享了数据读取、高级功能配置及常见问题的调试心得,帮助开发者快速掌握ADS1299的配置技巧,实现稳定的ECG/EEG信号采集。

weixin_28278377的博客 195

AS3.0显示列表与Starling GPU渲染引擎性能对比与选型指南

在图形渲染领域,CPU渲染与GPU渲染是两种核心范式。CPU渲染模式下,中央处理器需串行处理矢量光栅化、滤镜计算等任务,其性能与渲染对象数量呈线性关系,易遇算力瓶颈。GPU渲染则利用显卡的并行架构,将顶点变换、纹理填充等密集型计算转移至GPU,通过绘制调用(Draw Call)提交指令,显著提升吞吐量。这种技术革新对于需要处理大量同屏动画的应用(如2D游戏、数据可视化)具有关键价值,它能突破传统CPU渲染的性能天花板。本文以Flash平台的AS3.0显示列表与Starling引擎为例,深入剖析两者在渲染管线

weixin_33805992的博客 361

ADS1299EEG-FE评估板PCB与BOM深度解析:高精度生物电信号采集硬件设计实战

在模拟电路与混合信号系统设计中,PCB布局和物料选型是决定系统性能上限的关键环节,尤其在高精度数据采集领域。其核心原理在于通过精心的电源分配、信号链规划和接地策略,将芯片数据手册的理论指标转化为板载的实际性能,这直接关系到系统的信噪比与测量精度。对于EEG/ECG这类微伏级生物电信号采集,任何布局不当或物料参数不匹配都可能导致噪声淹没有用信号。因此,深入剖析一个经过验证的参考设计——例如围绕TI ADS1299芯片构建的评估板——具有极高的工程价值。它能具体展示如何在高性能ADC应用中,通过四层板层叠设计、

weixin_29164497的博客 295

AI营销实战:智能内容生成与跨渠道决策技术解析

AI营销技术正通过智能内容生成和跨渠道决策引擎解决企业核心痛点。内容生成系统基于多模态融合技术,结合文本风格迁移、3D材质解构等创新方法,实现高效个性化内容生产。跨渠道决策中枢则运用深度强化学习与Shapley值算法,动态优化预算分配与触点价值量化。这些技术显著提升了内容生产效率与营销效果,在美妆、家电等行业实践中实现CTR提升7.3%、内容成本下降82%等突破。随着多智能体协作系统的演进,AI营销正从自动化执行向智能决策升级,为品牌带来更精准的用户触达与增长动力。

weixin_30411819的博客 358

BugkuCTF-PWN题pwn2-overflow超详细讲解

解题思路 1)计算出get_shell_的地址偏移量 2)算出来之后就直接溢出到后门函数 知识点 x64函数调用规则 解题之前我们先学下linux x64的函数调用规则。 x64机器在调用某个函数前,比如int func(int a, int b, int c, int d, int e, int f, int g, int h),首先他会把前6个参数从左往右存入到寄存器rdi、rsi、rdx、rcx、r8、r9,其余参数存入到栈里,保存的顺序是从右往左入栈。比如abcdef会存入到寄存器里,然后一次入栈h

am_03的博客 3014

Windows摄像头错误0xA00F4240根因与注册表修复指南

Windows摄像头错误码0xA00F4240常被误判为硬件故障,实则源于UWP应用模型下权限调用链断裂——核心是COM组件调用失败(HRESULT 0x80004003),本质反映Windows Runtime API对注册表策略键值(如CapabilityAccessManager\ConsentStore\webcam)的强依赖。该机制涉及服务状态、DWORD权限配置、ACL继承控制等多层校验,任一环节异常(如ValueLastModified时间戳损坏或ALL APPLICATION PACKAGE

weixin_31742871的博客 399

别再只把Cesium当3D地球了:用JavaScript+WebGL解锁三维GIS的10个实战场景

本文深入探讨了Cesium在三维GIS领域的10个高级应用场景,超越传统3D地球可视化。通过JavaScript和WebGL技术,展示了城市数字孪生、时空动态模拟、地形分析等实战方案,帮助开发者充分利用这一开源三维GIS工具链的潜力,提升地理空间数据分析与可视化能力。

weixin_27676369的博客 385

工业场景落地:Java+PaddleOCR实现高性能OCR文字识别的终极方案

本文深度解析基于Java的高性能工业级OCR实现方案,集成PP-OCRv5深度学习模型,提供: ✅ 多场景支持:手写体、竖排文本、票据表格的精准识别 ✅ 工业级性能:毫秒级响应,支持GPU加速与高并发处理 ✅ 开箱即用:通过Maven快速集成,5行代码完成文字识别 ✅ 完整技术栈:覆盖文本检测、方向校正、识别后处理全流程 附可运行示例代码,助您快速构建企业级OCR系统!

deng775747758的博客 3612

xR混合现实双渲染架构技术解析与应用实践

混合现实(MR)技术通过融合虚拟与现实世界,正在重塑内容生产方式。其核心技术在于实时渲染与空间计算,需要解决虚实同步、光照匹配等关键问题。采用内视锥背景+AR前景双渲染架构,通过动态视锥建模和物理光照系统,实现像素级对齐与真实光影交互。该方案在广电级应用中展现出显著优势:内视锥技术将摄像机移动时的画面错位控制在3像素内,多光源处理保持48fps流畅度。典型应用场景包括新闻虚拟演播、AR广告植入等,其中Unreal Engine资产与NDI数据流的结合,构成了高效的内容生产管线。

weixin_33835461的博客 279

微信小程序返回按钮的隐藏玩法:用onShow实现数据自动刷新(附完整代码)

本文深入探讨了微信小程序中用户点击返回按钮后,如何利用onShow生命周期函数实现页面数据的自动刷新。文章对比了onLoad与onShow的差异,提供了从基础的本地存储标记到进阶的EventChannel事件通信,再到状态管理库的多种解决方案,并附有完整的代码示例,帮助开发者构建流畅的用户体验。

agile9scrum的博客 926

《低功耗方法学》翻译——第一章:介绍

第一章:介绍

记录所学,分享知识,结识挚友 2070

幻境·流金多场景落地:汽车营销——多角度官图生成+虚拟展厅场景构建

本文介绍了如何在星图GPU平台上自动化部署⚡ 幻境·流金 (Mirage Flow)镜像,实现汽车营销领域的高效视觉内容生成。该平台支持快速创建多角度汽车官图和虚拟展厅场景,显著降低传统拍摄成本与时间,适用于官网展示、社交媒体推广等多样化营销需求。

weixin_32836713的博客 397

2025_NIPS_Grounded Reinforcement Learning for Visual Reasoning

尽管基于思维链的强化学习已在数学、编程等任务中显著提升语言模型性能,但视觉推理面临额外复杂性——需模型引导视觉注意力、解读感知输入,并将抽象推理锚定到空间证据上。本文提出ViGoRL(视觉接地强化学习),这是一种通过强化学习训练的视觉语言模型,能将每个推理步骤明确锚定到特定视觉坐标。受人类视觉决策启发,ViGoRL学会生成空间接地的推理轨迹,在每个步骤引导视觉注意力聚焦任务相关区域。当需要细粒度探索时,我们提出的多轮强化学习框架允许模型随着推理展开动态缩放至预测坐标。

c_cpp_csharp的专栏 59

从街头粉笔画到LED大屏:聊聊‘裸眼3D’背后的视觉骗局与商业应用真相

本文深入探讨了裸眼3D技术从街头艺术到商业应用的演变,揭示了其背后的视觉欺骗原理与商业价值。通过分析透视法的历史演变、技术解构和商业案例,展示了裸眼3D如何成为品牌营销的利器,同时指出了其技术局限与未来发展方向。

weixin_30325487的博客 411

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

摩尔线程LiteGS入选ECCV 2026 高质量3DGS训练迎来效率突破

LiteGS的目标,是让3DGS训练变得更快、更轻、更易用。该成果面向当前三维视觉与图形领域快速发展的三维高斯溅射(3D Gaussian Splatting, 3DGS)技术,提出了一套高性能训练框架,在保持高质量重建效果的同时,大幅提升训练效率并降低资源开销。在激进的快速训练配置下,LiteGS*以52s的极短时间快速重建出主要的几何结构和纹理细节,且与其它方法相比几乎没有精度损失。在常规的训练配置下,LiteGS以320s的训练时长取得显著精度优势,如红框所示,墙体上的砖块纹理被清晰重建。

摩尔线程blog中心 1023

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

创意提示词设计与应用:提升3-5倍效率的秘诀

创意提示词是AI时代内容创作与设计领域的重要工具,其核心原理是通过特定关键词组合激发创新思维。从技术实现角度看,优质的提示词需要平衡抽象概念与具象元素,采用'核心词+修饰词'的结构设计。在工程实践中,这类技术可显著提升创意产出效率3-5倍,特别适用于广告设计、产品开发和内容营销等场景。以'香蕉形态'为代表的具象锚点与'液态金属质感'等材质参数的组合,既能保持识别度又能激发创新。测试数据显示,科学设计的提示词可使方案采纳率提升至78%,远超行业平均水平。合理运用跨维度拼接和动态化设计等技巧,还能进一步拓展应用

weixin_42578963的博客 254

LTX-Video性能优化:3DTransformer架构下硬件配置与生成速度深度分析

LTX-Video作为基于3DTransformer架构的新一代视频生成模型,通过创新的因果视频自编码器和多尺度渲染技术,实现了消费级硬件上的高效视频生成。本文将通过深度技术分析,探讨不同硬件配置下的性能表现,并提供实用的优化策略,帮助开发者和研究者实现从分钟级到秒级的性能突破。 ## 技术挑战与现状分析 当前AI视频生成面临的核心挑战在于计算资源需求与实时性之间的矛盾。传统视频生成模型通常需

gitblog_00953的博客 812

硬件调试革命:SMU调试工具的3大突破性功能解析

还在为系统稳定性问题而苦恼吗?这款专业的SMU调试工具为你带来了前所未有的硬件控制能力!作为AMD平台的终极调试解决方案,它能够深入处理器核心层进行精准参数调节,实现手动超频、功耗优化和实时监控等核心功能,让硬件调试变得前所未有的简单高效。 ## 🔍 传统调试工具的局限性在哪里? 在硬件调试领域,传统工具往往存在诸多限制: **监控深度不足**:大多数软件只能访问表层系统信息,无法触及处理

gitblog_00721的博客 828

解锁AMD处理器潜力:SMUDebugTool硬件调试利器全面指南

作为硬件爱好者或性能优化师,你是否常因无法深入掌控AMD处理器底层参数而困扰?面对系统性能波动却找不到根源,想手动调节硬件参数又担心操作风险,缺乏直观工具监控硬件状态?SMUDebugTool正是为解决这些痛点而生的专业调试工具,它让你能够安全、精准地探索Ryzen处理器的每一个细节,释放隐藏性能潜力。 ## 剖析工具核心价值 SMUDebugTool是一款专为Ryzen系统设计的硬件调试工具

gitblog_00829的博客 215

NVIDIA Profile Inspector深度探索:解锁显卡隐藏潜力的实用指南

你是否曾经面对复杂的游戏画面设置感到无从下手?明明拥有性能不错的NVIDIA显卡,却总觉得游戏体验没有达到预期效果?当官方控制面板提供的选项无法满足你的个性化需求时,有一个隐藏的工具正在等待你的发现。 ## 从游戏卡顿到流畅体验:三个真实场景的解决方案 ### 场景一:电竞游戏中的输入延迟困扰 在激烈的竞技对战中,每一毫秒的延迟都可能决定胜负。你可能会发现,即使帧数显示很高,操作依然感觉不够

gitblog_00475的博客 417

本地部署Blender AI助手:免费离线实现自然语言建模与脚本生成

生成式AI正在重塑3D设计工作流,其核心原理是通过大语言模型理解用户意图并转化为可执行指令。在Blender建模领域,这一技术价值在于大幅降低专业软件操作门槛,实现从概念到模型的快速可视化。传统云端API方案存在成本、网络与隐私顾虑,而基于本地大语言模型(如通过Ollama部署的Llama 3)与模型上下文协议(MCP)的集成方案,为离线环境下的AI辅助创作提供了可行路径。该方案支持自然语言驱动建模、脚本编写与模型优化,尤其适合注重数据安全与成本控制的个人及团队,在概念原型、自动化脚本及快速迭代等场景中展现

weixin_33767813的博客 430

推荐文章:探索Unity的未来美学 —— Post-Processing Wireframe/Outlines

推荐文章:探索Unity的未来美学 —— Post-Processing Wireframe/Outlines 在视觉艺术与游戏开发领域,细节与独特风格往往能成就一款作品的脱颖而出。今天,我们将聚焦于一个为Unity开发者量身打造的开源宝藏——《Post-Processing Wireframe/Outlines》。 项目介绍 《Post-Processing Wireframe/Outlines...

gitblog_00066的博客 626

生成式AI技术演进与行业应用全景(2024-2026)

本文全面解析2024-2026年生成式AI的技术演进与行业应用,涵盖金融、医疗、内容创作等领域的创新实践。从GAN到多模态架构的技术迭代,到金融风控、药物研发、影视制作等场景的落地案例,揭示生成式人工智能如何提升效率并创造新价值。文章还提供了企业落地的关键策略,包括技术选型、数据准备和渐进式部署建议。

weixin_29323365的博客 331

Gemini 3.1 Pro:从AI助手到AI协作者的范式跃迁

大语言模型正从‘问答式助手’迈向‘任务驱动型协作者’,其核心在于推理深度增强、多模态理解与代理式执行能力的融合。以Gemini 3.1 Pro为代表的新一代模型,依托百万级上下文、跨模态输入(文本/图像/音视频/PDF)及Agentic Coding等关键技术,不再局限于生成答案,而是主动拆解任务、协调工具链、生成可交付成果。这种转变使它在系统原型开发、动态数据分析、沉浸式体验构建、知识图谱治理与品牌内容协同等场景中,展现出接近专业人类协作者的工程化能力。本文聚焦其作为AI协作者(Co-Worker)的本质

weixin_34288121的博客 408

AI视频生成技术解析:从扩散模型到MV制作实践

扩散模型作为当前AI内容生成的核心技术,通过文本到视频的转换原理,实现了创意视觉内容的高效生产。这项技术的价值在于大幅降低了视频制作门槛,使独立创作者能够快速实现复杂视觉效果。在音乐视频制作等应用场景中,AI视频生成工具通过参数调优和分层生成策略,解决了传统制作中的高成本问题。本文结合可灵AI的实际案例,展示了如何通过提示词工程和后期处理技巧,完成专业级MV项目,为内容创作者提供了从概念设计到成品输出的完整解决方案。

weixin_29047919的博客 317

下一代AI原生软件接口:7步标准化方法论彻底改变自动化流程

在AI代理时代,技术架构面临的核心挑战是如何让智能系统无缝操作为人类设计的软件。CLI-Anything项目通过其革命性的HARNESS.md标准操作程序,为技术决策者和架构师提供了系统化的解决方案,将任何GUI应用程序转化为AI原生命令行接口。这套方法论不仅解决了自动化流程的技术债务问题,更建立了跨软件生态的统一接口标准。 ## 技术哲学:从GUI到AI原生接口的范式转变 传统软件开发中,G

gitblog_00763的博客 372
上一篇: AI“造芯大战”正酣,AI Infra成新千亿级市场,SGLang等开源框架破局之道揭秘
下一篇: 惊!2026年竟在80年代硬件BBC Micro上运行自回归语言模型!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值