Peanut🥜

用AI做角色设计时用户自己可以做什么不会画画的人想用 AI 设计出自己的角色，但似乎只靠简单的提示词总是差强人意。所以我总结了一些讲角色设计的视频然后想了想怎么用 AI 完成可以更好。 参考视频： BV11N4y1d7uE BV12A2RYpEzy 传统角色设计的步骤不同老师讲得不一样，大概有以下这些： 角色雏形 确定角色 完善细节 角色雏形包括 角色特征雏形 和 角色故事背景 两部分。 在设计角色之前，不妨先想好角色 生活在怎样的世界里 。 世界观是怎样的？地球上？异世界？外星人？角色是什么阶层？什么职业？ 不要急于去设计外貌，因为世界观、生活背景可以影响性格，性格一般都要靠视觉元素来表现。 想要让角色丰富，必须有足够的信息。 特征雏形可以理解成 “轮廓”，是一些简单图形的组合（三角，圆，羽毛球……）。结合你的世界观去给每一块图形进行稍微具体的设计，比如角色生活在埃及，一些图形上可以有金字塔、太阳、甲虫，角色生活在原始部落，一些图形上可以有面具。。 是什么让这个角色呈现出这个样子？ 因为什么角色会变成这样？ 角色经历了什么才变成这样？ 角色在什么样的环境导致他变成这样 ...

DNA存储发展史编码与纠错已从单纯 Reed–Solomon/Fountain 冗余转向“同步错误+生化约束+整链丢失”的联合设计。 HEDGES 专门处理 insertion/deletion 等同步错误；YYC利用 1,536 种组合规则兼顾 GC 比例、同聚物和密度；DNA-Aeon进一步把算术编码、生化约束以及 substitution/insertion/deletion/strand loss 统一到灵活框架内。算法已经不是主要的单点瓶颈，但在极低测序覆盖度、非均匀 PCR 偏差和低拷贝长期保存情况下，编码—物理信道协同优化仍是重要研究空白。 论文/成果 年份 核心贡献 对产业的影响 Takahashi et al., Demonstration of End-to-End Automation of DNA Data Storage 2019 首次把编码、合成、处理、测序和解码整合为全自动端到端原型 证明 DNA 存储可以从人工湿实验转为自动化设备问题。 Lee et al., terminato ...

喷泉码（Fountain Code）在 DNA 数据存储里，“喷泉码（Fountain Code）”可以理解成一种专门擅长应对“有些 DNA 片段丢了”的编码方法。经典的 DNA Fountain 是 Erlich 和 Zielinski 在 2017 年发表在 Science 上的方案，它建立在 LT（Luby Transform）喷泉码之上。PubMed 1. 为什么叫“喷泉码”？可以把原始文件想成一桶水，DNA 片段则是一滴一滴从喷泉里喷出来的“水滴（droplet）”。 传统纠错码通常是： K 个原始块 → 预先确定的 N 个编码块 而喷泉码是： K 个原始块 → 可以不断生成新的编码水滴 D₁、D₂、D₃…… 你不需要拿回指定的那些 DNA 分子。只要最终获得了略多于 K 个足够独立的水滴，就可以以很高概率恢复全部原始数据。 这正好符合 DNA 存储的特点：某些寡核苷酸可能在合成、PCR、保存或测序过程中完全消失，但我们并不特别在乎“到底丢了哪一条”。

Fenwick Tree树状数组，适合用于：动态维护前缀和1a=[1,3,5,7,9] 不断有操作： 12修改 a[3]+=10查询 a[1]+...+a[4] Fenwick： 修改 O(log n) 查询 O(log n) 统计“前面有多少个”13 1 4 2 问每个数左边有多少比它小。 从左到右： 123456789101112133:左边没有1:左边比它小的数量=04:左边有1,3答案=22:左边有1答案=1 这里需要： 插入一个数 查询小于它的数量 维护频率表（最常用）数字范围： 11~100000 维护数字出现次数。 比如： 12cnt[5]=3cnt[8]=2 操作： 加入一个数字： 1add(x,+1) 删除： 1add(x,-1) 查询： 11~x出现多少个 代码理解初始化1234class Fenwick: def __init__(self,n): self.n=n self.tree=[0]*(n+1) 单点修改1234def add(self,i,x): while i<=self. ...

习得性无助个体解释会影响你的无助会持续多久。个体解释的三个维度：永久性、普遍性、人格化 永久性： 永久还是暂时 永久（悲观） 暂时（乐观） 我彻底完蛋了 我太累了 节食减肥根本没用 我要是出去吃饭，就减不了肥 你老是唠叨个没完 我一不打扫房间，你就唠叨 我的老板是个混蛋 老板心情不好 你什么都不跟我说 你最近都不和我说话 如果你惯用“总是”、“从不”来解释坏事，就属于持续悲观型。 普遍性： 普遍还是特定 普遍（悲观） 特定（乐观） 所有老师都偏心 花生米老师偏心 我总招人讨厌 他讨厌我 读书无用 这本书毫无用处 两个人被开除后，一个人觉得自己“一无是处”，另一人觉得自己“不适合做会计” 人格化： 内在还是外在 坏事发生时，我们可能责怪自己（内化），也可能责怪他人或者环境（外化），一般而言后者更自尊自爱。对坏事做出内在解释往往会导致低自尊。 内在（低自尊） 外在（高自尊） 我真笨 你真笨 我打不好牌 我牌运不顺 我没有安全感 我的成长环境太穷了 🍳 在经历无助体验之后，内在、永久、普遍的解释最为悲观，做出这 ...

计算理论导引Michael Sipser 著 三个核心领域：自动机、可计算性、复杂性 🍨 证明的类型 构造性证明：许多定理说明存在一种特定类型的对象。证明这种定理的一个方法是说明如何构造这样的对象。这种技术就是 构造性证明。 反证法：假设定理为假，然后证明此假设导致了一个明显错误的结论，即矛盾。 归纳法：归纳法是证明无穷集合的所有元素都有一种特定性质的高级方法。 自动机与语言正则语言什么是计算机？现实的计算机相当复杂。为了易于处理问题，我们采用称作 计算模型 的理想计算机。和科学中的任何模型一样，每种计算模型可能准确刻画了一些情况，但在另一些情况可能是不准确的。根据想要关注的特性，我们将采用几种不同的计算模型。最简单的叫有穷状态机或有穷自动机。 有穷自动机有穷自动机是关于存储量极其有限的计算机的很好的模型。这么小的存储能做什么？能做很多有用的事情！事实上，它们广泛用于各种机电设备。如自动门有两个状态记录开关情况，然后根据前后是否有人来决定状态转换。 有穷自动机和它们的对照物 马尔科夫链 在识别数据中的模式时是有用的。这类装置用在语音处理和光学字符识别中。马尔科夫链甚至已经被用来对金融 ...

图解行为心理学笔记 消除烦恼的 LEAD 工具法 Listen 分析状况，思考问题所在，倾听他人意见 Explore 罗列问题点，理性思考解决方案，罗列方案 Analyse 分析问题与解决方案，寻找有效的解决对策 Do 把解决对策付诸行动 日常生活中的读心术任何决断都受到他人影响 态度并非绝对可靠，不一定能改变行动 爱上他人的四种要素 个人特征：共同点越多，越能吸引对方 环境因素：经常性的巧遇催生好感 生理唤醒：把缓解、消除恐惧带来的安慰误认为是好感 外貌因素：靓丽的外貌非常加分 为何我们不能：”遗世独立“？ 不合群的人也难以独自生活，主要由于以下五种社会性心理： 群体生活带来安全感 希望得到别人的认同 想获得他人的信息或知识 想获得社会身份，如地位、头衔 想完成个体无法完成的事 诉求得到满足，好感度才能增加。多认可别人的努力。 越是优秀的人，冒失起来越可爱 ”平凡的人不犯错时才比较可爱，而优秀的人犯错时才比较可爱。“ 没有对比就没有伤害，评判一个人优秀与否也是通过对比来的。当我们觉得别人优秀时，也就意味着看轻自己，没有自信，因而就会通过”那么优秀的人也会犯错啊“来找回自信，进 ...

拖延心理学读书笔记你为什么总会拖延拖延背后的八大心理因素 1、追求完美害怕犯错而暴露自己的弱点，从而推迟一些重要的任务。 这种心态在 卡罗尔·德韦克 所著的《终身成长：重新定义成功的思维模式》中能找到答案。在这本书中，作者将学习、体育、工作、艺术以及其它领域的成功与人们如何看待自我的天赋和能力联系起来。德韦克解释说，人们要么具有固定型思维模式，要么具有成长型思维模式。固定思维模式的人认为自己的能力一成不变，天生具有且无法提升。这种思维会限制你的成长。具有成长型思维的人相信自己的能力可以通过努力来提高。 通常完美主义者出现拖延，是因为他们害怕自己永远达不到他们为自己设定的高标准。“为什么我还要努力呢？” 2、对未知的恐惧假如皮肤出现新的一颗痣，你担心会产生癌变，于是不去检查并希望它自己消失。 有时候人们害怕采取行动，因为它可能会暴露出一个他们不希望知道的事实 一个重要的经验是，知识就是力量。即使是一个坏消息，听到得越早，你就有越多的机会去避免更坏的结果。 所以，问问自己这些重要的问题： 我害怕什么？ 可能发生的最糟结果是什么？ 如果我忽视这个情况会发生什么？ 我为什么要放弃这个？ 放弃 ...

漫画图解人工智能读书笔记什么是人工智能“可以完成目前人类更加胜任的工作的计算机程序”——马文·明斯基 “设计人工智能，在通常情况下，就是设计一些程序可以在合理的时间内，为一个已知的确定不可能找到正确的解决方案的问题，找到一个不算太差的解决方案” 我们一起去树林散步吧🍔 盲目搜索：在状态空间中搜索每一种可能性（尝试每一条可能的路，如深度优先搜索和广度优先搜索） 最佳解决方案是正确解决方案的敌人 人工智能算法 放弃去获取问题的最优解决方案 🧁 启发式搜索：A* 计算机科学家将这种像鸟儿飞行般的取直线距离称作“启发式函数”（朝着接近直线的方向前进） GPS 的示例中，A*一定可以给出最优解，但其他例子中不一定 在国际象棋游戏中获胜雅卡尔 1801 年发明的提花织机，已经开始使用打孔的卡片引导纸针的位置，但这仅仅是机械控制。 1843 年，阿达·洛夫莱斯为计算机的雏形——查尔斯·巴贝奇发明的分析机编写了世界上第一套算法。 19 世纪末美国人口普查期间出现第一批使用计算和编程的机器。 1945 年，第一台全电子计算机 ENIAC 诞生，进入计算机科学元年。 1950 年，艾伦·图灵第一次使 ...

计算机教育中缺失的一课课程链接