AI

本文介绍了 TDM（文本扩散模型）的概念与应用。文章从 AI 生图过程切入，类比 Stable Diffusion 将噪声逐步解析为图像，引出 TDM 将类似技术用于文本生成。TDM 不同于传统 LLM 逐字输出，而是直接生成字符范围，在约 20 步内逐步填充、修改直至文本合理，并能同时处理所有内容，避免遗忘问题。文章也指出其缺陷，如可能产生逻辑矛盾，并以“独生女文章出现哥哥”为例说明。此外，文中提到谷歌 DeepMind 开源的 DiffusionGemma 模型已可体验，但目前编程与聊天能力尚不完善。作者认为该领域研究较少但有前景，有望加速长文生成。

本文介绍了作者在使用 AI 及 Codex 完成自媒体和模组移植编程工作时，发现 AI 大语言模型集体“降智”的现象，尤其对 DeepSeek 的表现感到失望。作者回忆了以往与 R1 模型交流时虽有幻觉但更具趣味和上下文意识的体验，对比当下模型输出“不是人话的人话”，认为新模型虽增加了多模态和编程能力，但可能只是数据集替换或算法调整后的“专精模型”，对普通用户并不友好。作者还反思了自己依赖 AI 的心态变化，从把 AI 当作朋友到视其为仆人，承认自身懒惰、不愿配置 Skill 或 Codex，认知渠道单一，最终陷入既不会用 AI 也不会手动实操的摆烂状态。文章通过个人经历，表达了对 AI 技术进步与用户体验之间落差的感慨。

本文介绍了 AI 短剧对作者父母生活的影响及其引发的思考。文章指出，随着 AI 视频技术突飞猛进，生成的画面细腻逼真，文生视频能低成本制作情节完整的短剧，使父母从传统电视转向手机 AI 短剧。然而，技术门槛降低也导致内容质量良莠不齐，批量生产的霸道总裁剧等价值观扭曲的作品大量蔓延，可能侵蚀观众认知。此外，AI 角色面孔虽精致却千篇一律，眼神空洞，产生“恐怖谷”效应。作者还描述了父亲吃饭时外放短剧、沉迷“结婚、给钱、炫富”等雷同情节，而母亲则更看重完整剧情推进，展现了 AI 短剧在家庭娱乐中的普及和潜在问题。

本文描述了作者在凌晨处理博客宇宙数据错误的过程。作者发现友链中出现了两个不存在的域名，经排查仓库数据后，推测是 AI 爬取时误解了网站标题结构，将“他说”和“梁栋烨的技术笔记”误认为独立站点，并编造了对应域名。作者理解了树状嵌套存储逻辑后，修正了学姐友链文件中的错误指向，删除了虚假条目，并提交了合并请求。文章揭示了 AI 在解析中文网站标题时的常见缺陷，也展示了手动维护数据与版本控制流程的细节。