第一次 Vibe Coding 嚴重生產線事故

用 AI agent coding 真的要很小心。今天第一次遇到生產線嚴重事故。

我 paper 被要求進行 major revision。其中一個要求是我的 few-shot experiment 必須多用幾個不同的 seed 來選 few-shot example，所以我就讓 LLM inference pipeline 多跑幾個不同的 few-shot example。

然而，剛剛發現我的 pipeline 在指定的 few-shot 輸入檔不存在的時候，它只會跳 warning，然後自動切換成 zero-shot 繼續跑！ 

幸好我有看 console output 和 log 留好留滿的習慣，才發現了這個產線事故。我馬上 patch 掉程式碼，找不到關鍵 input 就該拋 exception 炸掉，然後看 log 刪掉、重跑所有受污染的實驗結果。

現在還在想怎樣能有效解決 code review 問題。AI 生成的程式碼量大管飽而且 coding style 跟我很不同，加上自己的 harness 部份改善但沒有根治這個問題，很多 bug 也無法一眼看出來。目前想到解決方案是請其他 AI 模型幫我掃描一遍，還有自己看用力一點，但這不是 100% 安全。

AI 時代 code review 好像也是普遍問題。再想想怎麼解。

全文連結

佐賀偶像是傳奇夢幻銀河樂園（雷）

看到 C_Chat 版，才發現這部劇場版終於上映了。幸好台灣還沒有下檔，趕忙去威秀看。

整體作畫符合預期水準，歌好聽，劇情簡單粗暴爽。小遺憾是沒有訂到 4DX 的票，只能看普通版。

劇情緊接第二季結尾，真的在演殭屍大戰外星人。中間當然夾雜佐賀元素。某團員終於成功恢復了記憶，整個劇情中英姿颯爽，很遺憾恢復只是臨時的。期待這一部是否會有第三季！

全文連結

第一次 Vibe Coding 成功！

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

全文連結

第一篇 GPT 研究終於被 Accept

 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

 

 

全文連結

空之軌跡重製 1st 上市

Steam 商店

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。

遊戲設計兼顧新老玩家。過場畫面刻意採用 04 年舊版黏土人角色，音樂可選最新版、Evolution 版或原版。進了遊戲秒選原版，04 年大學時代的原版音樂搭配重製過的 3D 即時運算畫面，老遊戲的情懷和新遊戲的感動一起拉滿。

 

遊戲 3D 畫面相比於 04 年舊版當然是壓倒性進步。即使是與時間較近（已經冷凍）的閃之軌跡相比，3D 運算自然程度和細節感覺也提升不少。法社的技術還是有進步。有 3D 運算表情即時渲染加全語音配音，人物形象變得更加生動，例如跳 tone 者．艾斯蒂爾．話癆．布萊特有了全語音和即時 3D 表情後帶來的煩躁感更增加了，希望後期戰鬥 S Break 可以清靜一點 XD 新繪師的風格跟 04 舊版差很多，略為影響情懷感但瑕不掩瑜。

 

現在唯一小問題是沒有時間和體力玩，昨天進了主選單就關遊戲睡覺，今天玩了快樂的 17 min 就覺得累了該下線睡覺，怎麼覺得有淡淡的哀傷呢？接下來就剩下 FF7 Remake 最後一部了，給我愛麗絲沒有Ｏ的世界線吧 QQ

 

 

全文連結

週末趕稿淚目

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

全文連結

小朋友齊打交 2 竟然上 Steam

Steam 商店

 

有生之年系列，小朋友齊打交 2 竟然上 Steam，打折後賣 300 元果斷入手，二十年的回憶。還記得在 302 每天認真解 ACM （？）之和後來一盤小朋友的日子

 

AI 有變強，通關模式 1-1 用 LouisEX 竟然能掛兩次，乾脆遠程猥瑣通關，也可能是 20+ 年沒玩變菜了 XD

 

完成度應該還能再提高，Remaster 畫質有進步，但人物立繪變 AI 臉，新版紅藍條沒有舊版漂亮，通關還要一關關解鎖。看看未來官方承諾的第六關、Steam 連線會不會出來。

 

 

全文連結

狼途 GK 65 入手

今天順利入手狼途GK 65。新筆電天選 5 pro 現在用得很滿意，螢幕大顏色漂亮、有獨顯、重量可接受，就是輸入設備受限於筆電先天限制。難用的觸控板已經用外接滑鼠替代，但難按的薄膜鍵盤一直沒很好解決，機械鍵盤保證好按，但出遠門帶鍵盤太麻煩。

後來靈光一閃，想到帶小鍵盤，就決定 68  配列挑一把，這是有方向鍵（方便玩遊戲）中最小的配列了。這把狼途 GK 65 在淘寶買含運不到 NT$600，就想都不想入手了。1/10 下單，1/17 就收到貨囉，啪的一聲很快啊，本來還擔心趕不上月底出門玩。

拆開後，紙箱外觀非常一般，充滿廉價感，不過考量到非常低價就不要求，裡面除了鍵盤、填充物就只有一張說明卡和貼紙，實在精簡。鍵盤入手後馬上發現有怪聲，今天吃完尾牙花時間拆開發現底層有個冗餘螺絲，移除後怪聲消失，想想只賣 NT$600 還是不計較了。

我買的版本為金軸，查了下是段落軸，聲音偏大，大到會不好意思在醫院高速打字，打感非常清脆。整體大小則非常滿意，跟原本 98 配列狼蛛 F99 比又小非常多，大小應該可以塞進背包了。

下次出遠門找機會帶出去，如果能放背包，就能實現筆電用外接機械鍵盤打遊戲的夢想 XD

全文連結

淼論文工具組合拳

我好像發現很有用的廢文產出工具組合：Word 聽打、ChatGPT 機翻、DeepL Write 選字，最後丟進 Grammarly 專業版改字改文法，順便做抄襲和 AI 檢測。

Word 聽打是新發現的速度起飛關鍵，只要會唸口語化中文，中間可以貼點別人的英文，像這個  sentence 中英 mix together 口語化  is fine，不用考慮太多，慈祥的ChatGPT 都看得懂，祂，都懂。記得prompt指定「學術用」英文，依必要做 paraphrasing。後面 DeepL Write + Grammarly  專業版大改，再段落重排，從口語論述順序改成論文和證明的論述順序，一坨原創文章就完成了，而且什麼抄襲或 AI 檢測都找不到問題，真被 highlight 就請 GPT 想十個 alternative 加上自己破英文修改，Thesaurus 是什麼？好吃嗎？
 
至於所謂「研究用GPT」工具根本沒必要。我只用 NextChat  搭配 API 呼叫。Prompt 最後都寫在 Autohotkey 裡，要用時跟超魔專長一樣全部瞬發，那些工具只要看一下它們的 prompt 就好，沒必要還得自己裝 Python，弄環境，處理一堆問題。Grammarly 貴可以找網拍找 Business 版團購。其他替代工具，例如 Quillbot，用起來效果很差，機翻不如 GPT+自製 prompt，選字改文法不如 Grammarly，用不到三天果斷退費。DeepL 免費版翻出來的內容則不像學術用英文。

用了這套組合拳，淼 paper 速度又比以前更快了，這陣子瘋狂趕稿，光今天就用這套方法噴 1.2k 個字。

當然，這個方法無法治療研究 idea 本身的貧乏以及研究者本身素質低下，例如某兼差 researcher 只會稍微改問題，用 unique data 在稍微不一樣的問題做大樣本 validation，方法原理數學一概不懂，做不了底層創新，除了工人智慧和舌燦蓮花更無別法。寫到 5.6k 字的稿子給指導者看，馬上就被定 reference 數量不夠、因此 literature review 以及 discussion 也不夠。

題外話，這次寫稿還趕上生病，請假回來後 atopic dermatitis 又發在臉上，還好現在有所改善。應該慶幸不是在放假時生病，至少「趕稿」和「生病」這兩件事可以排在一起只佔一份時間。比較擔心文章用的方法不夠 novel 問題不夠複雜，論文投不出去，希望修改和投稿順利 QQ

全文連結

MSC 榮耀號日本跳島

這次休假，又和家人再一次搭上MSC榮耀號郵輪。

這次行程是日本跳島，只有去日本，地點為宮古島、那霸、石垣島。

第二次上郵輪，發現郵輪好像基本上沒什麼變化，佈景不能說大體相同，只能說一模一樣。餐廳部分，櫻桃餐廳還是非常高級，而且維持免費，但是份量非常少，主餐還變得不能無限加點。所以如果要吃飽，只能在櫻桃餐廳吃飽後，再去 15樓的Buffet吃量大管飽的便宜美式食物，像是披薩、麵條等

這次岸上旅行，宮古島部份因為島上交通不方便，我們又人生地不熟，所以我們選擇跟榮耀號的團，結果行程十分陰間。日本時間早上八點，相當於台灣早上七點就要起床，起床的時候就覺得整個人像是會動的殭屍，然後旅遊景點基本上有意義的只有一個天文台、一個漂亮的沙灘海岸，剩下就是在坐車、購物中心還塞了兩個，整體而言：差評。

那霸和石垣島就選擇了自助的形式，不過因為還是人生地不熟，而且兩者岸上交通都不方便，石垣島連電車都沒有，重要景點搭巴士都兩小時以上，就都只有玩郵輪附近鬧區而已。兩者基本上都是：下郵輪、坐接駁車或者是巴士、到鬧區然後吃東西、吃完附近街道看一下，然後就回去船上。不過石垣島有吃到道地石垣牛，入口即化，口齒留香，吃完喝個茶之後，嘴巴完全沒有任何殘留油膩味，超級好評。

船上娛樂設施種類也沒什麼變化，好像沒有明顯新增加設施，船上免費的倫敦劇院表演水準依然很高，但是一些曲目印象中好像上一次來的時候就聽過了，不曉得舞蹈部分有沒有換。之前覺得很有水準的娛樂總監好像換掉了，整個節目長度好像也有稍微縮短，不曉得是不是cost down。

下船當天，又再度要早起，然後在台北玩了一天，看了動漫，天瓏書局、然後回房間水點 paper，就回來收假上班。

 

桃林寺 

 

 

桃林寺  

 

正宗道地石垣牛，超級好評  

 

 

輪船免費櫻桃餐廳，好吃但超級少的食物

 

全文連結

GPT 研究吐苦水

連結

看到討論 GPT 的文章，想到自己快炸的研究。

最近被 GPT4 坑，比較放射科報告內文和醫囑做 anomaly detection，將報告分成正常、異常兩類。本以為是 low hanging fruit，只要調 prompt、call GPT4，就能有不錯成績還兼顧可解釋性，就能迅速生產研（ㄒㄩㄝˊ）究（ㄕㄨˋ）瑰（ㄌㄜˋ）寶（ㄙㄜˋ）整理投稿，達成工程職業績，可喜可樂～因為看好這個議題，個人還標了 3 * 10000 個 label 確保未來能夠投稿。

豈料 GPT4 表現極慘，正負平衡的樣本 F1 只能做到 0.7x，如果是正負比 100:1 的 real world data 成績就更慘不忍睹。幾個月的努力要打水漂，並且支票要跳票，只好絞盡腦汁想辦法改實驗，用 BERT 做 sentence contradiction、更古老的 TF/IDF + ML、非監督式方法、各種策略都試過。

結果，最後最好的方法竟然是 rule-based parser，用工人智慧建立大表格做 dictionary lookup，只要 lookup table 夠大塞好塞滿就什麼都能判斷。算法和 lookup table 一路修改下 F1 score 從 0.1X 拉到 >0.85，正負平衡樣本還能作到 F1 = 0.99 還抓到不少 mislabeled data。結論：傳統 rule-based parser > fine-tuned BERT > GPT4。

問題好像解了（至少研究上），但這種結論怎麼解釋又是頭痛的問題，希望能順利投出 orz

全文連結

龍捲風暴（小雷）

和母親去看的好看災難片。有科學理論支撐的災難片搭配 4DX 效果十足，劇情不錯。一位男主出場時乍看像不正經的角色，後來劇情反轉，另外一位兒時好友男主反轉再反轉。最後關鍵時刻完成兒時失敗的研究，走向 Happy end。

全文連結

天選 5 pro 入手！

換新筆電值得紀錄 XD

之前出去玩，舊筆電 Lenovo T460 （2016）14 吋開 VS Code 寫程式眼睛吃力。決定換大螢幕筆電。

新機為華碩天選 5 pro，螢幕 16 吋、16:10 窄邊框最大亮度 400nit，2.2kg、螢幕大夠亮機器也不會太重，獨顯由 T460 的 940M 飛昇為 RTX 4060（Mobile）性能增加超過 10 倍。今天帶出門標資料感覺眼睛負擔輕多了。小缺憾是續航力比不上 9-cell 電池加持的 T460，約四小時上網、開 VM、標資料就剩 3X% 電，得買行動電源。

最後，台灣筆電價格實在是貴。相近規格 TUF F16 台灣可能要買 46K，螢幕規格還較差。京東買 40K 左右，有國際保，螢幕參數更好，有更多規格、顏色可選。至於簡體中文系統自己重灌就好。

全文連結

帶點缺憾的郵輪行程

這次郵輪行程還包括韓國的濟州島和日本的鹿兒島，每個地方我們都上岸玩了一天，體驗當地風土人情。日本鹿兒島跟團行程有點太緊，三個景點，最後一個還是購物中心！感覺就第一個點晃了下建築，吃個點心，就趕去吃飯了。吃飯因為人數太多，每個店都需要排隊，導致寶貴上岸時間就耗費在排隊上。購物中心行程就...。

韓國濟州島因為團沒開成，倒是可以自由行，我們請了導遊小姐，帶我們看三個點。行前功課沒做足，第一個濟州島去的濟州民俗村其實不合胃口，類似特別去看古早農村，還遇到推貨的導遊，車程還要一個小時！之後導遊帶我們去看的商店街和購物中心尚可。但後來想想，應該就直接找碼頭附近景點最密集的地方，一路密集看過去就好。但整體而言，韓國相比日本，應該不會更想再來 XD

船上的收費就是讓人肉痛的事情了。帳單有一半都是網路費！郵輪上只有衛星網路，當我在頁面上選購上網套餐時，看到的價格是每套設備單價 $15 美元（買 3 台）或 $14 美元（買 4 台）。我想說價格看起來不貴，為了玩的盡興，就買了四台設備的額度，其中一個額度算是給家人備用。結果，這個價格竟然是「每24小時」的價格！實際價格是那個數字乘以5！也就是說，4 台網路「整個航程」的價格是 USD$280，相當於 9,000 多台幣！看到帳單的那一刻，我差點吐血。但後來想想，其實在郵輪上不上網路也是不太可能的，至少我和家人還有筆電共三個份額是必須的。但如果只買三個份額，應該可以省下一兩千元。

最慘的是，旅途中我還生病了，可能是飲食沒控制好，皮膚異位性皮膚炎復發，面積不大但直接發在臉上。現在收假上班還是要一兩分鐘毛巾溼敷一下臉，再擦個乳液，不然臉像螞蟻爬似的，沒辦法專心工作。每天晚上十點多就睡覺，吃了好幾天的素菜，乖乖喝中藥調理身體。

排除這些問題，這次旅行還是非常棒。船上的飲食、表演遠超預期。免費的劇院表演我覺得可以直接地面上開團了，呆在船上真的委屈，只有第一天能預約到表演，第一天的演出之後每天的額度一釋放就被秒殺。免費 buffet 幾乎隨時可去吃，免費單點的餐廳也是超過水準，義大利麵、羊排....對標地上的話應該有相當千元一餐或以上的口味，還能無限續盤。剛上班幾天就又開始想放假了 XD

 

船上的免費食物。很意外的有地面上收費餐廳的水準。 

 

 

日本鹿兒島的食物，這時皮膚病已經發了只好吃清淡點 QQ

 

 

日本鹿兒島第一個景點

 

 

韓國濟州島某個海岸

 

 

真。韓國烤肉，吃完這肥厚油膩又香辣的一餐後我的皮膚就大發作了 QQ

 

 

濟州民俗村，說真的電波對不到

 

 

郵輪上的收費餐點，碗非常大但實際很小一盤，可是非常好吃。台幣兩三百左右的價位，第一次吃到蝦子和干貝都會在嘴巴脆彈然後瞬間在嘴巴釋放美味的 QQ

全文連結

地中海郵輪上船第一天

久違的放假，陪家人一起搭船旅遊。第一天就在交通中度過，老家出發、高鐵、找船、登船。中間順便搞定手機投保等瑣事很快就下午了。中間手機訊號不好，整網路投保不停失敗整個人焦慮好久，還不小心弄壞氣氛 >"< 後來躲到窗戶旁邊訊號恢復才搞定。這之後趕快買了船上 wifi，雖然訊號還是很爛但總算是有網路了 Q<>Q

第一天行程以船上閒逛為主，看了不少店，但沒買什麼東西，物品普遍都價格偏貴 QQ 晚餐的歐美台混合風格 buffet 水準在預期之上，如果再額外考量這不用額外付費其實是佳作，而且這裡開很晚，其實完全可以別的店晚餐沒吃飽，再到這裡補點東西 XD。

如果晚餐是超出預期，那之後十點十五分看的 show 就是驚喜，各種百老匯式名曲歌舞接連登場，根本沒感覺時間流逝就已經十一點表演結束。據說每天會有不一樣的節目，打算問問能不能錄影，如果能的話要用手機留念了。

全文連結

跟 1fichier 再見

延續這篇。母校要限縮 Google 教育版無限空間， 2T 左右資料要想辦法找地方放。原本對 1fichier 非常期待。但這個月使用狀況不理想。

我有兩個大資料夾，一份以投影片和文件、大檔為主，另外一個有大量圖片小檔。前者在 1fichier 使用很順利。但後者傳了一個月還沒辦法傳完！看 rclone logs 一直傳 403 Flood detected: IP Locked。爬了文章才知道 1fichier 對於 API call 非常吝嗇。大量複製小檔免不了頻繁 call API 然後就被後端反覆限流。試著調了 --transfers、--tpslimit、--checkers 等參數都沒有用。有考慮過 iDrive Personal，也很便宜，很遺憾不支援 rclone，只有 iDrive e2 object storage 才支援，但它沒給 5TB 的選項。決定先試用 jottacloud 這家，有無限空間，只是超過 5TB 後逐步限速，看來夠用了。
 

目前先買一個月，landing page 用歐元計價是 €9.92/month，但實際刷卡的時候變成美元計價 11.9/month 但年繳會送兩個月，這樣就沒比 Onedrive 6TB 貴太多，先試用看看。若一個月沒出問題就轉年繳。

全文連結

資料搬家

看到母校公告，校友 Google Drive 要從無限空間直接縮到 1G，只好準備告別，設法幫 2T+ 資料搬家，結果空間挑好久。

MS365 已經備份了一份，基於 3-2-1 原則第二備份不想再用 MS365。Google Drive 5T 和 Dropbox 3T 都貴，錢去買 MS365 6T 都有找，還附贈 Office。後來試俄羅斯 Yandex 360 family plan 1T*8 年繳不到 50 鎂，但是繳一個月試用發現 family plan 後台竟然 404，去問客服才說台灣不支援（但開 VPN 換國家也一樣結果耶 XD），服務品質太恐怖，果斷退費。

 

後來改法國 1fichier，年繳 2T €30，4T €60 還是比 MS365 家用版貴，但價格也夠好了。缺點是：光界面就極度陽春，很擔心軟體技術力。官方付款只能銀行轉、虛擬貨幣付款或用溢價極為嚴重的 CashtoCode。要用 Debit card 還要從一堆 reseller 中找一個價格合理的換 coupon，整個充滿詭異感，目前先花 €5 試用一個月，目前rclone 能動，FTP 能連但檔案內容有滯後。如果試用 OK 會用這家當作 MS365 外的第二備份。

 

PikPak 其實更便宜速度還非常快，但這家「新加坡公司」真身疑似迅雷，私密資料就不想放在上面了。萬一 1fichier 不滿意，預計跳 idrive 或 jottadrive 吧。自組 NAS 目前感覺麻煩 XD

全文連結

機動戰士鋼彈SEED FREEDOM

 

今天抽空去看 Seed Freedom 4DX，好看！

已經忘光原本劇情還是看得很愉快，但哪怕忘了劇情還是充滿情懷感。

這部 4DX 真的像駕駛艙，第一次看電影感覺快被椅子甩出去。

最後，粉紅妖女的滿級嘴遁真的噁心，爆種以後感覺嘴遁也有加成 XDDDD

全文連結

高雄捷運地下街宅店

 

 

 

這幾天為了找朋友玩到了高雄，聽說地下街引入了 ACG 店面於是就去看。其實有點冷清，就安利美特高雄店比較熱鬧些

全文連結

GPT-4 讀 paper 小感

GPT-4 真是讀 paper 神器。

以 Training Complex Models with Multi-Task Weak Supervision 這篇為例，中間小節開始引入集合操作符號就開始看不懂。靠自學 PR 值 < 0.1 的線性代數和數學符號認知，也完全看不懂抽象化後的 Material and Method。

交給 GPT-4 奇蹟出現。先用 LaTeX 把數學公式還原好，再整段丟進去，然後不管 GPT-4 回什麼，直接問 can you give me concrete example?，GPT 就直接解了抽象化，用非常簡單的例子就知道這段大概在講啥，過程中順便釐清我對大量符號的誤解，還有我對圖論基本名詞的認知錯誤。

看來 GPT-4 可以當成讀跨領域 paper 神器，效果遠勝我門外漢亂猜，前提是問題要問對。例如從 paper pdf 複製文字提問時，要用 LaTeX 把被破壞的格式還原 GPT 才知道你在講什麼
不曉得是不是 weakly supervised learning 這個主題 GPT 看過的文本夠多，才有這麼好的效果？可能要讀更多 paper 才能驗證。

 

全文連結