Sensitive content

This media may contain sensitive content.

正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

#超帅 #巨根 #腹肌少妇寂寞难耐，请来男模到家里伺候，超帅男模拥有完美腹肌和无敌巨根，一进门少妇按耐不住，脱掉男模裤子玩弄完然后自己坐上去，从客厅玩到房间，被男模五套爆射，干到少妇求饶！ #完整版40分钟添加QQ获取（有🐍）kimy（暂停互推）编号305，系列302-307六部可以哒包

hanvki

24,435 subscribers

208,188 次观看 • 3 年前 •via X (Twitter)

NSFW #超帅 #巨根 #腹肌 #完整版40分钟添加QQ获取

Anya Rossi• Live Now

Private livecam show

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

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程以下是GPT4总结的制作流程： 1. 文本到3D生成在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理渲染动画：在Blender中渲染完成的动画，导出为视频文件。后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程以下是GPT4总结的制作流程： 1. 文本到3D生成在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理渲染动画：在Blender中渲染完成的动画，导出为视频文件。后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

Yangyi

25,462 次观看 • 2 年前

#小仙女吐槽被婚前杀价五分钟视频，武汉的美女，猫神竟然看完了第一感受：年纪大了，果然是矫情👍 你这叫婚前杀价？你这叫“做” 人家父母还健在，你就抢着格式化，清除人家的一切痕迹，人家没有拉黑你你就已经够幸运了 👇 你男朋友上海人，在上海市区有两套房子一套一室，一套二室90平米，不过房龄有二十年现在你们结婚，男方父母愿意搬到一室还愿意出钱把两室装修给你做婚房，已经够可以了你不出一分钱，结婚以后也没有房贷压力 👇 现在女方想把房子彻底装修，家具全部换新的你老公已经说了，家里有红木家具都扔出去？都不要吗？ 👇 你最多可以要求，我相信你老公也是这样安排自己的主卧全部换新的，客厅和次卧就不要全部换这样有什么不对？否则，你要求这么高，你为什么不掏钱装修买家具？你自己掏钱就可以了嘛 👇 还有你“达不到条件就租房”，看起来你很通情达理其实是你无理取闹，是最离谱的一点男方在上海有两套房，人家凭什么陪你去租房？如果租房，租金能不能由你出？你会不会要求房东把房子装修成婚房再租给你？自己的房子不是全新的，难道出租房是全新的？你完全是无理取闹，既不尊重男方家庭的付出也不尊重自己男朋友和未来的公婆 👇 你连男方父母用过的座椅都不能留，你凭啥租房？为什么他父母用过的座椅板凳你都不能留？人家父母还健在，估计年龄也不大你要求全部家具换新的，你是什么意思？嫌弃人家父母吗？人家用过的座椅你都不能用？你居然为这点事拉黑男朋友，你赶紧分手，你这种人就算结婚也不会幸福😍

#小仙女吐槽被婚前杀价五分钟视频，武汉的美女，猫神竟然看完了第一感受：年纪大了，果然是矫情👍 你这叫婚前杀价？你这叫“做” 人家父母还健在，你就抢着格式化，清除人家的一切痕迹，人家没有拉黑你你就已经够幸运了 👇 你男朋友上海人，在上海市区有两套房子一套一室，一套二室90平米，不过房龄有二十年现在你们结婚，男方父母愿意搬到一室还愿意出钱把两室装修给你做婚房，已经够可以了你不出一分钱，结婚以后也没有房贷压力 👇 现在女方想把房子彻底装修，家具全部换新的你老公已经说了，家里有红木家具都扔出去？都不要吗？ 👇 你最多可以要求，我相信你老公也是这样安排自己的主卧全部换新的，客厅和次卧就不要全部换这样有什么不对？否则，你要求这么高，你为什么不掏钱装修买家具？你自己掏钱就可以了嘛 👇 还有你“达不到条件就租房”，看起来你很通情达理其实是你无理取闹，是最离谱的一点男方在上海有两套房，人家凭什么陪你去租房？如果租房，租金能不能由你出？你会不会要求房东把房子装修成婚房再租给你？自己的房子不是全新的，难道出租房是全新的？你完全是无理取闹，既不尊重男方家庭的付出也不尊重自己男朋友和未来的公婆 👇 你连男方父母用过的座椅都不能留，你凭啥租房？为什么他父母用过的座椅板凳你都不能留？人家父母还健在，估计年龄也不大你要求全部家具换新的，你是什么意思？嫌弃人家父母吗？人家用过的座椅你都不能用？你居然为这点事拉黑男朋友，你赶紧分手，你这种人就算结婚也不会幸福😍

猫神

18,581 次观看 • 15 天前

看完才发现，我一直看的竟然是“阉割版”光模块视频… 这个讲光模块的视频确实不错，但我一直没想明白一个事。为什么很多人搬运视频，总喜欢把原作者内容越搬越短? 原作者是视频号 #坤元财研一共28分钟。后来看到另一个号搬运，直接砍成25分钟。结果但斌再搬一次，又砍成14分钟。然后在X上疯狂传播的，就是 #但斌这个版本，总感觉前面刚讲明白，后面突然就跳了。像看电影一样，中间莫名其妙少了几段。后来一看，好家伙。原来被连续动了两次刀。😂 有时候最有价值的东西，偏偏就在那些被剪掉的地方，这些东西，可以帮助你理解。推荐大家直接看这个 #坤元财研 28分钟原版。别最后吃了半天，发现上的还是删减版套餐。🤣 #CPO #光模块 #DSP #LPO #DML #EML #CW

看完才发现，我一直看的竟然是“阉割版”光模块视频… 这个讲光模块的视频确实不错，但我一直没想明白一个事。为什么很多人搬运视频，总喜欢把原作者内容越搬越短? 原作者是视频号 #坤元财研一共28分钟。后来看到另一个号搬运，直接砍成25分钟。结果但斌再搬一次，又砍成14分钟。然后在X上疯狂传播的，就是 #但斌这个版本，总感觉前面刚讲明白，后面突然就跳了。像看电影一样，中间莫名其妙少了几段。后来一看，好家伙。原来被连续动了两次刀。😂 有时候最有价值的东西，偏偏就在那些被剪掉的地方，这些东西，可以帮助你理解。推荐大家直接看这个 #坤元财研 28分钟原版。别最后吃了半天，发现上的还是删减版套餐。🤣 #CPO #光模块 #DSP #LPO #DML #EML #CW

猴哥｜houge.sol

149,937 次观看 • 2 个月前

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。

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 次观看 • 2 年前

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

indigo

72,171 次观看 • 7 个月前

【广西横州洪水】广西横州六蓝村劫后：至少半数房屋损毁，40余人曾被困楼顶，有老人被洪水冲走仍失联 7月8日，有博主探访广西横州六蓝水库下游受灾村庄。视频显示，当地洪水退去后满目疮痍，现场至少一半房屋受损，部分房屋门窗、家具和衣物被全部冲走。洪水来临时，40多名老人和儿童被困在二楼和楼顶，只能眼睁睁看着家园被淹。有村民仍在寻找被洪水从家中冲走的奶奶，至今下落不明。村民回忆，村干部通知撤离后仅十多分钟，洪水便如海水般涌入村庄，水位一度达到两层楼高，老人和孩子根本来不及转移。灾后，不少村民失去住所和生活物资，在山上避难时他们在没有食物的情况下熬过一天。一村民说：“命还在，还可以再赚。家还在，亲人还在，就已经很幸运了。”

【广西横州洪水】广西横州六蓝村劫后：至少半数房屋损毁，40余人曾被困楼顶，有老人被洪水冲走仍失联 7月8日，有博主探访广西横州六蓝水库下游受灾村庄。视频显示，当地洪水退去后满目疮痍，现场至少一半房屋受损，部分房屋门窗、家具和衣物被全部冲走。洪水来临时，40多名老人和儿童被困在二楼和楼顶，只能眼睁睁看着家园被淹。有村民仍在寻找被洪水从家中冲走的奶奶，至今下落不明。村民回忆，村干部通知撤离后仅十多分钟，洪水便如海水般涌入村庄，水位一度达到两层楼高，老人和孩子根本来不及转移。灾后，不少村民失去住所和生活物资，在山上避难时他们在没有食物的情况下熬过一天。一村民说：“命还在，还可以再赚。家还在，亲人还在，就已经很幸运了。”

李老师不是你老师

99,387 次观看 • 13 天前

GitHub 上口碑最好的加密货币交易机器人 Freqtrade，是一群匿名开发者从 2017 年开始写的。项目叫 Freqtrade，四万八千多星，Python 写的，GPL-3 开源协议。今年 4 月刚发了 v2026.3 版本，仓库提交次数超过三万一千次。通过 ccxt 接了三十多个交易所，还内置了一个叫 FreqAI 的机器学习模块，能根据你自己的数据实时重新训练模型。市面上同类的工具，coinrule 的规则策略一个月收三到六十美元，cryptohopper 同样的功能收二十到一百美元，3commas 也是每月三十到一百美元。而且这些东西随时可能倒闭、涨价，或者因为你违反条款就直接封你号。 Freqtrade 不光有这些功能，还在此基础上可以训练神经网络。完全免费，可以自己托管，默认就开了模拟交易模式。说到底，如果你自己没有优势，什么机器人也救不了你。但如果你有优势，干嘛还要把钱白白交给 Cryptohopper 的支付系统？赶紧收藏，不然这可能是你这辈子犯的最大的错误。

GitHub 上口碑最好的加密货币交易机器人 Freqtrade，是一群匿名开发者从 2017 年开始写的。项目叫 Freqtrade，四万八千多星，Python 写的，GPL-3 开源协议。今年 4 月刚发了 v2026.3 版本，仓库提交次数超过三万一千次。通过 ccxt 接了三十多个交易所，还内置了一个叫 FreqAI 的机器学习模块，能根据你自己的数据实时重新训练模型。市面上同类的工具，coinrule 的规则策略一个月收三到六十美元，cryptohopper 同样的功能收二十到一百美元，3commas 也是每月三十到一百美元。而且这些东西随时可能倒闭、涨价，或者因为你违反条款就直接封你号。 Freqtrade 不光有这些功能，还在此基础上可以训练神经网络。完全免费，可以自己托管，默认就开了模拟交易模式。说到底，如果你自己没有优势，什么机器人也救不了你。但如果你有优势，干嘛还要把钱白白交给 Cryptohopper 的支付系统？赶紧收藏，不然这可能是你这辈子犯的最大的错误。

区块链行情研究

72,107 次观看 • 2 个月前

什么是 AI 智能体？（双语字幕）为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG）一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。大多数情况下，人工仍会参与以提高准确性。原始视频来源：

什么是 AI 智能体？（双语字幕）为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 * 从单一模型向复合 AI 系统的转变单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。示例：查询假期天数例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 * 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 ** 检索增强生成（RAG）一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 * AI 智能体的作用另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 * 大语言模型智能体的组成部分推理能力推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。行动能力行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 * ReACT 方法配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 ** 示例：度假计划例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。这个系统非常模块化，可以解决更复杂的问题。 * 复合 AI 系统的未来复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。大多数情况下，人工仍会参与以提高准确性。原始视频来源：

宝玉

44,356 次观看 • 2 年前

有个27岁的小伙子，以前是挖矿的。他花了4000美元买了台迷你电脑，对着 Polymarket 狂干，不到三个月，4000 块变成了 100 万美元。上周，美国出口管制的那款 Claude Fable 5 突然把所有云交易者的服务给掐了。结果这哥们压根没注意到。没有云，没有订阅，没有任何人能关掉的模型。就是一台搁在他桌上的小盒子，他睡觉的时候，这盒子自己在比特币市场上帮他赚钱。用的芯片是 AMD Ryzen AI Max+ 395 —— 16 个核心，50-TOPS 的神经引擎，128GB 统一内存。他这套 AI 从来不联网。这个内存就是关键。普通游戏显卡顶多给你 24GB —— 跟玩具一样。 128GB 统一内存能完整装下一个 2000 亿参数的模型，不用把数据搬来搬去。一个顶尖大脑，就在他公寓里离线跑着。它不是去猜价格涨跌。它是把每个 5 分钟市场的完整概率图跑一遍，一分钟几千次，专门捡那些没人要、定价几乎为零的赌注。当它算出来一个 0.2 美分的冷门选项实际值 1.6% 的时候，它就用几分钱买下那个“不可能”的赌注。其中一次，回报直接翻了 32 倍。没有数据中心，没有租用的 GPU，除了他自己，没人能按关机键。他们可以一夜之间把云端的模型下架，但没法冲进一个家伙的房间里抢走他桌上的盒子。 4000 美元的硬件，1000 美元的下注，变成 100 万美元的收益 —— 而且今晚还在继续跑。你不一定要买那台盒子。你只需要它交易的那个钱包。两键复制，拿走。

有个27岁的小伙子，以前是挖矿的。他花了4000美元买了台迷你电脑，对着 Polymarket 狂干，不到三个月，4000 块变成了 100 万美元。上周，美国出口管制的那款 Claude Fable 5 突然把所有云交易者的服务给掐了。结果这哥们压根没注意到。没有云，没有订阅，没有任何人能关掉的模型。就是一台搁在他桌上的小盒子，他睡觉的时候，这盒子自己在比特币市场上帮他赚钱。用的芯片是 AMD Ryzen AI Max+ 395 —— 16 个核心，50-TOPS 的神经引擎，128GB 统一内存。他这套 AI 从来不联网。这个内存就是关键。普通游戏显卡顶多给你 24GB —— 跟玩具一样。 128GB 统一内存能完整装下一个 2000 亿参数的模型，不用把数据搬来搬去。一个顶尖大脑，就在他公寓里离线跑着。它不是去猜价格涨跌。它是把每个 5 分钟市场的完整概率图跑一遍，一分钟几千次，专门捡那些没人要、定价几乎为零的赌注。当它算出来一个 0.2 美分的冷门选项实际值 1.6% 的时候，它就用几分钱买下那个“不可能”的赌注。其中一次，回报直接翻了 32 倍。没有数据中心，没有租用的 GPU，除了他自己，没人能按关机键。他们可以一夜之间把云端的模型下架，但没法冲进一个家伙的房间里抢走他桌上的盒子。 4000 美元的硬件，1000 美元的下注，变成 100 万美元的收益 —— 而且今晚还在继续跑。你不一定要买那台盒子。你只需要它交易的那个钱包。两键复制，拿走。

Tommy Peterson

58,698 次观看 • 1 个月前

唐山烧烤四川眉山版！ 2026年7月5日，眉山洪雅·柳江古镇下午3点左右，一群10多岁的少年在古镇河边反复泼水玩闹。一名正在喝茶的女游客被连泼三次，她多次出声提醒，对方完全不听。最后一次不仅把她泼了一身，还直接把手机打湿了。女游客忍无可忍，让两个少年去找家长。少年出言不逊，双方随即吵了起来。这时，令人震惊的一幕出现了——那6、7个少年的家长其实就坐在不远处的喝茶队伍里，从头到尾一言不发、默默围观。直到孩子和女游客吵起来，他们才突然现身。随后，家长们直接恶语相向、拳脚相加。一名看不过去的男游客上前帮忙护住女游客，竟被对方当成她老公一起围殴。矛盾瞬间升级为3人对多人的冲突。目前当事人女游客刚刚从公安局出来，事情仍在处理中，暂无最终结果。网友评论：“下次真不敢来了，太凶险了……”

唐山烧烤四川眉山版！ 2026年7月5日，眉山洪雅·柳江古镇下午3点左右，一群10多岁的少年在古镇河边反复泼水玩闹。一名正在喝茶的女游客被连泼三次，她多次出声提醒，对方完全不听。最后一次不仅把她泼了一身，还直接把手机打湿了。女游客忍无可忍，让两个少年去找家长。少年出言不逊，双方随即吵了起来。这时，令人震惊的一幕出现了——那6、7个少年的家长其实就坐在不远处的喝茶队伍里，从头到尾一言不发、默默围观。直到孩子和女游客吵起来，他们才突然现身。随后，家长们直接恶语相向、拳脚相加。一名看不过去的男游客上前帮忙护住女游客，竟被对方当成她老公一起围殴。矛盾瞬间升级为3人对多人的冲突。目前当事人女游客刚刚从公安局出来，事情仍在处理中，暂无最终结果。网友评论：“下次真不敢来了，太凶险了……”

マッカパッカ

21,487 次观看 • 17 天前

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

小互

26,216 次观看 • 3 个月前

看到一个博主聊，她的亲戚大表哥去相亲，没想到二婚女人的要求也这么高！真的奉劝大家一句，男人如果自身没有足够的价值（可以简单可以理解成有钱），一定不要轻易涉足婚姻，普男不适合结婚。我不否认人间存在爱情，但爱情这种美好的东西，本质上是奢侈品，一切美好的东西都是奢侈品，连LV包包才几万块一个，也不过最多十分之一的人才能拥有。奢侈品，是穷人能够拥有的吗？婚姻就是非常现实的价值互换与合作。女人天生自带性价值，和生育价值，而男人天生没有价值，所以女人天生会怕被利用，而男人则怕自己没有用。由于男人天生没有价值，男人需要从社会上获得价值，诸如钱权影响力，来提高自身的价值，通过获得的价值来购买女人的性价值和婚姻价值。这就是两性关系的真相。如果男人拥有的社会性价值不够多，那么在婚姻中就需要支付额外的价值来购买女人的性价值和生育价值，这个就是彩礼了。人与人之间不存在绝对的平等，所有的关系都有上下之分，只是有的上下阶级非常明显，则有的不明显，诸如父子，老板与下属，上下之分非常明显，而情侣，婚姻，上下之分并不明显，不明显不代表没有上下之分，婚姻关系中无非就是男的压倒女的，还是女的压倒男的。女人骨子里慕强，面对足够强的男人，她可以完全臣服顺从，坐地排卵（吴亦凡），千里穿婚纱（王源），这种情况男人对女人处于压倒性的优势地位，而面对比她弱的男人，或者不足以匹配她性价值与生育价值的男人，则女人会处于优势地位，即使男人支付彩礼强行在一起，她骨子里是看不起你的，她的余生，都是对你的抱怨。她会把自己的不幸，家庭的不幸，孩子的不幸，甚至于社会的不幸国家的不幸地球的不幸，全都归结于是自己瞎了眼嫁给你造成的，她觉得只要自己当初嫁给了马斯克，这些不幸就不可能发生。一旦你失去从社会获取价值的能力也就是挣钱的能力，你在女人眼里，就是个废物，哪怕她是你所谓的老婆。请看看视频中这些例子吧，这些男人在婚后，活的连条狗都不如，如果你还是失业了，你的婚姻会成为你的地狱。所以，穷男，普男，一定不要结婚。怎么判断自己是不是穷男，普男？女人只会跟穷人谈钱，而喜欢跟富人谈感情。凡是女的在结婚前，跟你谈的不是感情，而是彩礼，房车，就说明你拥有的价值不足以压倒她拥有的性价值和生育价值，你是弱势地位者，那你就是穷男，普男了。

看到一个博主聊，她的亲戚大表哥去相亲，没想到二婚女人的要求也这么高！真的奉劝大家一句，男人如果自身没有足够的价值（可以简单可以理解成有钱），一定不要轻易涉足婚姻，普男不适合结婚。我不否认人间存在爱情，但爱情这种美好的东西，本质上是奢侈品，一切美好的东西都是奢侈品，连LV包包才几万块一个，也不过最多十分之一的人才能拥有。奢侈品，是穷人能够拥有的吗？婚姻就是非常现实的价值互换与合作。女人天生自带性价值，和生育价值，而男人天生没有价值，所以女人天生会怕被利用，而男人则怕自己没有用。由于男人天生没有价值，男人需要从社会上获得价值，诸如钱权影响力，来提高自身的价值，通过获得的价值来购买女人的性价值和婚姻价值。这就是两性关系的真相。如果男人拥有的社会性价值不够多，那么在婚姻中就需要支付额外的价值来购买女人的性价值和生育价值，这个就是彩礼了。人与人之间不存在绝对的平等，所有的关系都有上下之分，只是有的上下阶级非常明显，则有的不明显，诸如父子，老板与下属，上下之分非常明显，而情侣，婚姻，上下之分并不明显，不明显不代表没有上下之分，婚姻关系中无非就是男的压倒女的，还是女的压倒男的。女人骨子里慕强，面对足够强的男人，她可以完全臣服顺从，坐地排卵（吴亦凡），千里穿婚纱（王源），这种情况男人对女人处于压倒性的优势地位，而面对比她弱的男人，或者不足以匹配她性价值与生育价值的男人，则女人会处于优势地位，即使男人支付彩礼强行在一起，她骨子里是看不起你的，她的余生，都是对你的抱怨。她会把自己的不幸，家庭的不幸，孩子的不幸，甚至于社会的不幸国家的不幸地球的不幸，全都归结于是自己瞎了眼嫁给你造成的，她觉得只要自己当初嫁给了马斯克，这些不幸就不可能发生。一旦你失去从社会获取价值的能力也就是挣钱的能力，你在女人眼里，就是个废物，哪怕她是你所谓的老婆。请看看视频中这些例子吧，这些男人在婚后，活的连条狗都不如，如果你还是失业了，你的婚姻会成为你的地狱。所以，穷男，普男，一定不要结婚。怎么判断自己是不是穷男，普男？女人只会跟穷人谈钱，而喜欢跟富人谈感情。凡是女的在结婚前，跟你谈的不是感情，而是彩礼，房车，就说明你拥有的价值不足以压倒她拥有的性价值和生育价值，你是弱势地位者，那你就是穷男，普男了。

逍遥XTony（恩师张雪峰）

52,677 次观看 • 7 个月前

给大家分享一个特别魔幻的事，我今天亲耳听到亲眼看到的，我朋友在深圳开了一家公寓式酒吧，周末会有很多人一起来玩桌游之类的。他一个顾客是六口之家。我当时没反应过来，以为他家里有六口人或者是有六个兄弟姐妹，但是他告诉我他有5个对象，加上他自己所以是六口。我八卦的心立马上来了，就继续追问这个六口之家是怎么形成的，他和我说，他最开始也是和对象正常恋爱，但保持了两年左右，就发展成了开放式关系，就在小蓝遇到了第三个人，然后长期保持三口之家。但不到一年，三口之家也有点腻，这个时间最精彩的来了，他们也遇到了另外一个三口之家，在一起玩过几次后，发现六方都比较契合，于是形成了现在的六口之家。另外经过我和他的聊天得知，他们目前是六个人合租在一套房子内，这套房子房间有三个，刚好两个人一间。另外他们六个人中，有一个顶帅，照片我看了，确实真的是顶帅，身材颜值都非常在线，这个顶帅不工作，被其他五个人养着，顶帅就负责在家做下简单家务。我好奇⭐生活是怎么安排的，他说六个人每个人的需求时间不同，但几乎每天都会有人做，大家想了就参与不想就不参与，也会偶尔一起玩，但次数特别少，因为大家的时间对不上。他们这六个人中，职业也非常广泛，有医生有小老板有健身教练有普通职员。我又问他，那平时会争风吃醋吗，比如顶帅这么好看，所有人都围着他怎么办?他说这种情况以前刚住一起的时间会有，但是现在大家熟了就不会这样了，他们偶尔会一起去旅游，一起aa聚餐。我感叹这个世界真的好奇妙...... 不行了，不能我一个人眼睛遭罪

给大家分享一个特别魔幻的事，我今天亲耳听到亲眼看到的，我朋友在深圳开了一家公寓式酒吧，周末会有很多人一起来玩桌游之类的。他一个顾客是六口之家。我当时没反应过来，以为他家里有六口人或者是有六个兄弟姐妹，但是他告诉我他有5个对象，加上他自己所以是六口。我八卦的心立马上来了，就继续追问这个六口之家是怎么形成的，他和我说，他最开始也是和对象正常恋爱，但保持了两年左右，就发展成了开放式关系，就在小蓝遇到了第三个人，然后长期保持三口之家。但不到一年，三口之家也有点腻，这个时间最精彩的来了，他们也遇到了另外一个三口之家，在一起玩过几次后，发现六方都比较契合，于是形成了现在的六口之家。另外经过我和他的聊天得知，他们目前是六个人合租在一套房子内，这套房子房间有三个，刚好两个人一间。另外他们六个人中，有一个顶帅，照片我看了，确实真的是顶帅，身材颜值都非常在线，这个顶帅不工作，被其他五个人养着，顶帅就负责在家做下简单家务。我好奇⭐生活是怎么安排的，他说六个人每个人的需求时间不同，但几乎每天都会有人做，大家想了就参与不想就不参与，也会偶尔一起玩，但次数特别少，因为大家的时间对不上。他们这六个人中，职业也非常广泛，有医生有小老板有健身教练有普通职员。我又问他，那平时会争风吃醋吗，比如顶帅这么好看，所有人都围着他怎么办?他说这种情况以前刚住一起的时间会有，但是现在大家熟了就不会这样了，他们偶尔会一起去旅游，一起aa聚餐。我感叹这个世界真的好奇妙...... 不行了，不能我一个人眼睛遭罪

Jim 队长

23,992 次观看 • 4 个月前

35岁女子腹痛硬抗3天，就医被告知将临盆近日，江苏南京，35岁的张女士平日工作忙碌，生活节奏紧凑。几天前，张女士开始出现肚子坠胀疼痛的症状，起初以为是吃坏肚子或妇科小毛病便自行忍耐，直到第3天疼痛加剧难以承受，才赶紧前往外院检查。医生初检后让她赶紧去南京市妇幼保健院急诊，因为这不是普通腹痛，而是即将临盆的宫缩痛。到达南京市妇幼保健院后，张女士从急诊火速被转到产房，医护团队启动分娩保障流程，专业指导+全程守护，没用太久时间就听到了宝宝响亮的哭声！近8斤的女宝，虽然因为羊水情况暂时去儿科观察，但目前状态平稳，很快就可以和妈妈一起出院。据了解张女士曾停经40多天后少量出血，误认为是正常月经；孕期全程没有孕吐等不适反应；腹部的胎动也被当成了肠胃蠕动；再加上身材高挑匀称，即使怀至41周+5天，外表也看不出孕晚期的痕迹，这才让她完全没往怀孕方向联想。（小强热线）

35岁女子腹痛硬抗3天，就医被告知将临盆近日，江苏南京，35岁的张女士平日工作忙碌，生活节奏紧凑。几天前，张女士开始出现肚子坠胀疼痛的症状，起初以为是吃坏肚子或妇科小毛病便自行忍耐，直到第3天疼痛加剧难以承受，才赶紧前往外院检查。医生初检后让她赶紧去南京市妇幼保健院急诊，因为这不是普通腹痛，而是即将临盆的宫缩痛。到达南京市妇幼保健院后，张女士从急诊火速被转到产房，医护团队启动分娩保障流程，专业指导+全程守护，没用太久时间就听到了宝宝响亮的哭声！近8斤的女宝，虽然因为羊水情况暂时去儿科观察，但目前状态平稳，很快就可以和妈妈一起出院。据了解张女士曾停经40多天后少量出血，误认为是正常月经；孕期全程没有孕吐等不适反应；腹部的胎动也被当成了肠胃蠕动；再加上身材高挑匀称，即使怀至41周+5天，外表也看不出孕晚期的痕迹，这才让她完全没往怀孕方向联想。（小强热线）

背包健客

18,327 次观看 • 5 个月前

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

AYi

180,716 次观看 • 10 天前

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,657 次观看 • 3 个月前

美国 ABC 7《目击者新闻》报道，南洛杉矶的一名学生收到65封大学录取通知书，这位学生年少时曾经历过无家可归，如今他计划在哥伦比亚大学攻读工业工程专业。圣母大学、达特茅斯学院，还有哥伦比亚大学。 17岁的拉蒙特·纽厄尔笑得合不拢嘴，手里拿着目前已经收到的65封大学录取通知书中的几封。 “我感到非常自豪。你知道，我从没想过自己能走到这一步，能进入常春藤联盟，尤其还是纽约。” 这名毕业生代表以4.4的平均绩点获得全额奖学金，“我的一个目标，其实是创办一个机构，教黑人孩子如何进入 STEM 领域工作。” 而地点也很特别，他带记者来到洛杉矶南部的南方公园。小时候，他曾在这里参加夏令营学习编程，这里也是他和家人在无家可归时的避难之地。 “有段时间，我们没有房子住，但至少还有辆车。我们没有地方可以待，所以会来到这个停车场，在这里睡觉。” 纽厄尔亲眼看着母亲上大学，并在无数困难中坚持下来。他的母亲说：“那是一段艰难的路。我是单亲妈妈，21岁时生下了拉蒙特。” 她努力为儿子创造更好的未来。 “作为父母，你有责任发现孩子擅长什么。我很早就知道，我儿子在学业上天赋很高。我自己可能做不到这些，但我的责任是找到能够帮助他的人，以及获取资源的方法。” 而纽厄尔自己，也希望给弟弟树立榜样：“我意识到，如果我自己都不努力，那还有谁会为他努力？” 纽厄尔是家族中第一位高中毕业的男性。他的母亲说，这个家族长期受到帮派暴力和监禁问题影响，因此这份成就意义格外深远。纽厄尔说： “这不仅对我意义重大，对整个家族也有非常大的影响。因为之后成长起来的年轻人会看到，人生其实还有另一条路可以走。” 母子两人也向观众送上鼓励。 “你可能会觉得，在自己的处境里根本没有出路，但永远都会有一条通往未来的出口。我们做梦都没想过，自己有一天会走到今天这一步。”

美国 ABC 7《目击者新闻》报道，南洛杉矶的一名学生收到65封大学录取通知书，这位学生年少时曾经历过无家可归，如今他计划在哥伦比亚大学攻读工业工程专业。圣母大学、达特茅斯学院，还有哥伦比亚大学。 17岁的拉蒙特·纽厄尔笑得合不拢嘴，手里拿着目前已经收到的65封大学录取通知书中的几封。 “我感到非常自豪。你知道，我从没想过自己能走到这一步，能进入常春藤联盟，尤其还是纽约。” 这名毕业生代表以4.4的平均绩点获得全额奖学金，“我的一个目标，其实是创办一个机构，教黑人孩子如何进入 STEM 领域工作。” 而地点也很特别，他带记者来到洛杉矶南部的南方公园。小时候，他曾在这里参加夏令营学习编程，这里也是他和家人在无家可归时的避难之地。 “有段时间，我们没有房子住，但至少还有辆车。我们没有地方可以待，所以会来到这个停车场，在这里睡觉。” 纽厄尔亲眼看着母亲上大学，并在无数困难中坚持下来。他的母亲说：“那是一段艰难的路。我是单亲妈妈，21岁时生下了拉蒙特。” 她努力为儿子创造更好的未来。 “作为父母，你有责任发现孩子擅长什么。我很早就知道，我儿子在学业上天赋很高。我自己可能做不到这些，但我的责任是找到能够帮助他的人，以及获取资源的方法。” 而纽厄尔自己，也希望给弟弟树立榜样：“我意识到，如果我自己都不努力，那还有谁会为他努力？” 纽厄尔是家族中第一位高中毕业的男性。他的母亲说，这个家族长期受到帮派暴力和监禁问题影响，因此这份成就意义格外深远。纽厄尔说： “这不仅对我意义重大，对整个家族也有非常大的影响。因为之后成长起来的年轻人会看到，人生其实还有另一条路可以走。” 母子两人也向观众送上鼓励。 “你可能会觉得，在自己的处境里根本没有出路，但永远都会有一条通往未来的出口。我们做梦都没想过，自己有一天会走到今天这一步。”

加美财经caus.com

23,944 次观看 • 2 个月前

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

huangserva

143,064 次观看 • 1 个月前