Dobby
@lesliedqbb • 5,172 subscribers
热爱研究AI 和 相关的产业投资 | Learn & Earn in Public 🚀 #bnb 终身返佣：https://t.co/ycRyVbYtky #ibkr 免费1000💲股票：https://t.co/ztsjYXE2qC
Videos
AI时代，我们到底要把孩子培养成什么样的人？ 人大附中 杨波教授这场讲座，干货太多了！ 强烈建议每位爸妈都点开认真看完。 在AI越来越强大的今天， 孩子光学习好、会考试已经远远不够了。 未来真正能脱颖而出、活得幸福且有竞争力的人，到底需要具备哪些核心能力？ 杨波教授从教育一线出发，深刻剖析了AI时代的人才画像，给了很多非常务实又具有前瞻性的建议： - 孩子应该重点培养哪些能力？ - 传统学习模式要怎么调整？ - 家长最该做什么、不该做什么？ 这场讲座信息密度极高，听完让人既清醒又充满希望。 AI不是来取代人类的，而是来筛选人类的。 我们给孩子最好的礼物，就是帮他们成为那个「不可被替代」的人。 家长们快存下来一起看！ 看完在评论区说说你的最大感触👇 真的讲的特别好
Dobby275,916 views • 9 days ago
7分钟的电影片段，140个镜头，被 AI 推算出了25个机位、9个灯光组，渲染出 3D 片场后，并按时间轴呈现了每个镜头的摄影与照明方案，太牛了！
Dobby245,562 views • 8 days ago
最近看到一堂斯坦福公开课，用大约两小时，系统梳理了大语言模型从文本输入到训练、推理和生成结果的完整链路。 它不会让你两小时造出一个 Claude 或 ChatGPT，但能帮你建立一张非常重要的“大模型知识地图”。 课程重点： 00:00｜LLM分词机制 文本进入模型前，为什么必须先被拆成 token？不同分词方式又会怎样影响训练效率与模型表现？ 25:44｜模型如何解码提示词 大模型并不是一次“理解”完整句话，而是根据上下文计算概率，逐个预测接下来最可能出现的 token。 35:40｜大模型训练流程 从训练数据、预训练到参数更新，了解模型能力究竟是怎样一步步形成的。 1:16:47｜从零理解LLM架构 拆解嵌入层、注意力机制、Transformer 模块和输出层，看清语言模型内部的数据流动方式。 我最大的感受是： 很多人每天都在研究提示词和新工具，却没有真正理解模型底层是怎样工作的。 当你理解了 token、注意力、训练和推理之后，很多原本模糊的概念都会连起来： 为什么上下文长度有限？ 为什么模型会产生幻觉？ 为什么推理速度如此重要？ 为什么训练一个大模型这么昂贵？ 建议先完整看一遍建立框架，再根据时间点回看不懂的部分。两小时不能让你成为大模型工程师，但足以帮你判断下一步应该学什么。
Dobby115,572 views • 10 days ago
黄仁勋说，他宁愿不要活在今天这个20岁的时代。 他的理由：新一代人太愤世嫉俗了——不是因为他们软弱，而是因为他们太早接触了太多东西。 这与现实情况吻合。今天的中位数20岁年轻人，已经消费了比大多数经验丰富的执行官到40岁时更多的关于初创失败、市场动态和地缘政治风险的信息。信息流是无情的。模式匹配是即时的。 前几代人有一个有益的无知缓冲。他们足够天真去启动那些很可能不会成功的事情。足够天真去相信他们能在世界列出所有他们做不到的理由之前先去尝试建造。 那个缓冲不见了。 如今，一个20岁年轻人有了个想法时，他们已经滚动浏览了多年的失败后分析、关于为什么市场比看起来更艰难的热门观点，以及创始人坦白讲述事情出错的确切地方。 问题不是他们知道得更多。而是他们在内化尝试的感觉之前，就已经知道了什么会失败。 愤世嫉俗是对无限信息的一种合理回应，而没有个人尝试经验来过滤它。 这个十年真正去建造的创始人，不会是最见多识广的。 他们将是那些保持一点不合理乐观的人——尽管知道得太多。
Dobby44,146 views • 4 days ago
这个桥段因为《华尔街之狼》变得非常出名，但它真正体现的是他后来总结的销售方法：不要一上来就夸产品，而是先提问，识别客户需求、预算、动机和购买意愿，再决定要不要卖、怎么卖。 这和他后来推广的“Straight Line System（直线销售系统）”是一脉相承的。 其核心之一就是先做 qualification，也就是筛选客户、了解需求，而不是见人就推销。贝尔福特自己的销售课程现在仍把“识别强线索、淘汰弱线索、通过提问搜集客户信息”列为核心模块。 他说“新手销售最大的错误是把东西卖给所有人，而不是先筛选真正有兴趣的人”，其实非常典型地体现了他的销售思想。 这么看小李子表演的并没有用力过猛，这哥们就是这个状态
Dobby22,342 views • 5 days ago