Loading video...

Video Failed to Load

Go Home

.【🎉大師聯盟模擬器 繁體中文版 正式上線🎉】 致全世界所有熱愛《G世代》的兄弟們 大家好！我是日本的YouTuber「夏亞村（Char-Mura）」。 我製作了一個可以自由測試與研究「大師聯盟」戰鬥及陣容的【MASTER LEAGUE SIMULATOR（大師聯盟模擬器）】。現在終於支援繁體中文了，請大家務必來玩玩看！ ① AI陣容搜尋功能 ② 部隊儲存功能 ③ 單位管理功能 (MY BOX) ④ 好友模擬對戰功能 🙇對大家的小小請求🙇 因為是透過翻譯製作的，如果中文敘述有奇怪的地方，歡迎告訴我，我會一步步修正的！ 另外，目前模擬器還在持續開發中，可能還會有一些Bug… 如果在亂數測試中發現「傷害計算怪怪的」或是「機體行動有問題」，請直接在模擬結束後點擊『🚨不具合報告』告訴我‼️ 未來還計畫實裝：地圖武器（MAP兵器）、機體與陣容使用率排行榜、玩家貢獻度排行榜等精彩功能。請大家慢慢享受這個工具吧🙌 ▶️ 立即體驗大師聯盟模擬器‼️ #G世代永恆 #G世代 #GGenEternal

HangerLab's profile picture

シャア村

1,501 subscribers

34,636 views • 3 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。 在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。 然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。 但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。 實體 AI 的最大瓶頸：資料飢渴症 為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。 這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。 模擬世界的核能：突破資料荒的救星 要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略： 模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。 方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。 優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。 限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。 模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。 方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。 優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。 限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。 模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。 方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。 優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。 這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。 速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。 具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。 藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。 物理 API：通往新世界的入口 實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。 這將催生全新的經濟模式和應用場景： 物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。 物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。
17:33

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。 在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。 然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。 但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。 實體 AI 的最大瓶頸：資料飢渴症 為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。 這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。 模擬世界的核能：突破資料荒的救星 要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略： 模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。 方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。 優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。 限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。 模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。 方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。 優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。 限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。 模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。 方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。 優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。 這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。 速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。 具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。 藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。 物理 API：通往新世界的入口 實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。 這將催生全新的經濟模式和應用場景： 物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。 物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

fox hsiao

19,455 views • 1 year ago

新一代股神也看好機器人 / Physical AI 賽道了。 我把鏈上剩下的 SOL 都拿去買 CodecFlow 放著了，不然拿著 SOL也是一直跌，就當長期投資看好的賽道了😂 Codec 大概是我看到目前幣圈機器人賽道中最優質項目了。 不是單純蹭 AI Agent 敘事，而是真的在做 Robotics 的底層執行層，讓 AI 不只會聊天、會思考，而是能夠在模擬環境、桌面環境，甚至未來的實體機器人裡執行任務。 團隊本身對 Robot 開發經驗很深，基本上有新的Robot技術他們也第一時間做嘗試整合進codec核心，團隊也和 Hugging Face LeRobot 生態有合作關係（LeRobot 目前算是開源機器人學習裡很重要的方向） 我也去玩了一下 Codec 最近做的 SimArena，SimArena 簡單講就是讓你可以直接在瀏覽器裡建立機器人模擬環境、跑任務、收集資料，甚至接到後續訓練流程，確實滿好玩的，雖然v1感覺還是有點難上手，但我還是模擬操作了近期很夯的狗狗機器人跟G1 機器人。 團隊也說很多大學和 bootcamp 已經開始用 SimArena 了，一般搞模擬基本上要搞好幾週的環境設定，現在 2-3 小時就能跑起來，也算是把機器人開發的門檻打下來了。 這樣一直在Build的優質項目才3M，我感覺還是有點低估了。 Always DYOR。
0:32

新一代股神也看好機器人 / Physical AI 賽道了。 我把鏈上剩下的 SOL 都拿去買 CodecFlow 放著了，不然拿著 SOL也是一直跌，就當長期投資看好的賽道了😂 Codec 大概是我看到目前幣圈機器人賽道中最優質項目了。 不是單純蹭 AI Agent 敘事，而是真的在做 Robotics 的底層執行層，讓 AI 不只會聊天、會思考，而是能夠在模擬環境、桌面環境，甚至未來的實體機器人裡執行任務。 團隊本身對 Robot 開發經驗很深，基本上有新的Robot技術他們也第一時間做嘗試整合進codec核心，團隊也和 Hugging Face LeRobot 生態有合作關係（LeRobot 目前算是開源機器人學習裡很重要的方向） 我也去玩了一下 Codec 最近做的 SimArena，SimArena 簡單講就是讓你可以直接在瀏覽器裡建立機器人模擬環境、跑任務、收集資料，甚至接到後續訓練流程，確實滿好玩的，雖然v1感覺還是有點難上手，但我還是模擬操作了近期很夯的狗狗機器人跟G1 機器人。 團隊也說很多大學和 bootcamp 已經開始用 SimArena 了，一般搞模擬基本上要搞好幾週的環境設定，現在 2-3 小時就能跑起來，也算是把機器人開發的門檻打下來了。 這樣一直在Build的優質項目才3M，我感覺還是有點低估了。 Always DYOR。

0xFunky

23,301 views • 1 month ago

好久沒有用這樣的方式跟大家說說話 成立網站至今也將近一年了，一年來謝謝大家的支持，我們才能堅持下去 這一年來我們也面臨很多很多事情，但我想是因為有支持我們的你們，我們才會盡量找好的模特來合作 這個月我們會有新的網紅聯名合作請大家期待，大家曾經許願的內容我們也在評估可行性，有些訊息可能被淹沒沒有每個都回到，這點以後我會改進，盡量聽到每一個需求，但信息量龐大也請各位見諒 請大家繼續支持TBFS，有辦法到VIP的話也可以趕快變成VIP以免後續厲害的影片沒辦法看 放上我們可愛的阿謙拍攝影片的幕後花絮 請大家多多支持我們，謝謝你們❤️ 阿謙
0:36

好久沒有用這樣的方式跟大家說說話 成立網站至今也將近一年了，一年來謝謝大家的支持，我們才能堅持下去 這一年來我們也面臨很多很多事情，但我想是因為有支持我們的你們，我們才會盡量找好的模特來合作 這個月我們會有新的網紅聯名合作請大家期待，大家曾經許願的內容我們也在評估可行性，有些訊息可能被淹沒沒有每個都回到，這點以後我會改進，盡量聽到每一個需求，但信息量龐大也請各位見諒 請大家繼續支持TBFS，有辦法到VIP的話也可以趕快變成VIP以免後續厲害的影片沒辦法看 放上我們可愛的阿謙拍攝影片的幕後花絮 請大家多多支持我們，謝謝你們❤️ 阿謙

台灣視頻原創-TBFS

58,858 views • 1 year ago

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。 以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合 未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響 儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。 實體世界科技的停滯 與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出： 過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。 高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。 科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡： 在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。 這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。 監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。
3:11

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。 以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合 未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響 儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。 實體世界科技的停滯 與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出： 過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。 高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。 科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡： 在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。 這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。 監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。

Intl Econ Observe

17,041 views • 1 year ago

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」 距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。 建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。 本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個 「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。 「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的 端到端（End-to-End） 決策。 這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於 典範轉移 的豪賭，賭注是未來所有機器人的作業系統。 駕馭維度災難：從「數據瀑布」到「二階效應」的預判 轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達 二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。 這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是 精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的 邊緣案例（corner cases）。 這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。 用高品質的邊緣數據餵養端到端模型，其回報是驚人的 預判能力。 在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於 時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。 「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」 這種對 二階效應 的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。 破解黑盒子：端到端系統的「可解讀性」 端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？ 特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重 輔助任務（auxiliary tasks）。雖然模型最終的 唯一 目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。 這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。 特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。 這些輔助任務就像鷹架，在模型建構階段提供支撐與 可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的 確定性延遲。 終極試煉場：用「神經網路世界模擬器」發動閉環戰爭 「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的 每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。 你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？ 特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。 這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的 生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。 這個模擬器強大到令人畏懼： 高度一致性： 它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。 可控性： 這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。 對抗性生成： 工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。 這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的 閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的 強化學習 與 對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。 終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。 「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的 物理世界AI引擎。 汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。 特斯拉已經全力押注在機器人技術上。這場圍繞 端到端典範 與 神經網路模擬器 的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。
30:34

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」 距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。 建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。 本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個 「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。 「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的 端到端（End-to-End） 決策。 這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於 典範轉移 的豪賭，賭注是未來所有機器人的作業系統。 駕馭維度災難：從「數據瀑布」到「二階效應」的預判 轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達 二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。 這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是 精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的 邊緣案例（corner cases）。 這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。 用高品質的邊緣數據餵養端到端模型，其回報是驚人的 預判能力。 在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於 時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。 「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」 這種對 二階效應 的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。 破解黑盒子：端到端系統的「可解讀性」 端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？ 特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重 輔助任務（auxiliary tasks）。雖然模型最終的 唯一 目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。 這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。 特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。 這些輔助任務就像鷹架，在模型建構階段提供支撐與 可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的 確定性延遲。 終極試煉場：用「神經網路世界模擬器」發動閉環戰爭 「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的 每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。 你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？ 特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。 這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的 生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。 這個模擬器強大到令人畏懼： 高度一致性： 它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。 可控性： 這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。 對抗性生成： 工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。 這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的 閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的 強化學習 與 對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。 終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。 「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的 物理世界AI引擎。 汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。 特斯拉已經全力押注在機器人技術上。這場圍繞 端到端典範 與 神經網路模擬器 的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。

fox hsiao

29,458 views • 9 months ago

🔥🔥🔥全世界必須正視新中國聯邦 我們一定會很快的時間看到世界三個集體解體: 1、共產黨一定會消失。 2、歐盟 一定解體。 3、古巴、🔴委內瑞拉等南美國家一定徹底重來。 世界將出現四大強國。 最核心的是在沒有共產黨後的時代，中國有個群體叫新中國聯邦。 全世界都必須正視新中國聯邦。 ✊Free Miles Guo to save America! 🇺🇸 🤜Take Down The Evil CCP! 郭文貴先生向全世界揭露中國共產黨與黑暗勢力的一切反人類罪行，在紐約失去自由1024天。 近百年來能撼動CCP邪惡政權的唯一一人
2:31

🔥🔥🔥全世界必須正視新中國聯邦 我們一定會很快的時間看到世界三個集體解體: 1、共產黨一定會消失。 2、歐盟 一定解體。 3、古巴、🔴委內瑞拉等南美國家一定徹底重來。 世界將出現四大強國。 最核心的是在沒有共產黨後的時代，中國有個群體叫新中國聯邦。 全世界都必須正視新中國聯邦。 ✊Free Miles Guo to save America! 🇺🇸 🤜Take Down The Evil CCP! 郭文貴先生向全世界揭露中國共產黨與黑暗勢力的一切反人類罪行，在紐約失去自由1024天。 近百年來能撼動CCP邪惡政權的唯一一人

Smile😊Stone

31,911 views • 6 months ago

（民進黨委員們向場外抗爭民眾道謝） 謝謝你們 其實在今天早上一開始的時候 我們就設定了，我們要想辦法把戰線給拉長 因為只有在戰線拉長的狀況下 外在聲援的能量才能逐步的滾大 但有一點出乎大家意料的事情 是這個外在聲援的能量其實 我想可能都比大家想的都還要來的大 人數真的比我們原本想的多、非常多 甚至從這一開始其實在聚集前 9點就已經有兩三百人那到中午 我記得看到今天將近有三千人 後來到傍晚 那個雨真的是打在身上都會痛的雨 但大家並沒有因為那場雨而離開 果然是在雨停了 以後那個人數更是快速的大量的聚集 甚至一直到 我想大家都知道最後到了三萬人 我現在講到這個數字 還是覺得很震驚 我們今天的策略 我認為是有效的 所以最後今天一整天下來 其實藍白的通過的條數還是非常少 其實現在還留了可能三十幾條 四十條的條文還沒處理 所以最後我們跟黨團的成員一起 上到天橋跟大家謝謝打招呼的時候 我看到這麼多的群眾 我其實有一種很深的感覺 是其實這個幾乎是看不見底的人龍 已經長成一個大型的民主教室 除了謝謝大家以外 我其實有一個很深的感受是 我覺得民進黨面對或面向這樣 一個新世代的民主力量 其實我們也是需要一起學習的 我們更需要在這樣子的力量前面 我們也需要更謙卑 這是我今天最深最深的感受
3:07

（民進黨委員們向場外抗爭民眾道謝） 謝謝你們 其實在今天早上一開始的時候 我們就設定了，我們要想辦法把戰線給拉長 因為只有在戰線拉長的狀況下 外在聲援的能量才能逐步的滾大 但有一點出乎大家意料的事情 是這個外在聲援的能量其實 我想可能都比大家想的都還要來的大 人數真的比我們原本想的多、非常多 甚至從這一開始其實在聚集前 9點就已經有兩三百人那到中午 我記得看到今天將近有三千人 後來到傍晚 那個雨真的是打在身上都會痛的雨 但大家並沒有因為那場雨而離開 果然是在雨停了 以後那個人數更是快速的大量的聚集 甚至一直到 我想大家都知道最後到了三萬人 我現在講到這個數字 還是覺得很震驚 我們今天的策略 我認為是有效的 所以最後今天一整天下來 其實藍白的通過的條數還是非常少 其實現在還留了可能三十幾條 四十條的條文還沒處理 所以最後我們跟黨團的成員一起 上到天橋跟大家謝謝打招呼的時候 我看到這麼多的群眾 我其實有一種很深的感覺 是其實這個幾乎是看不見底的人龍 已經長成一個大型的民主教室 除了謝謝大家以外 我其實有一個很深的感受是 我覺得民進黨面對或面向這樣 一個新世代的民主力量 其實我們也是需要一起學習的 我們更需要在這樣子的力量前面 我們也需要更謙卑 這是我今天最深最深的感受

洪申翰 Hung,Sun-Han

100,132 views • 2 years ago

針對外界對 #勞動部 #就安基金 支用的質疑，我的態度，很清楚：在釐清事實後，該檢討的，我們就檢討。 如果涉及到具體的不法事證，該送政風、送檢調的，我絕對不會護短。 上週在我一上任後，我就有指示同仁，我們必須要針對就安基金的支用進行檢討。 在檢視的過程中，我們確實有發現，部分的項目的確有不合宜、或是會讓社會大眾觀感不佳的狀況。 所以我也要求同仁，應該要儘速邀請第三方的外部專家，針對如何再強化就安基金管理的機制，給予專業的意見。 我們會在諮詢專家之後，進行規劃跟研擬，儘速提出一個就安基金管理機制強化的方案。 再說一次！該面對問題的，我們絕對不會逃避！
0:53

針對外界對 #勞動部 #就安基金 支用的質疑，我的態度，很清楚：在釐清事實後，該檢討的，我們就檢討。 如果涉及到具體的不法事證，該送政風、送檢調的，我絕對不會護短。 上週在我一上任後，我就有指示同仁，我們必須要針對就安基金的支用進行檢討。 在檢視的過程中，我們確實有發現，部分的項目的確有不合宜、或是會讓社會大眾觀感不佳的狀況。 所以我也要求同仁，應該要儘速邀請第三方的外部專家，針對如何再強化就安基金管理的機制，給予專業的意見。 我們會在諮詢專家之後，進行規劃跟研擬，儘速提出一個就安基金管理機制強化的方案。 再說一次！該面對問題的，我們絕對不會逃避！

洪申翰 Hung,Sun-Han

17,764 views • 1 year ago

【教學相關】 大家晚安～！ 最後再提醒一下大家， 阿哲的《動畫概念班》第五期 報名只剩下最後三天就要截止囉！鬍渣阿哲 (Rui) 有在考慮、或是還在觀望的同學，記得把握時間多參考看看喔～☺ 另外，我們 明天晚上特別安排了一場「課程專用 QA 直播」！ 只要是和課程相關的疑問、想了解的內容， 或是還在猶豫的地方， 都非常歡迎直接在直播中發問， 我們會現場為大家解答！ 📅 12/15｜台灣時間 📍 Discord｜RedSodaClass教學大群 ・直播舞台：官方直播舞台 ・提問請到：直播聊天 （直播結束後，影片會放到官網的免費回放區） 如果只有 QA 覺得有點單調的話， 我和阿哲老師可能也會順便來一段小技巧分享（？） 歡迎大家一起來聊聊～！ 另外也附上影片， 是這一期第五期動畫班中， 阿哲老師特別為大家準備的動畫檔案， 模型都已經綁好，可以直接拿來研究參考喔！ #SODAART #線上直播 #教學課程
0:53

【教學相關】 大家晚安～！ 最後再提醒一下大家， 阿哲的《動畫概念班》第五期 報名只剩下最後三天就要截止囉！鬍渣阿哲 (Rui) 有在考慮、或是還在觀望的同學，記得把握時間多參考看看喔～☺ 另外，我們 明天晚上特別安排了一場「課程專用 QA 直播」！ 只要是和課程相關的疑問、想了解的內容， 或是還在猶豫的地方， 都非常歡迎直接在直播中發問， 我們會現場為大家解答！ 📅 12/15｜台灣時間 📍 Discord｜RedSodaClass教學大群 ・直播舞台：官方直播舞台 ・提問請到：直播聊天 （直播結束後，影片會放到官網的免費回放區） 如果只有 QA 覺得有點單調的話， 我和阿哲老師可能也會順便來一段小技巧分享（？） 歡迎大家一起來聊聊～！ 另外也附上影片， 是這一期第五期動畫班中， 阿哲老師特別為大家準備的動畫檔案， 模型都已經綁好，可以直接拿來研究參考喔！ #SODAART #線上直播 #教學課程

【SODAART】Red SodaのLive2D

27,528 views • 7 months ago

#極端的反對或贊成對社會不會帶來進步的推動 藝人小嫻： 很多團體反對代孕的時候，我聽到這些聲音，其實心裡是很開心的，大家反對就是因為有這麼多的案例在國外發生 有很多商業代孕的行為，導致悲慘的事情發生，所以這些反對團體的聲音，我們是非常需要重視的 台灣很進步，我們不想要有悲劇發生，所以才會有反對的聲音，我非常尊重他們的聲音，不會因為他們反對代孕就覺得悲傷 「極端的贊成或是極端的反對，對社會都不會帶來進步的推動」 所以我想要把光譜往中間移動一點點。我們要很嚴格的來審法，嚴格做居中的機構….. 我也曾經到美國找代孕，我發現一個很簡單的道理，#沒有人可以逼迫另外一個人做他不想做的事情 對於代孕跟委托的媒合也非常重要，兩個人可以同意到什麼樣的程度，所有的細項、所有會發生的意外，能夠接受承擔到什麼樣的程度，生養小孩都要經過一再的上課、考慮、反悔，代孕也是，你可以考慮、可以反悔、你必須要上課…. 如果未來沒有通過、我也能接受自己是個完美的人 ==================== 我個人雖然偏向反對，但很感動也欣賞小嫻能夠客觀地看待代孕的議題，設身處地為代孕者著想 補充：小嫻「未來代孕通過，代孕者和寶寶如果有安全的考量，我會優先選擇代孕者的生命，因為 #沒有人有義務幫你這麼多」 推薦完整影片🔗
1:53

#極端的反對或贊成對社會不會帶來進步的推動 藝人小嫻： 很多團體反對代孕的時候，我聽到這些聲音，其實心裡是很開心的，大家反對就是因為有這麼多的案例在國外發生 有很多商業代孕的行為，導致悲慘的事情發生，所以這些反對團體的聲音，我們是非常需要重視的 台灣很進步，我們不想要有悲劇發生，所以才會有反對的聲音，我非常尊重他們的聲音，不會因為他們反對代孕就覺得悲傷 「極端的贊成或是極端的反對，對社會都不會帶來進步的推動」 所以我想要把光譜往中間移動一點點。我們要很嚴格的來審法，嚴格做居中的機構….. 我也曾經到美國找代孕，我發現一個很簡單的道理，#沒有人可以逼迫另外一個人做他不想做的事情 對於代孕跟委托的媒合也非常重要，兩個人可以同意到什麼樣的程度，所有的細項、所有會發生的意外，能夠接受承擔到什麼樣的程度，生養小孩都要經過一再的上課、考慮、反悔，代孕也是，你可以考慮、可以反悔、你必須要上課…. 如果未來沒有通過、我也能接受自己是個完美的人 ==================== 我個人雖然偏向反對，但很感動也欣賞小嫻能夠客觀地看待代孕的議題，設身處地為代孕者著想 補充：小嫻「未來代孕通過，代孕者和寶寶如果有安全的考量，我會優先選擇代孕者的生命，因為 #沒有人有義務幫你這麼多」 推薦完整影片🔗

𝓣𝓸𝓪𝓷𝓷𝓮 ღˇ◡ˇ)

157,972 views • 2 years ago

風暴倏忽而至，正在摧殘我們的家園 但請不必擔心，終末地工業已做好了準備—— 嶄新的技術結晶等待著您的調度 請大膽嘗試吧，我們相信困難將隨您的步伐迎刃而解 塔衛二正等待著您，管理員，一如既往 《明日方舟：終末地》【再次測試】招募開啟 點擊【官網連結】參與測試招募 官網： 【再次測試】實機畫面PV將於近期發布 期待您與這個世界的再次會面 更多資訊請關注後續發布的【再次測試】相關說明 感謝管理員的關注與支持~ YT傳送門： 現在追蹤我們並在12/27前轉發這則貼文，我們將在活動結束後七個工作天抽出5位管理員送出【周邊搖搖樂】一份，並會透過X訊息聯繫獲獎管理員~ #明日方舟終末地 #終末地
3:08

風暴倏忽而至，正在摧殘我們的家園 但請不必擔心，終末地工業已做好了準備—— 嶄新的技術結晶等待著您的調度 請大膽嘗試吧，我們相信困難將隨您的步伐迎刃而解 塔衛二正等待著您，管理員，一如既往 《明日方舟：終末地》【再次測試】招募開啟 點擊【官網連結】參與測試招募 官網： 【再次測試】實機畫面PV將於近期發布 期待您與這個世界的再次會面 更多資訊請關注後續發布的【再次測試】相關說明 感謝管理員的關注與支持~ YT傳送門： 現在追蹤我們並在12/27前轉發這則貼文，我們將在活動結束後七個工作天抽出5位管理員送出【周邊搖搖樂】一份，並會透過X訊息聯繫獲獎管理員~ #明日方舟終末地 #終末地

明日方舟：終末地

80,941 views • 1 year ago

中國國民黨反共大師明居正教授說，中共沒有民主化的那一天，但中國（大陸）有。他說，蘇聯如此強大都已瓦解，中共為何不能瓦解？ 而且大家不要忘記這件事情，當年的蘇聯都比中共強大非常非常多。如果蘇聯都能瓦解的話，那中共會不會瓦解，當然會。如果中共不瓦解的話，我們政治學白念了。我們說暴政必亡，歷史上就是這樣講的。如果暴政不亡的話，我們今天都被秦始皇統治了，就是暴政會亡。 所以中國歷史未來會這樣寫，中國（大陸）從1949年到20某一年曾經共產過，或曾鬧過共產過，結束了。所以迎來的是會是民主化中國。 所以當中國大陸發生「蘇東波」，請問各位，中國抓在誰的手上，對我們台灣最安全？中華民國手上最安全。對嘛！
2:05

中國國民黨反共大師明居正教授說，中共沒有民主化的那一天，但中國（大陸）有。他說，蘇聯如此強大都已瓦解，中共為何不能瓦解？ 而且大家不要忘記這件事情，當年的蘇聯都比中共強大非常非常多。如果蘇聯都能瓦解的話，那中共會不會瓦解，當然會。如果中共不瓦解的話，我們政治學白念了。我們說暴政必亡，歷史上就是這樣講的。如果暴政不亡的話，我們今天都被秦始皇統治了，就是暴政會亡。 所以中國歷史未來會這樣寫，中國（大陸）從1949年到20某一年曾經共產過，或曾鬧過共產過，結束了。所以迎來的是會是民主化中國。 所以當中國大陸發生「蘇東波」，請問各位，中國抓在誰的手上，對我們台灣最安全？中華民國手上最安全。對嘛！

中華民國光復者🇹🇼 🇺🇦 🇺🇸🇯🇵🇰🇷

168,534 views • 2 years ago

測試網站開出來了 一開始用vercel部屬卡關花了不少時間，後來直接轉戰部屬cloudrun就輕鬆多了，之後有機會也會教大家怎麼讓AI一步一步教你完成雲端上線你的APP。 開放 "3天" 的 Free Trail 給大家測試玩玩看，燒我的OpenAI API (我有設budget，各位別用太兇...)，直接連到網站輸入資訊就可以分析了，希望有測的都可以給我一些Feedback，Git Repo也可以幫我點個星星🙏 測試連結: Git: 不得不說這個框架能改還有家的東西可多了，仔細看產出的Report內容也還不錯 (不過我測一些小幣效果比較差，應該是目前社群分析接的data來源比較爛)，之後接上更多的data source還有加入更多Agents應該會讓效果更好，後面說不定甚至可以接MCP直接操作下單，能玩的東西好多！有興趣合作或贊助的歡迎DM！
0:50

測試網站開出來了 一開始用vercel部屬卡關花了不少時間，後來直接轉戰部屬cloudrun就輕鬆多了，之後有機會也會教大家怎麼讓AI一步一步教你完成雲端上線你的APP。 開放 "3天" 的 Free Trail 給大家測試玩玩看，燒我的OpenAI API (我有設budget，各位別用太兇...)，直接連到網站輸入資訊就可以分析了，希望有測的都可以給我一些Feedback，Git Repo也可以幫我點個星星🙏 測試連結: Git: 不得不說這個框架能改還有家的東西可多了，仔細看產出的Report內容也還不錯 (不過我測一些小幣效果比較差，應該是目前社群分析接的data來源比較爛)，之後接上更多的data source還有加入更多Agents應該會讓效果更好，後面說不定甚至可以接MCP直接操作下單，能玩的東西好多！有興趣合作或贊助的歡迎DM！

0xFunky

29,870 views • 1 year ago

這次是逼中國「動物保護法」立法最近的一次了。 如果這次被大浪壓下去，以後再想立法，就真的難了。所以不能放棄，求求大家，千萬千萬不能放棄！ 大家有沒有發現，最近刷到的相關貼文變少了？ 請不要沮喪，這不是我們不在了，只是大浪拍過來了。中國政府浪想讓我們產生孤立無援的錯覺，想讓我們以為大家都散了，好把我們一一沖散。 我們不要害怕，做好自己能做的事。 在堅持發聲的同時，也請務必注意自身的安全。 我們今天站出來，不只是為了揭陽「旺旺」一家，更是為了牠們背後，那千千萬萬、無處可逃的可憐毛孩子！ 旺旺在面對殘酷時都堅持了那麼久，我們作為牠們的底氣，更沒有理由放棄！ 文字的力量或許很小，但千千萬萬個聲音匯聚起來，就能成為改變命運的法律高牆。 動物保護法立法，為了旺旺，為了每一個無辜的小動物！ 請幫忙動動手指轉發，讓微光匯聚，讓惡行止步。🐾 #旺旺 #wangwang
0:36

這次是逼中國「動物保護法」立法最近的一次了。 如果這次被大浪壓下去，以後再想立法，就真的難了。所以不能放棄，求求大家，千萬千萬不能放棄！ 大家有沒有發現，最近刷到的相關貼文變少了？ 請不要沮喪，這不是我們不在了，只是大浪拍過來了。中國政府浪想讓我們產生孤立無援的錯覺，想讓我們以為大家都散了，好把我們一一沖散。 我們不要害怕，做好自己能做的事。 在堅持發聲的同時，也請務必注意自身的安全。 我們今天站出來，不只是為了揭陽「旺旺」一家，更是為了牠們背後，那千千萬萬、無處可逃的可憐毛孩子！ 旺旺在面對殘酷時都堅持了那麼久，我們作為牠們的底氣，更沒有理由放棄！ 文字的力量或許很小，但千千萬萬個聲音匯聚起來，就能成為改變命運的法律高牆。 動物保護法立法，為了旺旺，為了每一個無辜的小動物！ 請幫忙動動手指轉發，讓微光匯聚，讓惡行止步。🐾 #旺旺 #wangwang

小貓看世界@子猫から見た世界

13,612 views • 7 days ago

坦白說 我沒有想到在今天是下雨的 這樣子的天氣 還有這麼多人那 我相信裡面可能很多甚至是請假來的 或各種放下手邊自己現在正在做的事情 而到這個地方 這代表這麼多的人其實是在意 我們其實好不容易建立起來的 國會的民主制度現在正在崩潰之中 我很清楚知道現在民進黨其實 在國會裡面其實確實就是少數 所以每一次的表決 我們很可能都贏不了 可是真正最重要的力量其實就是 在公民社會就是在外面這些聲音 因為這些聲音是黃國昌 傅崐萁 及韓國瑜 擋也擋不下來的聲音 其實我覺得這是現在這一場戰役 我覺得還存在的一些希望 當然這場戰役可能還要持續很長一段時間 我覺得我們彼此互相的打氣很重要 不然現在藍白的這種聯手 把國會圍起來幹壞事的聯手 其實它的力量是很大的 我覺得我們要有更強的彼此的連結 甚至互相的聲援跟互相的支持
2:26

坦白說 我沒有想到在今天是下雨的 這樣子的天氣 還有這麼多人那 我相信裡面可能很多甚至是請假來的 或各種放下手邊自己現在正在做的事情 而到這個地方 這代表這麼多的人其實是在意 我們其實好不容易建立起來的 國會的民主制度現在正在崩潰之中 我很清楚知道現在民進黨其實 在國會裡面其實確實就是少數 所以每一次的表決 我們很可能都贏不了 可是真正最重要的力量其實就是 在公民社會就是在外面這些聲音 因為這些聲音是黃國昌 傅崐萁 及韓國瑜 擋也擋不下來的聲音 其實我覺得這是現在這一場戰役 我覺得還存在的一些希望 當然這場戰役可能還要持續很長一段時間 我覺得我們彼此互相的打氣很重要 不然現在藍白的這種聯手 把國會圍起來幹壞事的聯手 其實它的力量是很大的 我覺得我們要有更強的彼此的連結 甚至互相的聲援跟互相的支持

洪申翰 Hung,Sun-Han

87,225 views • 2 years ago

【大地悲歌】2️⃣0️⃣6️⃣9️⃣ 中國人眼前有兩堵牆—— 一堵墙擋住了真實的中國！ 一堵墙擋住了真實的世界！ ——這兩堵牆構成了一種特殊的認知牢籠,使得中國人在精神和思想的層面陷入封閉與自我循環之中。 🧱第一堵牆是對真實中國的遮蔽，這堵牆由宣傳體系、輿論引導、信息過濾與自我審查共同築起。 許多中國人自以為了解國家自豪於道路自信、盛世凱歌、中國夢……卻無法接觸那些被刪改、被禁止和被迫沉默的聲音！ 中國的社會問題——如底層群體的困境、官僚體系的僵化、腐敗、司法的不健全、不公平、公民權利的被侵犯常常被包裹在宏大的敘事和響亮的口號之中被輕易的忽略和遺忘！ 制度性的缺陷從未被真正的反思——李克強所說的月收入不足一千元的六億龐大群體的聲音在整個社會微不可聞！ 🧱第二堵牆是對真實世界的隔離，這堵牆的存在不僅體現在防火長城、對外部信息的技術封鎖、更深刻的體現在官方敘事對世界的系統性的大肆歪曲！ 這種敘事中世界充滿敵意；中國被圍堵、被遏制；西方國家衰落分裂、失去方向…… 而中國則是世界未來的希望和人類命運共同體的燈塔。 這樣的敘事製造了強烈的公眾的對立心態 使得普通中國人在理解國際事務時、總習慣以陰謀論和鬥爭的邏輯來分析問題 。一旦有人試圖引用西方的普世價值如言論自由、司法獨立、代以民主， 便很容易被貼上崇洋媚外和精神殖民的標籤,從而被排斥在主流話語體系之外。 這堵牆不僅切斷了信息的自由流動、也抹殺了理解世界、學習世界、與世界建立真實聯繫的可能性。人們既無法全面了解自己所處的社會、也難以與世界建立真正的對話關係。 這使得國家的外交常常陷入戰狼的誤區 而改革則在盲目自負中失去動力。一個真正強大的國家不懼怕看見自己,也不害怕被世界看見。如果中國想成為一個受人尊敬的國家、就必須讓國人有能力看清楚真實的中國,也有權利看見真實的世界。 要做到這一點就必須有人有勇氣開始拆掉這兩堵牆！哪怕只是一磚一瓦、哪怕只是一個沒有流量的YouTube小視頻。 🔗 #大地悲歌 #NFSCHAS澳喜特戰五中隊 #奴役中國老百姓的中共是非法的 #中共不等于中国人 #TDCCP #NFSC
2:48

【大地悲歌】2️⃣0️⃣6️⃣9️⃣ 中國人眼前有兩堵牆—— 一堵墙擋住了真實的中國！ 一堵墙擋住了真實的世界！ ——這兩堵牆構成了一種特殊的認知牢籠,使得中國人在精神和思想的層面陷入封閉與自我循環之中。 🧱第一堵牆是對真實中國的遮蔽，這堵牆由宣傳體系、輿論引導、信息過濾與自我審查共同築起。 許多中國人自以為了解國家自豪於道路自信、盛世凱歌、中國夢……卻無法接觸那些被刪改、被禁止和被迫沉默的聲音！ 中國的社會問題——如底層群體的困境、官僚體系的僵化、腐敗、司法的不健全、不公平、公民權利的被侵犯常常被包裹在宏大的敘事和響亮的口號之中被輕易的忽略和遺忘！ 制度性的缺陷從未被真正的反思——李克強所說的月收入不足一千元的六億龐大群體的聲音在整個社會微不可聞！ 🧱第二堵牆是對真實世界的隔離，這堵牆的存在不僅體現在防火長城、對外部信息的技術封鎖、更深刻的體現在官方敘事對世界的系統性的大肆歪曲！ 這種敘事中世界充滿敵意；中國被圍堵、被遏制；西方國家衰落分裂、失去方向…… 而中國則是世界未來的希望和人類命運共同體的燈塔。 這樣的敘事製造了強烈的公眾的對立心態 使得普通中國人在理解國際事務時、總習慣以陰謀論和鬥爭的邏輯來分析問題 。一旦有人試圖引用西方的普世價值如言論自由、司法獨立、代以民主， 便很容易被貼上崇洋媚外和精神殖民的標籤,從而被排斥在主流話語體系之外。 這堵牆不僅切斷了信息的自由流動、也抹殺了理解世界、學習世界、與世界建立真實聯繫的可能性。人們既無法全面了解自己所處的社會、也難以與世界建立真正的對話關係。 這使得國家的外交常常陷入戰狼的誤區 而改革則在盲目自負中失去動力。一個真正強大的國家不懼怕看見自己,也不害怕被世界看見。如果中國想成為一個受人尊敬的國家、就必須讓國人有能力看清楚真實的中國,也有權利看見真實的世界。 要做到這一點就必須有人有勇氣開始拆掉這兩堵牆！哪怕只是一磚一瓦、哪怕只是一個沒有流量的YouTube小視頻。 🔗 #大地悲歌 #NFSCHAS澳喜特戰五中隊 #奴役中國老百姓的中共是非法的 #中共不等于中国人 #TDCCP #NFSC

HONG AN🔥

27,738 views • 7 months ago

諸君久違了，今天(7/10)是小竹生日，我們在各平台看見了大家為她悉心籌備的生誕祭，對於大家的心意無任感激。 💖在這美好一天，我們要來宣布另一個好消息—— ✨繼2025年的《魔王君臨》版本更新之後，我們即將在2026年9月15日，推出《崆峒神威》重大更新！✨ 📜更新內容包含但不限於： 📍主線分支《崆峒神威》 1.小梅結緣 2.小竹結緣 📍支線劇情擴充 劇情分支擴充 📍遊戲機制擴充改良 1.全新難度「勇者」模式：敵人的殺意上升，遇強則強，根據玩家實力平衡難度，可以隨時開關 2.新增戰役模式新機制 3.四師兄訛詐你的新伎倆 4.對話介面放大機能：讓文本字體隨著UI整個兒變大！！ 🐯本次PV委由「虎皮卷事務所」操刀製作，精彩內容即日公開，敬請欣賞！ ---------------------------------------- 🙏更新消息讓各位久等了，感謝諸君耐心等待；與此同時，鳥熊似乎也有些話想和大家說： 諸君好，我們是鳥熊。 得益於「活俠傳日本語製作會」的努力，以及無數森林之友的傾力支持與協助推廣，繼韓國之後，《活俠傳》也在日本覓得了知音。 這件事情對我們而言意義重大，也給予鳥熊莫大的鼓舞。 無論幾次都要感謝諸君的支持與耐心等候，所有鼓勵都有入我心中。 能夠讓更多海外玩家接觸拙作《活俠傳》，從而瞭解武俠文化，甚至從中得到勇氣，是我們一直以來所期待的事情。 謹代表原始森林全體成員，向長期投注熱血進行翻譯工作、協助推廣《活俠傳》的夥伴，以及所有支持《活俠傳》的玩家表達誠摯的感激之情，因為有大家一路以來的努力，才能讓更多海外玩家有機會認識這部作品，由衷感謝大家。（靈魂鞠躬） #活俠傳 #活侠传 #활협전
1:43

諸君久違了，今天(7/10)是小竹生日，我們在各平台看見了大家為她悉心籌備的生誕祭，對於大家的心意無任感激。 💖在這美好一天，我們要來宣布另一個好消息—— ✨繼2025年的《魔王君臨》版本更新之後，我們即將在2026年9月15日，推出《崆峒神威》重大更新！✨ 📜更新內容包含但不限於： 📍主線分支《崆峒神威》 1.小梅結緣 2.小竹結緣 📍支線劇情擴充 劇情分支擴充 📍遊戲機制擴充改良 1.全新難度「勇者」模式：敵人的殺意上升，遇強則強，根據玩家實力平衡難度，可以隨時開關 2.新增戰役模式新機制 3.四師兄訛詐你的新伎倆 4.對話介面放大機能：讓文本字體隨著UI整個兒變大！！ 🐯本次PV委由「虎皮卷事務所」操刀製作，精彩內容即日公開，敬請欣賞！ ---------------------------------------- 🙏更新消息讓各位久等了，感謝諸君耐心等待；與此同時，鳥熊似乎也有些話想和大家說： 諸君好，我們是鳥熊。 得益於「活俠傳日本語製作會」的努力，以及無數森林之友的傾力支持與協助推廣，繼韓國之後，《活俠傳》也在日本覓得了知音。 這件事情對我們而言意義重大，也給予鳥熊莫大的鼓舞。 無論幾次都要感謝諸君的支持與耐心等候，所有鼓勵都有入我心中。 能夠讓更多海外玩家接觸拙作《活俠傳》，從而瞭解武俠文化，甚至從中得到勇氣，是我們一直以來所期待的事情。 謹代表原始森林全體成員，向長期投注熱血進行翻譯工作、協助推廣《活俠傳》的夥伴，以及所有支持《活俠傳》的玩家表達誠摯的感激之情，因為有大家一路以來的努力，才能讓更多海外玩家有機會認識這部作品，由衷感謝大家。（靈魂鞠躬） #活俠傳 #活侠传 #활협전

原始鳥熊 Obb Studio

362,810 views • 21 days ago

中共用成百上千種酷刑迫害法轮功修煉者已經持續至今25年、法輪功學員成為中共割取器官發黑心財最大受害群體、為了器官健康和移植成功在沒有打麻藥情況下活摘無數法輪功學員器官、中共以活摘器官打殘及打死就地火化等恐怖惡行對法輪功群體正在實行種族滅絕、是21世紀全世界被宗教信仰迫害最嚴重的受難群體，中共對法輪功學員迫害的反人類罪行已經持續至今25年、我不是法輪功但是我和民主同仁們永遠跟法輪功朋友們在一起、法輪功苦難良心呼喚我們必須聲援到底、法輪功朋友們是我的弟兄姊妹和親人、我們共同為真相發生、共同結束中共送上審判台清算共產黨所有罪行。 法輪功425和平上訪25週年、洛杉磯民主同仁聲援法輪功。
5:46

中共用成百上千種酷刑迫害法轮功修煉者已經持續至今25年、法輪功學員成為中共割取器官發黑心財最大受害群體、為了器官健康和移植成功在沒有打麻藥情況下活摘無數法輪功學員器官、中共以活摘器官打殘及打死就地火化等恐怖惡行對法輪功群體正在實行種族滅絕、是21世紀全世界被宗教信仰迫害最嚴重的受難群體，中共對法輪功學員迫害的反人類罪行已經持續至今25年、我不是法輪功但是我和民主同仁們永遠跟法輪功朋友們在一起、法輪功苦難良心呼喚我們必須聲援到底、法輪功朋友們是我的弟兄姊妹和親人、我們共同為真相發生、共同結束中共送上審判台清算共產黨所有罪行。 法輪功425和平上訪25週年、洛杉磯民主同仁聲援法輪功。

界立建

26,966 views • 2 years ago

腿上的飲料真香阿 Perceptron 的代理經濟揭秘 以前我們覺得 AI 只是個好用的聊天機器人 但在 Perceptron Network 的眼裡 AI 應該是個會幫你賺錢的數位員工 他們正在搞一個叫AI 代理基礎設施的東西 讓 AI 代理（Agent）可以自己在網絡中接任務、跑數據 然後賺取回報 最有趣的是這些 AI 代理在 Perceptron 網絡裡的每一份努力 都會變成一種可以證明的價值 這不僅讓開發者有動力去開發更強的 AI 也讓我們普通人有機會擁有一群數位勞工 未來你可能不只是在用 AI 你是在管理一群 Perceptron 的 AI 員工 讓它們在網路世界裡幫你創造現金流 這種數位員工的概念真的超吸引我！ 現在我們每個月付錢給 AI 軟體 但在 Perceptron 的模型下 我們竟然有機會讓 AI 幫我們賺錢 這種從消費者轉身變成老闆的感覺 才是我想要的未來
0:35

腿上的飲料真香阿 Perceptron 的代理經濟揭秘 以前我們覺得 AI 只是個好用的聊天機器人 但在 Perceptron Network 的眼裡 AI 應該是個會幫你賺錢的數位員工 他們正在搞一個叫AI 代理基礎設施的東西 讓 AI 代理（Agent）可以自己在網絡中接任務、跑數據 然後賺取回報 最有趣的是這些 AI 代理在 Perceptron 網絡裡的每一份努力 都會變成一種可以證明的價值 這不僅讓開發者有動力去開發更強的 AI 也讓我們普通人有機會擁有一群數位勞工 未來你可能不只是在用 AI 你是在管理一群 Perceptron 的 AI 員工 讓它們在網路世界裡幫你創造現金流 這種數位員工的概念真的超吸引我！ 現在我們每個月付錢給 AI 軟體 但在 Perceptron 的模型下 我們竟然有機會讓 AI 幫我們賺錢 這種從消費者轉身變成老闆的感覺 才是我想要的未來

小美哥🕊️｜🐬TermMax

48,288 views • 5 months ago