正在加载视频...

视频加载失败

【留影机应援】20260216 金秀贤|金秀贤2026生日应援 纽约时代广场大屏投放认证 坐标纽约百老汇大道,第46街与47街的交汇处。曼哈顿街头不息的喧嚣中,准时见证了这份跨越经纬的闪耀🌟 大屏上,是他多年来一个个经典角色的混剪。我们回溯他走过的每一个脚步、见证他赋予每一个角色的独特灵魂,更期待他的回归。愿他继续在荧幕里发光发亮,去创造更多无法被替代的精彩。 在这片全球瞩目的聚光灯下,祝金秀贤生日快乐🎂愿你更坚毅、丰盈,在更大的世界里,开启下一段广阔的旅程💐 #WeStandWithKimSooHyun #金秀賢 #キムスヒョン #คิมซูฮยอน #김수현 #kimsoohyun #김수현생일축하해 #happysoohyunday #HBD김수현

11,689 次观看 • 7 个月前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

一位年轻的SpaceX员工问埃隆,如果他们在有生之年无法到达火星,会发生什么。房间里挤满了工程师,这个问题比任何人预料的都要沉重。 这是一个简单的问题,但它触及了SpaceX存在的核心。整个公司,每一个深夜,每一个爆炸的原型,每一个为了发射窗口而错过孩子生日的工程师:一切都指向火星。如果它没有及时发生呢? 埃隆停顿了一下。 他说,目标从来不是亲自登陆火星。关键是要建立不可避免的基础设施。即使他在第一批船员登陆之前去世,系统也会在没有他的情况下推动任务前进。 火箭、工厂、团队、文化——一切都设计得能超越每一个个体。包括他。尤其是他。 然后他说了一句让房间里的人动容的话:如果他相信成功取决于他活着,那他就已经失败了。关键是要建造一些不需要创始人的东西。 他把它比作建造一座大教堂。比如巴塞罗那的圣家堂。中世纪大教堂的建筑师们知道自己会在建筑完工前死去。尽管如此,他们还是设计了它,并为之奉献一生,即使他们永远无法完成。承诺本身就是重点。 SpaceX就是埃隆·马斯克的大教堂。他也许永远不会踏上火星一步。但通往那里的道路将存在,因为他拒绝接受没人会建造它的现实。 世界上最有野心的人已经接受了他的最大成就可能在他死后才实现。 这不是失败。这是信仰某种比自己更大的东西。而这正是让埃隆·马斯克与众不同的原因。 未来的太空人将在他们的宇航服上佩戴他的名字。

心灵书舫 | SoulSloop

17,652 次观看 • 1 个月前

昨晚社团全球首次线下聚会,在深圳 从长沙飞来的、从江门开200公里赶来、从广州、东莞、香港过来的。 30个陌生人,热情洋溢的谈论AI编程。 没一个人会写代码。 卖手机壳的、做跨境电商的、金融to B的、待业带娃的产品经理、香港私募的投资经理…… 我建的AI编程社团第一次线下聚会,来的人比我想象的更杂,也更狠。 做手机壳的哥们说,有个电商老板问他:“Claude Skills能帮我干什么?” 他答不上来,但“感受到了巨大的机会”。 机会还没被定义清楚,所以才是真机会。 做金融to B的大哥更直接。 他已经在研究怎么把skills固化成解决方案, “这东西能卖给客户啊,金融机构太需要这种能力了。” 他说得特笃定,像是已经看到了订单。 香港私募女生一个人负责9个国家的投研, 天天被投资人追着问各种问题。 现在用Skill大幅减轻工作量, 聊到兴奋处直接问我: “你能不能跟我一起推?金融领域遍地都是这种需求。” 我说,不止金融。 各行各业都在涌现,拿着前沿技术,结合你的专业能力,机会会找上门。 聚餐到一半,有人喊“跟老师合个影”。 然后一桌一桌的人起身,端着酒杯过来:“我们这桌一起合个照。” 那一刻我突然意识到: 他们之间已经自发形成了连接。 桌与桌之间,思考在流动,灵感在碰撞,小团队在自然涌现。 小米当年的崛起,就是让米粉参与产品开发, 让信息、资源、创意在社群横向交互中被激发。 而我看到的是:所有人都不会写代码,所有人都在用AI解决问题。 AI编程不是工具,是武器。 据预测,2026年50%的知识工作者会用AI处理30%的日常工作。 但我觉得 当卖手机壳的开始感受到“巨大机会”, 当金融to B的开始琢磨“怎么卖给客户”, 真正的变革才刚刚开始。 散场时已经晚上0点40。 我站在餐厅门口,看着一群一群的人边走边聊,消失在深圳的夜色里。 想起一句话: 人民群众是汪洋大海。我们要做的,就是投身其中。 欢迎加入人民群众!

AI产品黄叔

57,281 次观看 • 8 个月前

我室友是个中国人,在DeepMind做AI研究员,来纽约七个月了。 上周他接到爸妈的电话,说签证被拒了,还收到了驱逐通知,律师那边开口就要2.2万美元的预付款。 第二天早上,他把钱转过去了。"律师费搞定了,跟他们打。" 我问他钱哪来的,他才跟我说了实话。600美元本金,七周时间滚到了5.2万美元,成本为零。 我说你怎么做到的?他说就是在Polymarket上抓退出时机,但这个套利空间现在缩得很快,越来越不好做了。 他把后台数据拉给我看。三个月前,这套东西每周还能赚5500美元,现在只剩2100了。他自己估计,再过四个月,各种机器人就会涌进来,到时候基本没得玩了。 他跟我讲了一个很关键的细节:顶级钱包都是在波动最大的91%位置就退出了,散户呢,非要等那个100%,结果眼睁睁看着利润全吐回去。同样的进场点,结局完全不一样,就差在退出的那一下。 他这套系统其实就四样东西:退出时机的判断、不同品类的隔离、鲸鱼钱包的集群行为追踪、还有资金周转速度。 搭起来倒没费什么劲,用Claude一个周末就搞定了。但现在每个月都能看到新的对手进场,竞争越来越卷。 具体怎么做的呢?他把一个叫poly_data的公开数据库,里面有8600万条交易记录,整个喂给了Claude。Claude分析完之后就问了他一句:部署在哪? 他把这套东西取名叫Kreo。 48小时后,屏幕上数字开始跳了。第一轮跑下来,8100美元利润,204笔交易,73%的胜率,用了四周时间。 它主要跟踪复制的钱包有两个:一个尾号63ce3的,盈利9.4万美元,每次都在91%的位置准时撤;另一个尾号eebde的,盈利8.7万,专门做天气类的预测市场。 但这个窗口确实在慢慢关上,知道这套玩法的人越来越多了。 他跟我说了一句话:我们中国人讲,时机不是运气,是准备碰上了机会。 现在他爸妈那边的签证律师费解决了。而我妈前两天还在问我,你到底什么时候找个正经工作。 #Polymarket

区块链行情研究

60,099 次观看 • 4 个月前

在巴黎戴高乐机场中转休息,有个中国飞行员溜达到埃菲尔铁塔底下,掏出手机。身边游客全在举着杆儿自拍,他没拍。 他屏幕上是一个个绿色的小方框,把每栋楼都套进去了,旁边跳着数字:温度、风速、气压、湿度。这些不是普通天气预报,是他驾驶舱里那些航空传感器直接回传的实时数据。 身后一个女游客好奇,拍了下他肩膀,问这是什么App。 他侧过屏幕让她看了一眼。女的说,她老公也是飞行员,工作时候见过类似的东西。 但她不知道,这软件压根不是为了看天气写的。 名字叫ColdMath。利润102940美金,5419笔预测,2025年11月注册。简介就仨字:Edge Compounds。 钱包在这: 这个App是他有一回在迪拜转机,14个小时空档,用Claude写出来的。拉的是飞行员才盯的那种气象报文——METAR、TAF,真实传感器传上来的,温度精确到零点一度,比公开预报要早好几个小时。这些数据对飞行员来说是免费的,航安要求每个人都得看。 但圈子外头,没人看。 Claude看。拿着这些数去跟预测市场的价格做对比,对不上号,屏幕就亮绿光。 一笔25美元的注,收回来一万二。赌的全是那些地图上翻半天才能找到的小城的温度。 他不是在观光,是在扫描。 巴黎、东京、芝加哥、惠灵顿、亚特兰大、安卡拉、勒克瑙。他的航班本来就要飞到这些地方,每个地方都有气象站。App跟着他一个城市一个城市地走,只要传感器数据和市场开出来的价格有偏差,屏幕就绿。 他的工作把他送到数据跟前,数据把他的钱包送上去。 埃菲尔铁塔下面那个女游客把他手机屏幕拍了下来,发到了自己旅行账号上,配文写:“巴黎偶遇一个中国飞行员,给我看了一个特牛的AR天气App。” 那条帖子一天不到,40万观看。 评论区跟开了场侦破会似的。有人把那些绿色方框和Polymarket上的合约代码对上了,有人拿链上浏览器查了那个钱包——利润曲线在11月之前平得像条直线,之后直接竖着往上走。她拍照片那会儿,钱包主页已经被看过3.4万次了。 等那条帖子冲到100万观看的时候,他人已经在去安卡拉的航班上了。 现在账户里还有九万七千美金在仓位里滚着。有些单子回报率标着48910%。他一条动态没发过,没接过任何采访。每两个礼拜,交易记录里就蹦出一个新城市,跟他飞行排班严丝合缝。 埃菲尔铁塔是照片里的背景,App是前景,钱包是看不见的那一层。 航空公司付钱让他往那些城市飞,那些城市付钱让他抬头看天,天付的最多。 而全世界每个飞行员面前,摆着的都是同一套数据。只不过就他一个人,拿它开了个账户。 手里哪怕就五十美金,也能跟着这些大钱包的节奏走。下面这个机器人就干这事儿: 它快在哪儿?几毫秒的事。预言机那边价格还没刷新,市场还没反应过来,它一轮已经跑完了。等你慢悠悠点开App,人家赔率算完了、单子下完了、自动复位等着下一轮了。

区块链行情研究

50,177 次观看 • 5 个月前

Google推出了一种在 StableDiffusion 图像生成中保证内容特征一致性的方式。 这个其实是现在图像生成中一个非常重要的问题,故事可视化、游戏开发资产设计、广告等都需要在生成的时候具备角色或者内容的一致性。 从演示来看效果非常好人物角色和其他内容的特征都保持的非常好,他们有一个示例是一个男人的一生十几张不同年龄段的图片都很像能看出来是一个人。 而且这个项目还可以跟 SD 已有的控制方式结合,比如局部重绘和 Controlnet 等。下面是具体的介绍: 实现方法: 身份聚类:这一步骤涉及首先生成一系列图像,然后将这些图像嵌入到一个语义空间中。接着,使用聚类算法将这些图像分组,每个组代表一种可能的角色身份。这个过程旨在识别出一组视觉上一致的图像,从而确定角色的主要视觉特征。 身份提取:在确定了一组具有高内聚性的图像之后,接下来的步骤是通过在这些图像上训练模型来提炼出一个更一致的角色身份。这意味着模型将学习到特定角色的关键视觉特征,以便在未来的生成中更准确地重现这些特征。 收敛性:方法的最后一个步骤是迭代过程,该过程在达到一定的收敛标准时停止。在每次迭代中,模型基于最新的训练数据生成新的图像,并重新进行聚类和身份提取。这个过程重复进行,直到模型能够可靠地生成具有一致视觉身份的角色为止。 效果验证: 定性和定量比较:在这一部分,作者将他们的方法与其他个性化文本到图像生成技术进行比较。这包括通过视觉和数值指标来评估生成图像的一致性和质量。 用户研究:作者还进行了一项用户研究,以评估他们的方法在实际使用中的效果。这包括让用户评价生成图像的一致性和吸引力。 消融研究:这部分是对方法中不同组件的效果进行评估。通过修改或移除方法的某些部分,作者能够理解每个组成部分对最终结果的贡献。 论文链接:

歸藏(guizang.ai)

125,824 次观看 • 2 年前