心理学典型范例 这就是期望和结果 不成正比的最佳诠释😆😆😆

看一次笑一次，如果你笑了，转发给你朋友，让他也开心开心，感觉不像演的，空调大哥用最委屈的语气说出了最好笑的话。😆😆😆😆

我对最近这次化妆+美颜的效果还挺满意的，只是假发实在不会戴，里面的搭扣扣不上，外面也梳理不好。😆

贵州贵阳，这哥们偷情，从30多层楼徒手爬下来，在大批热心群众提心吊胆的围观下，平稳安全落地。 这身体素质！这心理素质！ 我感觉我和他的情人共情了！ 我要是个女的，豁出去出轨也得和他来上一发😆😆😆

偶爾還是發點生活片段 不然真的是沒有正常推主會理我😆

哦哦哦这个比例还不错，如果动作里带点和大楼的互动，看来人物和大楼的比例指定就起作用了2333

果然，人与人的悲欢并不相通，这是在民政局门口，离婚和结婚形成鲜明对比。

这大概就是我对中国教育最复杂的感受。 看看这些刚刚高考结束的孩子。 他们来自中国最好的高中之一。 成绩一定很棒，做题能力一定很强，未来会进入最顶尖的大学。 我看到的是一种很深的悲哀。 不修边幅。表情麻木。 体态古怪。韦神二号。 并不是要嘲笑他们，因为他们不是问题本身。 他们只是这个系统最后呈现出来的结果。... 一个孩子从小学开始，被不断筛选、排名、比较、刷题、考试。 所有人都告诉他： 分数最重要。排名最重要。 但很少有人认真在意： 是不是开心。 是不是自信。 会不会表达。 有没有审美。 能不能和别人正常相处。 这才是我真正害怕的地方。 不希望我的孩子是这样的。 我希望他： 眼里有光。心里有劲。 身体是舒展的。表达是自然的。 和世界的关系不是紧绷的。 真正好的教育，不应该只是把孩子送进名校。 而是让他在走出学校的时候， 仍然像一个完整的人。show more

巴菲特：快速成长的方式是结交比自己优秀的人，而不是向下兼容！投资要取得成功，就是和比自己优秀的投资者同行。#巴菲特 老爸是国会议员，也是一名富豪，他8岁时就受到高盛集团董事的接见，这是典型的向上巴结。10年河东，10年河西，社会周期开始以10年计。对个人来说，生不逢时，只能成为时代炮灰…

我知道跳舞很一般 但还是想展示一下最近盘发的成果 还有 乳摇的科目三😆

在北美大学正教授是要有一定水平的，例如，吴健雄就差点做不了正教授，那时候她已经46岁了。加拿大滑铁卢大学物理系一个女副教授，58岁，就准备在副教授位置上过几年退休了，结果获得诺贝尔物理学奖，之后，大学才给评上正教授。可以这么说，北美大学的正教授的智商和水平普遍应该比中国院士的水平高！

我去，好喜欢这个上衣，搭配这个JK裙子一下子就显得成熟了，现在我已经不是处女了，就得穿得成熟一点，哈哈哈😆我这么小的年纪居然还出轨，但我刚开始只是想多尝试一下和不同的人做爱会不会有区别而已，如果只跟男朋友做的话我估计我现在都性冷淡了😂还是年纪大的比较会

中国最佳环卫工：这是不是就是所说的纯坏？把垃圾夹起来比这样捅咕轻松多了吧？

这就是我（不）喜欢去健身房跑步的原因，碰到这种情况容易像这个小伙一样打退堂鼓😆

神同步！星舰飞船回收的动画演示和实操结果比较 如果这都看不湿你，你需要去看看泌尿内科，或者妇科，或者心理医生

雖是姐字輩了也是要紀念一下自己的生日😆（笑）這幾年大家都過得很辛苦，至少心情上都是悶悶的，希望2023年大家都能開開心心的，最重要的是身體健康，心想事成❤️❤️❤️✨人人都能賺大錢💰💰💰✨

😆 国宴 “最佳看板娘” ，非马斯克 Elon Musk 莫属了 除了 雷军... 要找他合影，马上要卸任的 苹果 CEO Tim Cook 想和 马斯克 合影 看来各位 科技巨头 的 CEO，也不是经常能碰面的？show more

2028年，川普的这座宴会厅如果建不成，到时如果是民主党上台，这个宴会厅，铁定会黄了。 理由，就是审批文件不全，想都不用想😂 然后，民主党会用国会的财政款，先拆，再建一个新的建筑。费用，如果民主党的主导这事的议员心不是特别狠，那也至少估计得10亿美元以上。 这都是闭着眼睛，就能想到的结局…

很多人看 Inference Labs ， 第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。 但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference... Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。 在传统的 AI 世界里，模型方就是绝对的老大。 模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。 算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。 但 Inference Labs 正在把这套逻辑给彻底拆掉。 在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。 一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。 这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。 再来看看算力。 很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。 算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。 这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。 那么，真正的权力流向哪儿了。 答案是验证者。 验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。 他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。 它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。 这种变化的影响会非常深远。 以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。 而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。 因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。 所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。 其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。 它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。 我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。 那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。 在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。 这才是它最被低估的地方。 它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITOshow more