小踢先生的部落格
很好的影片，文中提到幾個我之前沒有想到的方法。首先，在 Introduction 部分引用目標期刊的相關文章，可達到15篇以上，最好是三年以內的，可以影響 IF 的計算，能引期刊主編、副主編的文章更好。如果沒有同樣的研究問題，可以引用上一層的背景問題。甚至為了做到這一點，可以每投一家期刊都重新改寫一次 Introduction。
還有就是，原來期刊副主編不會很認真地看論文，可能只是看完 cover letter 和 highlight，就決定這篇文章要不要送外審了。Cover letter 應該更有內容，包括研究方法、解決問題的方式，傳統方法存在的問題、本文的創新之處，文章的影響力，包含應用對象、結果、方法可行性。最後再總結一句，指出這篇文章符合本本期刊哪個主要研究方向。這種寫法比我原有 Cover letter 好太多了。（抓圖出自上方連結影片）
這次需求是英文聽打。之前一直用 AudioPen。AudioPen 即使沒對口音做校正也非常精準，不過它的免費版有個致命的，官網上沒有提到的小問題，就是免費版竟然是有限制的！某天我在手機按下錄音，App 冷冷地告訴我不能用了，要用就要付錢！不過有七天免費試用期優（微笑）。之前一直想學 Vibe Coding，但沒想到好的題目。剛好遇到機會，直接拿這個題目開始做，用 VS Code + Cline + GPT-5 (BYOK) 搥一個 AudioPen 堪用替代品。
結果 GPT 一如既往比我聰明。我原本只想做個簡單的 Client，輸入 OpenAI API Key 存本機，對 Whisper 做 inference 就好。不過心念一動，想到最近某個 Google Gemini Vibe coding 爆雷的事情，還是決定把方案丟給 GPT-5，將 Reasoning 開最高，問一下這樣的計畫到底安不安全。果然 GPT 把我噴得滿頭滿臉，它給了幾個備選方案。我選了把金鑰保存在 Local 端且做成可攜的方案。
接下來就是被 GPT 教育的過程。例如：
Me：我可不可以輸入文字密碼，直接加密 API key 就行？
GPT：不行！你要經用雜湊 KDF 用 Argon2id 其中 target derivation time 至少 200-500ms，另外要有 16-32 byte 的 salt 12 bytes 的 nounce，金鑰長 32 bytes，加密用 AES-256-GCM blahblahblah
Me：恩，好 OwO （當事人大腦已失去回應，系統提示：找不到「20 年前學的應用密碼學」）
另外一次，我發現長語音會造成 App crash。我請 GPT 補 Error Logging，再把 dump 丟給 GPT-5 high reasoning，GPT-5 就直接告訴我這是 PyAudio 的哪個 function 因為什麼樣的原因造成 C runtime 的 stack overflow，然後就幫我把 code 改好。重新執行 Bug 也不見了，我完全沒進 debugger。
這樣一套做下來，發現我真的菜，擔心我到底價值在哪裡？雖然我還是有 function，例如我能告訴 GPT 該怎麼樣切模組，第一步做什麼第二步做什麼逐步做出來，但真正難搞的難點都是 GPT 做掉的，特別是資安，GPT 還提了些我聽都沒聽過的打法（例如 TOCTOU 之類）
以前總覺得寫 Code 是通靈。但我發現錯了，以前根本沒真的通過靈！用 Vibe Coding 才是真通靈，呼叫 AI Agent 就是請神上身施展道法，瞬間寫 code 品質還很好。App 穩定下來後，我還要好好讀 AI 生的 code，因為 AI 的產出比我手寫義大利麵程式碼更結構，看來更好讀、好維護、而且用了不少我還不懂的 Python 細節和技術。
不過這些折騰還是有收獲的。至少現在真的有了 APP，可以勉強實現 AudioPen 免費版和一咪咪的付費版功能，當然都有點劣化，也有些額外小問題，比如只有 PC 端，顯然沒有手機版，網頁版。程式 crash 得自己找問題，得自己申請 OpenAI API Key 搞定付費、金鑰授權...。呼叫 Whisper 和 GPT-4o-mini 顯然也不是真的免費，只是比直接買包好的產品便宜。當然最重要的是有成就感，這也是我自己整一套最重要的原因。
P.S 自己寫 Prompt 調模型做改寫後，發現模型 behavior 跟 AudioPen 很像。推測 AudioPen 很大可能是 Whisper 加上 GPT 改寫套殼 QQ
搞很久的文章，終於前天被 JMIR Formative Research 接受了！！！回顧 FB 才發現這文章寫超過一年 QQ
這次有別 2023 年的好運氣。當年需要文章，手上剛好有好題目，正好有資料，剛好大樣本 real-world internal validation 沒人做，剛好 finetuned models 可以直接跑出好結果，所以那篇很快就有結果。
這次一開始就踩坑。因為上次作法嚐到甜頭，這次一樣採用基於 real-world observation 但與現有研究稍微有別的 target task 建立新賽道，避免跟人直球對決（我就廢），針對台灣特有報告寫法做 anomaly detection。少量平衡模擬樣本用 GPT 跑起來效果好，決定做下去，先來標個 10000 份資料（每個資料三個 label），為了標資料還自己做 Tampermonkey script 來 patch 標注程式。
10000 筆資料標完後就發現掉進水溝裡了。我完全沒考慮到真實世界數據極度不平衡會讓模型爛掉，和新冠快篩在低盛行率會篩出一堆 false positive 一樣道理。GPT 在 balanced data 上表現不錯（後來實驗 GPT-4o F1 能達到 0.96），但在 100:1 這種比例下，大模型表現整個拉，GPT-4 mini 當初 F1 score 0.15。Paper 準備進入垃圾桶。回顧文獻也發現，前面用 deep learning 解題的大佬們，benchmark 都默契採用 balanced synthetic data，大家都身法靈動、不約而同閃過這坑，只有 paper 沒仔細念的萌新掉進水裡。
但資料都標了，不想打水漂，加上自己業務經驗，覺得問題有極明顯結構化特徵，不應該做不出來。開始用各種異想天開的方法，從 ML、transformer、LLM，從 supervised 到（自創）unsupervised 方法全部試一遍，最後拯救這篇的竟然是 rule-based，imbalanced data F1 能拉到 >0.850。不過 rule-based 怕不好投稿，又設法把 GPT 加入 pipeline。最後發現 GPT 還是能起到作用，改善 rule-based 的 screening performance 才做出實驗。
投稿一樣不順利，desk reject 連發還沒有理由，最後在 JMIR 才遇到編輯善意提一句：這個研究 too formative，並推薦旗下有 IF 的期刊，文章才能活下來。
但 review 還是繼續蹲廁所，期刊找兩人，其中一位眼光非常毒辣，答起來很難。他認為，我主張模型表現不好是因為 class imbalance，但我沒有充分論證這一點。我必須探討 models 表現不好可能原因有哪些，才能跳到 class imbalanced 的結論。
對完全自學、基礎很差（現在還沒去做 numpy 復現 transformer 呢）的我，這要求有億點難。我就不能把 model 下載回來跑一遍交差就好嗎.jpg
這段時間看了很多資料，複習了統計和入門一點點 casual inference，還好現在有 GPT ，想不出來的問題至少能給關鍵字和概念，知道去哪找資料。期間還發生實驗事故，pipeline 參數有問題，跑的模型一開始就錯所以 Results 要重寫。這次 revision 花五個月，稿子增量 60%，補一大堆實驗和分析。好在期刊編輯非常 nice，對於原始文稿那粗陋的動線，直接給了改善文章的建議（甚至包含該用哪些字當標題！現在回想原本寫法沒被 desk reject 真的是佛心），reviewer 也認可了新實驗，總算文章可以過。
這次研究一大收穫，是發現 GPT 的潛力還可以深挖，以前只把 GPT 當高級翻譯和英修，後來發現它其實也可以模擬毒舌審稿人。只要提供稿子或段落，再用提示詞讓 GPT 扮演嚴格 Q1 期刊審稿人或統計專家，GPT 就會摘掉平常那和和氣氣的面孔，對稿子進行狠狠的終極侮辱。GPT 不保證對，但仍能提供有價值的意見。例如我統計作為外行，一開始文章模型參數點估計，後面竟然沒放標準差，這點就被 GPT 抓出來 highlight。一些 GPT 提示的問題，自己判斷、唸書唸文章後修改，文章品質真的能改善非常多。現在還有 deep research，連研究背景，可研究性都能幫忙了。
我也發現 GPT+Endnote 連動小竅門：有 Endnote citation 的文字很難用 GPT paraphrase，因為會破壞 Endnote 格式。後來發現可以 convert to unformatted citation，請 GPT 不動 citation 的情況下 paraphrase，改出來的結果，只要稍微把 unformatted citation 內的空白改好，竟然可以直接貼回 Word 轉回原本 Endnote citation。發現這招後噴研究計畫噴文章的速度就更快了 :P
這篇小文章，要感謝的人好多，我司本科單位和 AI 單位長官們，被我凹來標了幾百份資料的好同事 QQ。總算這篇能夠劃下句點，剩下的就是搞定 copyediting 跟 publish QQ
時間過真快，本以為是有生之年的空之軌跡 FC 重製版竟然是已推出狀態，在 Steam 上看到想都不想就直接怒刷豪華版。
一直沒有找到理想的聽打軟體。網上有許多免費聽打軟體，但它們僅支援簡單輸入。一遇到醫療或研究等專業場景，準確度就會大幅下降，根本無法使用。我也試過一些中國軟體，功能雖然強，但需要安裝很多來自中國的軟體，感覺有點害怕。隨著 OpenAI 的 Whisper 興起，網上也有一些免費 GUI 可以串 API 來使用，但這些工具發展尚未成熟，總是有這樣那樣的小問題。Word 聽打雖然好用，但遇到中英混雜的情況，辨識也常常失敗。通常需要中文用聽打，英文則手動輸入，使用起來不方便。此外，面對專業詞彙時準確度也不夠。
今天試用的這款 AudioPen 解決了大多問題。我特意試過中英文混雜的醫療病歷，發現它能辨識度很好，遠勝網路免費產品甚至是 Word。使用時，只需在瀏覽器上操作，不必安裝 Client。功能簡單但實用，聽打輸入後，可以同時提供大模型整理好的版本和原始聽打版本。此外，它有手機 App，可以錄音後在電腦上取回聽打結果。目前我想到的各場景辨識正確率都很高，雖然有些小錯誤，但已經很滿意。這篇文章就是用 AudioPen 聽打後修改的，所以濃濃 AI 味 XD
終於把文章 revision 送出去惹。
Revision 當初申請延長三個月，截止日就是今天，卡在凌晨 12:00 公主（ㄕㄣˇ ㄍㄠˇ）變回灰姑娘（ㄊㄨㄟˋ ㄍㄠˇ）前極限微操把 tracked change 版文章、乾淨版文章、圖片、point-by-point review ...等像暗器一樣一股腦擲出。
禮拜天想衝個文章進度，發現一不小心就寫破 10000 字了，然後整天都不見了！而且還沒辦法收尾，明天只能跟合作夥伴說聲歹勢。現在很慶幸，當初對出版社申請延長三個月（最大值），現在剩不到一個月。如果當初只寫一個月，現在就得 reject 。感覺即使有 GPT 加持，我的學術能力看來還是垃圾級。
另外，GPT 的學術和研發能力真的是遠超過我，不會做的實驗，例如怎麼分析 BERT 的 bad performance，問一下 GPT 然後對個文獻排除幻覺，就能照表操課了。我的研究問題用 GPT 和 BERT 表現很差，我把症狀講一講 GPT 竟然說出了我自創的 ensemble method 還順便推測為什麼這個方法表現會更好。請 GPT 指導的時候，還可以 prompt「你是醫學資訊領域 Q1 期刊嚴格甚至嚴苛的主編....」然後 GPT 就能像真人一樣，把你定到飛起來，整個人在空中螺旋打轉，嚇的我趕快說我只要投 Q2 (IF=2.1) 期刊而已，麻煩神通收一收。
大模型這麼好用，下一篇（淦！）研究計畫 or 合作主管年底建議我請的科技部計畫（淦！）乾脆請 GPT 或 Google deep research 老師來擬稿，我來補充好了，最好可以當個無情的實驗執行機，照 GPT or Gemini 老師的指導做完實驗就能發了 :P
用了超久的 p1102w 雷射印表機退役了。
最近要列印文件，發現墨色很淡，推測是碳粉快用完了，於是拿出儲藏多年的副廠碳粉匣準備更換。但更換的時候就發現副廠碳粉匣裡面不斷掉出很多不明塊狀物。但想說試試看，就把塊狀物抖乾淨以後，還是把碳粉匣裝上去。結果列印的時候發現大量漏碳粉，整個機器打開全部都是碳粉，卡到設備裡面連進紙都卡住了。
因為這台用很久（查了一下這是 2010 年的機器，副廠碳粉匣也是差不多年紀 :P），又是人為因素損壞的，就網購新的便宜雷射印表機 HP m111w。
學到了教訓，碳粉匣出現明顯異狀的時候就別裝到印表機上面了。不過這次之所以這麼冒險，也是因為老印表機本來也不穩定了（Power 經常按了沒反應），新機器肯定不會這麼莽。 QQ
我用 vast.ai 訓練 AI 對 ssh tunnel 有很大的依賴。一個困擾許久的問題是 TCP timeout，只要 ssh 一斷 tunnel 就跟著斷，然後透過 tunnel 跑的 notebook 就跟著死了。
用過 putty 內建的 TCP keepalive 完全沒用，後來寫 bash 腳本不停輸出資料，問題好像就改善了，紀錄一下 :P
#!/bin/bash
# Prevent TCP timeout by sending output every second
while true; do
echo "Still alive: $(date)"
sleep 1
done2025/07/06 更新：結果這樣還是偶爾會斷線，該找別的方法了
全文連結我生活很需要 FRP，FRP 可以在 NAT 後開洞，把我的 Windows RDP 以及 VNC expose 出去。
但最近這陣子一直發現 RDP 連不到，檢查後發現是 FRP 出了問題，檔案一直莫名其妙被刪除。直覺認為是防毒的問題，但小紅傘已經設定例外，檔案仍然繼續消失，並且 log 沒有顯示刪除 frpc.exe。後來砍了小紅傘，換卡巴斯基免費版問題還是一樣。
後來拿出塵封許久的 ProcessMonitor 針對 frpc.exe 設 filter，最後抓到是 MsMpEng.exe 也就是微軟惡意軟體防護引擎刪了我的檔案。去看設定，Windows Defender 早就被防毒關閉了，把它啟動，設定例外，再關閉，直到今天 frpc.exe 不再消失。
結論：Windows Defender 即使關閉了也會持續惡搞電腦，檔案例外要設兩次，防毒一次，Defender 再一次。
恐怖的故事，應該是亂點檔案， browser cookie 被偷，後面全線崩盤。不過失主運氣好，帳號被偷的時候剛好在電腦旁邊，而且駭客腳本漏了另一隻 2FA 手機，這才有辦法把帳號搶回來。
好在偶從來不用什麼 Google password manager 或 authenticator。Google 帳號被偷 password manager 和 authenticator 跟著自動叛變實在夠瞎。
全文連結沒想到竟然被駭，Gmail差點拿不回來！
週五晚下載檔案後，掃毒軟體確認安全，結果點開後沒異狀，就繼續使用電腦。
過一陣子，卻發現Gmail登入不了，二階段認證的手機也無法使用，
密碼輸入竟然沒辦法進入帳號。急忙嘗試密碼重設，但手機遲遲收不到驗證通知。
這可是從beta 用起用了快20年的Gmail啊！
好不容易進到救援頁面，認證資訊竟然都被改掉，幸好最後一個選項的號碼
像是之前多設一支少用的備用手機號，試了一下竟然收到驗證碼。
趕快改密碼，進入帳號管理，果然所有認證資訊都被更改，立刻刪除並恢復原設定。
忙了40分鐘，終於拿回主控權！
駭客入侵後，短短三分鐘內就成功奪取我的Gmail，估計是直接跑腳本：
New passkey added to your account
A new sign-in on Windows
Your password was changed
Recovery phone was changed
Recovery email was changed
Phone number added for 2-Step Verification
2-Step Verification backup codes generated
Google Account PIN changed
Recovery secret question was changed
看來像是,
- 新增通行密鑰
- Windows新登入
- 修改密碼、恢復手機、備用郵件
- 設置2步驗證手機號，生成備份碼
- 更改Google帳戶PIN與密保問題
接下來的40分鐘內，駭客利用我的Gmail掌控我存在google password manager
的所有帳密，並透過帳號綁定他的手機，使Authenticator也轉移過去。
接著掃蕩我的虛擬幣平台（Nicehash、Coinbase、Binance），轉走資產；
侵入社群帳號（Facebook、Instagram、X）及 Steam 修改密碼、亂發內容；
甚至在Facebook Market上狂做交易。
幸好這一切發生時我還沒睡，搶回Gmail後迅速追回其他帳號，
但仍花費不少時間，還得通知交易中的買家停下交易。
事後補救：電腦,手機和網路Router全面Factory reset，
密碼全部更換並改用KeePass儲存，移除Google綁定的信用卡，
定期檢查登入裝置並登出陌生設備。在帳號添加多支手機號，2FA必須開啟，
更重要的是管好手避免亂點不明檔案或連結。
幸好這次在醒著的狀態下才得以救回帳號，如果是趁我睡著才下手,利用我的身份
進行詐騙，後果真不堪設想。
這邊要問個卦, 駭客怎摸那麼厲害,明明帳號有設2FA,
為什麼駭客改我帳號時, 我手機竟然push或簡訊都沒收到??
要等到被sign out 才知道???
還有人知道萬一Gmail 真的被盜, 資訊全被改要怎麼找回嗎?
谷歌有服務專線可以打嗎? :p
感覺又要戴上痛苦面具
上頭臨時要我做 LLM KM。同事還帶來了「成果」，結果只是 Ollama + UI pull model，model 還跑步起來。問了下硬體，是單卡 Tesla T4 以後會「升級」到 4060Ti。還有另外一位說可以用 LoRA finetune 做 LLM KM 以後洗資料就靠我。
這個連假，設法弄出了 SSHd + Ollama + AnythingLLM 三合一 docker image，在 Linode GPU VPS 和 vast.ai 上執行，成功 index document 執行 RAG 回答問題。目標下次見面用 live demo 拿回技術主導權。LoRA 建 KM 還跑不起來的方案我還是算了。
弄好 docker image 後人也病倒了。禮拜四還有新版研究計畫截止目前一個字都沒寫、被退回的稿子還沒再投。週四還排了兩場教學、然後業務排得多還有值班...
