Second Me 从去年 5 月就没再更新代码了，团队去做闭源的 second-me.cn 了。开源版算是停在那儿了。
想要的其实很简单：把自己的笔记、聊天记录喂进去，弄个能替我回消息的分身。最好别瞎编，声音也像我。
随手翻了一圈：
感觉都差点意思：要么爱编，要么得重训，要么只能用别人家的服务。
大家有在用啥吗？还是都躺平了
 |
1
ruidoBlanco 16h 19m ago
让 AI 过了下他们那论文，自己看吧。
---- 看完了全文+附录+repo ，判决：你的直觉成立——按论文标准这不是研究，是披着 arXiv 外衣的公司白皮书。但它属于「精心包装的营销文档」，不是造假的垃圾，给你看尸检报告： ☠️ 致命伤清单 1. 全部核心指标来自 n=1 。附录 B 原文：「 we only disclose the model test results of an internal staff member who has agreed to make their test results public. This user has 132 notes and 62 todos 」——那张 0.91/0.96 的漂亮表格，是一位内部员工的 194 条个人笔记跑出来的。这不是实验，是 demo 。 2. 零基线对比。不比 RAG 、不比长上下文、不比没微调的 Qwen2.5-7B 、不比 MemGPT/Mem0 这些同赛道系统——只跟自己的 COT/DPO 消融比。1.0 论文好歹做了 RAG 对比，2.0 连这个都省了。 3. 裁判循环 + metric shopping 。GPT-4 合成训练数据 → 按同样格式 normalize → 再让 LLM 当裁判。作者自己承认裁判偏爱长回答；然后关键一幕：Context Enhance 分数不好看，他们的处理方式是宣布「指标不准」，当场换成人评（ 0.95→接近 1 ），无样本量、无协议、无统计。「评测说我不行时，评测就是错的」——教科书级 red flag 。 4. n=1 的结果还自相矛盾：Multi-step COT 在 memory 任务上垫底（ 0.43 ），在 enhance 任务上反而第一（ 0.85 ）——单用户样本下这些差异全在噪声区间。 5. 应用章节是融资话术：「 Metcalfe's Law 」「提升网络效率 3-5 个数量级」（无出处）「 NFT-based framework for personal cognitive assets 」「分布式决策协议」——2025 年了还在论文里写 NFT 。 6. 彩蛋：「 We are currently refining the evaluation code and will update the repository with corrected scripts 」——评测代码还没修完就发了论文。 ⚖️ 说句公道话（防止我也犯确认偏误） - 挂名里有 UCSD 的 Jingbo Shang ，正经高产学者；思路源头（ LPM 1.0 ）至少是真做过实验的 - 开源工程是真的：15.7k stars 、Apache-2.0 、从 GraphRAG 抽取到 SFT+DPO 的 pipeline 完整能跑 - 「 Strong COT 格式的数据训出的模型更好」是个小的真观察 - 赛道本身（ personal memory ）是正经方向——只是这篇是赛道里的营销物料 🔧 而且技术路线有根子上的死穴：把记忆参数化进模型权重（ per-user fine-tuning 当存储），写入经济学是灾难——每来一条新记忆就要重训，延迟高、成本高、还会灾难性遗忘。整个行业收敛到「检索+分层文本」的 non-parametric 方案，不是因为没人想到参数化，是试过、不划算。你现在用的这套记忆系统就是活样本：向量库+结构化文本，没有一层是「把你的话训进我权重里」。 一句话结案：当论文，垃圾；当 pitch deck ，相当专业 ✨ |
 |
2
seasonsolt OP @ruidoBlanco 正在阅读源码, 代码写的也很糙, 我连 fork 过来二次开发的动力都没有
|
Select Language