Loading video...

Video Failed to Load

Go Home

5月2日,广东韶关翁源县。一名华为Mate 70用户在网上愤怒发声,称其花费9499元购买的高端旗舰机,仅使用一年左右,在系统自动升级后便出现了严重的闪屏故障。售后方面坚称闪屏与升级无关,并以“质保期已过”为由要求用户自费上千元换屏, 尽管后续提出可以申请折扣减免至800余元,但用户对此强烈不满,质疑道:“升级完就坏了,凭什么让消费者买单?支持了十几年的老用户,难道就是这种下场?”在维权过程中,该用户指责客服不仅未能解决问题,反而态度生硬、推卸责任,对比前几任客服的客气,这种“机械式”的拒绝彻底激怒了用户。最终,双方沟通无果,用户崩溃怒斥后表示,将通过315热线、市长热线及各大社交平台维权到底。

204,743 views • 2 months ago •via X (Twitter)

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

极氪发布"中国汽车向上背后的女性力量"为主题的妇女节视频,但内容引发争议。据悉,该视频目前已在多个平台处于不可见状态,截至目前,极氪官方对此暂无回应。 在视频中,一位极氪女性工程师提到:"我们这个行业女性普遍比较少,每天上班电梯里都是男的",并结合电影《飞驰人生》强调无女性角色,类比汽车行业传统男性主导现象。 这些表述被网友们认为是强化性别刻板印象,质疑制造性别对立。目前,极氪官方账号上,上述视频内容已不可见。 极氪这次的营销负面影响还是蛮大的,已经开始出现舆论影响潜在用户的趋势了,每百位潜在用户知道这次负面的占到47%,高出阈值13%;47%中因本次负面而选择放弃购买的潜在用户占到了38%。 比较反常识的是,女性用户对这支广告片的抵触情绪要大于男性用户。每百位非极氪潜在女性用户认为这支广告片有激励到她们的,仅占11%;有37%的女性用户认为这支广告片并没有完全展现出女性对社会发展作出的贡献。 在极氪潜在用户中,每百位参与决策、自主决策的女性用户对这支广告片"无感"的占到31%,认为有激励到她们的仅有8%,认为不好的占到了绝大多数。她们的感受和非潜在用户一样,都觉得没有展现出真正的女性力量。 在"你认为哪种广告方式会让你产生共鸣"这一开放式问题中,多数女性用户表示"展现更多一线女员工的工作/生活状态,展现更多极氪女车主的工作/生活状态"会让她们产共鸣。 而在男性用户这边,非潜在用户对这支广告片无感的比例占到33%,潜在用户接近一半,有47%对此无感。反感用户虽然不如女性多,但……他们在互联网上是十分活跃的,很容易就产生舆情,然后两边就对冲…… 极氪这一波女性营销,彻底是玩火自焚要凉凉了……

陈哥说

15,814 views • 4 months ago

⭐️ 在 Token 2049 期间体验了 Particle Network 的链抽象方案 Universal Account 的完整流程,正巧也录了个屏幕视频作为记录。 除了流畅之外,我觉得最有意思的一点是链抽象方案将各个链打通之后,可能能将每个链固化的 TVL 转换为整个 Web3 链上可以流通起来的真正意义上的流动性。 我之前的理解链抽象可能类似于账户抽象是一种改进 UX 的技术方案,我发现实际体验之后是远大于账户抽象的叙事,这类产品离用户交互非常近,这代表链抽象的价值捕获能力是远强于藏在开发者背后的账户抽象类的纯技术方案。 简单讲下整个流程,首先 Universal Account 让用户在任意链都统一了地址,然后任意链的商户或者 dApp 需要收取某种资产时,Universal Account 就会帮助用户通过 Particle 的 L1 从多条链上整合流动性,完成交互。这其中资产转换的过程也不需要用户担心,比如 USDC 和 USDT 之间的互换。Gas 可以使用用户拥有的任意资产进行支付。 在目前版本的实际产品中可以体验的例子是商家在 BNB 链需要收取 1 USDT 换取一杯咖啡,但我只拥有 USDC 资产,并且零零散散分布在 Optimism 等四个链,但通过 Universal Account 我可以一次交易就把这四个链的资产支付给了 BNB 链上的商家。 这虽然是一个比较简单的案例,但其实可以扩展为更大的场景和能力:通过 Universal Account 随时搬动任意链上的流动性。也就是 L1 或者L2 在未来可能只需要为用户创造新的场景(支付、DeFi、DEX 等),而不需要用户提前将资产跨过去,用户只需要决定要不要参与这个场景,Universal Account 就能够将用户在整个链上的购买力配合着场景进行挪动。 很久没看到叙事+实际体验的新产品了,会持续关注。

Zhixiong Pan

18,165 views • 1 year ago

最近关于 Open Loot 的代币 $OL 引发了广泛讨论。今天我们就来探讨一下这个项目的生态和功能潜力,并与 Magic Eden 的代币 $ME 进行对比。 ### Magic Eden ($ME) - **价格**: $5.1 - **市值**: 7.4 亿美元 - **11月交易量**: 7465 万美元 - **类型**: 治理代币 持有者可以提议或投票决定运营方向。 ### OpenLoot ($OL) - **价格**: $0.26 - **市值**: 6700 万美元 - **11月交易量**: 1933 万美元 - **类型**: 效用代币 提供交易费用折扣、空投机会、专属销售权和 VIP 等级权益。 ### 对比分析 相较于 Magic Eden,$OL 更加注重实用性。它不仅是 OpenLoot 平台的功能代币,还具有以下应用场景: 1. **平台服务**: 持有者可享受交易费用折扣、独家空投和专属平台销售权限。 2. **游戏内功能**: $OL 可用于链游中的奖励分发、装备租赁费用支付或升级所需。 3. **跨生态合作**: 通过支持合作伙伴的游戏,$OL 在更广泛的生态系统中增强其可持续性。 ### 核心优势 与 $ME 的治理属性不同,$OL 的设计使其应用场景更广泛,既能激励用户,又能促进代币流通,维护生态健康。由于与合作伙伴游戏的深度结合,$OL 进一步推动了用户在游戏中的活跃度,避免了单一用途代币可能面临的沉淀问题。 ### 展望 链游的发展需要时间来积累用户基础和内容生态。$OL 在为用户提供实际价值的同时,显示了其长期发展的潜力。关注它在生态拓展中的表现,或许能为我们带来新的洞见。

Daniel 吴/🔶币安猪脚饭

36,992 views • 1 year ago

发现一个讲的很细的大语言模型微调教程,详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。 基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。 时间轴: 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示(T4 版本) 16:52 微调操作演示(A100 版本) 19:13 在 Hugging Face 上的保存与使用方法 文字版整理: ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning): 对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调: Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调: Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集: 准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置: 在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控: 在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择: 通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用: 微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型: 用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference): 在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,710 views • 2 years ago

大家早上好啊,时间真的快啊,MemeMax 马上正式上线了 今天我们来聊聊一个很有意思的话题: 为什么 MemeMax 不先发代币,而是先建量与活跃? MemeMax 作为 DeFi 领域的一个新兴平台,他一开始就吸引了许多关注。 大多数 Web3 项目一开始的首要任务是 发行代币,利用空投和质押等方式快速聚集用户和资金。 而 MemeMax 却做出了一个与众不同的选择,它没有急于发代币,而是先从 建立社区活跃度 和 用户行为 入手,逐步吸引真实的生态参与者。 那么,为什么 MemeMax 要走这条“反模式”设计路线?这背后有什么深层次的原因? 1. 不依赖短期的市场炒作,而是专注长期可持续发展 在大多数 去中心化金融(DeFi)项目中,代币发行通常是获得资金和流量的捷径。通过 空投、质押奖励、流动性挖矿 等手段,项目可以迅速聚集大量的用户和资金,但也往往会受到 短期炒作 和 情绪驱动 的影响。这种方式虽然能快速带来关注,但也容易导致 代币价格波动剧烈,项目本身的可持续性却不一定有保障。 而 MemeMax 选择从 构建活跃社区 和 用户行为 开始,实际的目的是为了 建立一个稳定的、长期参与的生态系统。通过 MaxPack 激励机制,MemeMax 鼓励用户通过真实的交易行为和社区贡献来获得奖励,平台的 价值增长 依赖于 参与者的真正贡献,而不是单纯的市场炒作。 2. 通过行为驱动的方式筛选优质用户 传统项目的空投机制往往会导致大量 投机者 和 不活跃用户,他们只是为了获得奖励而参与,而不是基于对项目的兴趣和信任。而 MemeMax 通过 MaxPack 空投 和 交易行为奖励,让 真正有兴趣的用户 成为平台的一部分。只有那些真正参与交易和生态建设的人,才会获得奖励,这样的机制避免了“空投过剩”带来的问题。 不仅如此,MaxPack 激励机制 能够通过用户的 活跃度和贡献度,筛选出对平台发展有意义的参与者。这种基于行为的激励方式,确保了平台的初期用户群体具备 长期参与的动力,而不仅仅是“一次性”的市场行为。 3. 建立市场基础:先积累再发代币 为什么 MemeMax 选择先积累活跃度,再考虑代币发行?因为平台的代币价值,必须建立在 用户真实行为 和 市场流动性 上,而不是靠短期的 资金推高。只有当 平台内的交易量 和 社区参与度 都稳定增长后,代币才有 实际的市场支撑 和 持久的价值。 另外,代币的发行应该和平台的 生态增长 紧密挂钩,不能只是为了吸引流量和资金。通过提前 构建稳固的社区基础,MemeMax 能够在代币正式发行时,确保代币的价格和市场情绪不至于受到 过度炒作 或 短期冲动 的影响,保持平台的健康和可持续性。 4. 长远发展:平台价值与用户粘性同步增长 MemeMax 的这条反模式设计路径,最终的目标是让 平台的长期价值 和 用户的持续粘性 同步增长。通过 先建立生态活跃度,平台已经积累了大量的 忠实用户 和 稳定的交易量。这为后期的 代币发行 和 市场扩张 打下了坚实的基础。 总的来说,MemeMax 选择通过 行为激励 来逐步建立平台,而不是依赖一开始的代币发放。这样的设计,避免了代币发行后的 短期炒作和波动,确保了平台的 可持续发展 和 长期价值。 在 Web3 生态 逐渐成熟的今天,MemeMax 通过这种更理性和 长期视角 的方式,向我们展示了未来项目应该如何更健康地发展。 #Mememax

阿乐

77,299 views • 6 months ago

这是一个非常优秀的市场营销增长黑客案例。 博主完全没有产品原型的情况下,依靠获取80万用户的目标计划,在半年内获取了100万用户,并成功推出产品。 这个视频提及了非常多的小细节,比如记录用户的问题,和之前分享的“评论区宝藏”其实是不谋而合的。 依靠这些内容,构建内容营销,获得精准客户流量。 其中还有提及mint badge,通过这一徽章获得了大量优质博客网站的dofollow反链。 建议大家反复观看,仔细尝试,并思考如何利用AI来降低内容构建成本,相信我们都能有效增长! ---以下是GPT的视频总结--- 视频博主详细讲述了他在 1. 设定具体目标和时间框架 目标:在产品发布后六个月内获得800,000名用户。 方法:明确目标和时间框架,从而创建紧迫感和明确的完成愿景。 2. 了解目标客户 方法:通过采访和调研,确定目标客户群体。 发现:大多数人不处理他们的个人财务,而真正关心财务状况的人群年轻且积极寻求财务建议。 3. 营销渠道的选择与执行 内容营销:创建与目标客户相关的博客内容,定期发布。 合作伙伴关系:与个人理财博客和相关网站合作,进行品牌推广。 社交媒体活动:通过社交媒体平台推广产品和内容。 4. 建立邮件列表 方法:通过提供有价值的内容(如财务提示时事通讯),吸引用户订阅邮件列表。 5. 利用未充分利用的营销渠道 方法:识别和利用被低估或未被充分利用的营销渠道(如小型个人理财博客)。 6. 追踪和评估营销活动 方法:跟踪不同营销渠道的表现,识别哪些渠道最有效,并据此调整策略。 7. 与目标客户建立关系 方法:通过直接与目标客户交流(如采访、调研、社交媒体互动等)来了解他们的需求和偏好。 8. 产品发布策略 成功案例: 40上发布,并在六个月内吸引了超过一百万用户。 结论与建议 博主强调了明确目标、了解目标客户、选择合适的营销渠道、建立并维护客户关系以及持续追踪评估营销活动效果的重要性。通过这些策略,即使在产品尚未发布时,也可以开始建立潜在客户基础和市场影响力。

Yangyi

64,073 views • 2 years ago