Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

這台 Wiwynn 在 Computex 2026 展的東西，表面上你看是「AI compute tray」，但其實重點根本不是 tray。重點是它在解一個很物理層的問題：AI accelerator 之間 Scale-Up 要怎麼互連，才不會被銅線、距離、功耗、散熱全部卡死。 它的做法就是 Co-Packaged Optics，CPO。簡單講，Broadcom 的 optical engine 不是放在外面交換器模組裡，而是直接跟 AI accelerator / GPU 包到同一個 substrate 上。每個 tray 裡面放兩顆 AI processor，然後光訊號直接從前面板一路進到 chip-level optical engine。這就不是「網路線插一插」那種概念了，這比較像你把高速公路出口直接開到工廠門口，貨車不用再繞市區。 前面板那邊有 detachable Fiber Array Unit，FAU，Broadcom 跟 Senko 的方案都有展示。黃色的 optical fiber 負責雙向流量，特別是 Scale-Up clustering 用的。這邊很關鍵，因為 Scale-Up...

Leoskie_L's profile picture

Leonard

9,894 subscribers

37,655 Aufrufe • vor 2 Monaten •via X (Twitter)

BildungGesundheit & WellnessWissenschaft & Technologie
LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

SanDisk CTO Alper Ilkbahar 在 Investor Day 放出了一個我認為比「HBF 有多快」更值得看的數字： 4 張 HBF GPU，可以做到 8 張 HBM GPU 的 token output。 表面上看，很容易把它理解成「HBF 讓 GPU 性能提升 2 倍」。 但我覺得這樣理解反而低估了這個 demo。 因為 HBF 真正解掉的東西，不是算力，而是現在 AI inference 裡一個越來越昂貴的問題： 很多時候，我們買更多 GPU，不是因為缺 FLOPS，而是因為模型塞不進去。 SanDisk 的模擬很直接。 他們先拿一顆類似目前市場主流高階 GPU 的架構，每張 GPU 配 192GB HBM。然後做第二個版本，把 HBM 全部換成 HBF，讓單張 GPU 的 near-compute memory 從 192GB 拉到大約 4TB。 這個 4TB 其實也和現在公開的 HBF 架構方向對得上。SanDisk 與 SK hynix 最新公布的第一版開放 HBF 規格，單個 HBF stack 最高 512GB；如果一顆 accelerator 配八組，就是大約 4TB。HBF 的目標 bandwidth 則分成約 0.4TB/s 到 3TB/s 三個等級。 接著他們跑一個模擬的 agentic coding workload：AI agent 不斷寫 code、產生新任務、讀取上下文，再繼續工作，底層是一個接近 490B 級別的 Qwen3 模型。 這類 workload 很有意思，因為它不是一次問答就結束。 Agent 活得越久，context 越長，KV cache 越大，同時還要把巨大的 model weights 放在離 GPU 足夠近的位置。Qwen 官方公開的 Qwen3-Coder-480B 本身就是 480B total parameters、35B active parameters，而且原生 context 已經做到 256K。 所以當 SanDisk 把它丟進只有 192GB HBM 的 GPU 時，第一個問題根本還不是 GPU 算得快不快。 第一個問題是：放不下。 按照他們的模擬，HBM 系統至少需要 8 張 GPU 才能開始跑這個 workload。 注意這裡的「8」。 這八張 GPU 並不是因為模型需要八張 GPU 的 compute 才算得動，而是 memory capacity 逼你先買八張 GPU。 你本來可能只需要其中一部分算力，但為了取得綁在 GPU 上面的 HBM capacity，只能把 GPU 一起買回家。 這就是我會稱它為 GPU memory tax 的地方。 GPU 現在其實同時賣給你兩樣東西：compute 和 memory capacity。但 AI inference 對這兩樣東西的需求成長速度並不一定一致。 你可能缺 1TB memory，卻沒有缺對應那麼多 FP8 FLOPS。 可是 HBM 又焊在 accelerator package 上。 於是缺 memory 的解法變成：買更多 GPU。 這才是 SanDisk 這個 demo 真正想拆掉的東西。 把同樣架構換成大約 4TB HBF 之後，一張 GPU 就已經可以把整個 workload 裝進去。 一張 HBF GPU 當然沒有八張 HBM GPU 快，SanDisk 自己也沒有假裝它會比較快。 但事情到這裡已經完全變了。 因為以前你的「minimum viable system」是八張 GPU；現在 minimum viable system 變成了一張。 然後 SanDisk 再把 HBF GPU 加到四張。 結果： 4 HBF GPU ≈ 8 HBM GPU 的 token output。 這裡才出現所謂的「2× performance per GPU」。 但我要特別強調： 這不是 HBF 的 NAND cell 比 HBM DRAM 快兩倍。 也不是同一顆 GPU 換上 HBF 之後 matrix multiplication 突然快兩倍。 真正發生的是，memory capacity 改變了 workload 怎麼被切割。 原本八張 HBM GPU 必須共同承擔一個巨大的 memory footprint，模型被迫跨 GPU 分散，GPU 之間還需要搬資料、同步、做 tensor/model parallel。 HBF 把單 GPU memory pool 拉到 TB 級之後，很多原本為了「塞下模型」而存在的 GPU partitioning 可以被拿掉。 GPU 終於比較像是在買 compute，而不是買昂貴的 HBM 擴充卡。 所以我反而會把 SanDisk 的數字寫成： HBF 沒有讓一張 GPU 算得快兩倍；它讓同樣的 inference throughput，只需要一半的 GPU。 這兩句話看起來很像，經濟意義卻完全不同。 前者是一個 memory benchmark。 後者是在談 AI Factory 的資本效率。 如果四張 accelerator 可以完成過去八張 accelerator 的工作，那被影響的就不只是 memory BOM。 GPU 數量、server 數量、NVLink / scale-up fabric、NIC、switch、power delivery、液冷、機櫃空間，甚至整個 data center 的 MW / token 都可能一起往下走。 這也是為什麼 SanDisk 現在一直講 token economics，而不只是 NAND ASP。官方在最新 HBF 規格公告裡，也把目標直接寫成改善 inference 的 power、performance 與 total cost of ownership。 而對我來說，這才是 HBF 對 SNDK 最大的想像空間。 以前 NAND 在 AI infrastructure 裡的位置很清楚： GPU → HBM → DRAM → SSD → storage。 離 compute 越遠，價值密度越低。 SanDisk 現在想做的，其實是在這個 hierarchy 裡硬插一層： GPU → HBM / HBF → DRAM / SSD。 SK hynix 自己也直接把 HBF 定義成位於 HBM 與 SSD 之間的新 memory layer，而 SanDisk 的 OCP 規格更明確談到 HBF 與 HBM 可以 coexist。 這點很重要。 我不認為最合理的 bull case 是： HBF 把 HBM 幹掉。 HBM 的 latency、write characteristics，以及真正需要極低延遲反覆讀寫的 hot data，依然有很強的物理優勢。 更合理的架構反而可能是： 最熱的 activation、KV cache 留在 HBM； 大量 model weights、較冷的 KV、agent state，以及那些「需要非常大容量、但不需要每一個 byte 都享受 HBM latency」的東西，逐漸搬到 HBF。 這樣反而更麻煩。 因為如果 HBF 真的成立，SanDisk 搶的並不只是 SSD 裡面多幾顆 NAND。 它是在嘗試讓 NAND 向 compute 靠近一層。 從 storage media，變成 accelerator architecture 裡的一部分。 這會直接改變 NAND 的價值量。 不過現在也不能把這張 simulation graph 當成產品已經完成。 目前我們看到的是 simulation + technical specification + ecosystem building，不是 NVIDIA/AMD production GPU 上的大規模實機 benchmark。 2026 年 8 月公開的第一版 HBF standard 已經定義了 xPU-HBF interface、electrical、packaging、reliability 與 software I/O，而且 Google、Tenstorrent 已經參與標準制定；這代表它已經從 SanDisk 自己的 PowerPoint 往 ecosystem standard 前進了一步，但距離 hyperscaler 大規模 deployment 還有一段 execution 要證明。 所以我現在看 HBF，最重要的 observation 不是： 「哇，NAND 比 HBM 快了。」 而是： AI inference 開始出現 memory capacity 和 compute capacity 的錯配。 過去解決這個錯配的方法，是繼續塞更多昂貴的 HBM，或者乾脆再買更多 GPU。 SanDisk 現在提出第三條路： 不要為了 memory 去買 compute。 如果這條路最後真的走通，那「4 張 HBF GPU = 8 張 HBM GPU」就不只是一張漂亮的 Investor Day benchmark。 它代表的可能是一件更大的事： AI Factory 下一輪優化，不一定是讓 GPU 更快，而是讓每一顆已經買下來的 GPU，不再因為記憶體不夠而被浪費。 而如果 NAND 可以做到這件事，那市場最後要重新估的，就不只是 HBF 能賣多少。 而是： NAND 到底還是不是 storage。
2:40

SanDisk CTO Alper Ilkbahar 在 Investor Day 放出了一個我認為比「HBF 有多快」更值得看的數字： 4 張 HBF GPU，可以做到 8 張 HBM GPU 的 token output。 表面上看，很容易把它理解成「HBF 讓 GPU 性能提升 2 倍」。 但我覺得這樣理解反而低估了這個 demo。 因為 HBF 真正解掉的東西，不是算力，而是現在 AI inference 裡一個越來越昂貴的問題： 很多時候，我們買更多 GPU，不是因為缺 FLOPS，而是因為模型塞不進去。 SanDisk 的模擬很直接。 他們先拿一顆類似目前市場主流高階 GPU 的架構，每張 GPU 配 192GB HBM。然後做第二個版本，把 HBM 全部換成 HBF，讓單張 GPU 的 near-compute memory 從 192GB 拉到大約 4TB。 這個 4TB 其實也和現在公開的 HBF 架構方向對得上。SanDisk 與 SK hynix 最新公布的第一版開放 HBF 規格，單個 HBF stack 最高 512GB；如果一顆 accelerator 配八組，就是大約 4TB。HBF 的目標 bandwidth 則分成約 0.4TB/s 到 3TB/s 三個等級。 接著他們跑一個模擬的 agentic coding workload：AI agent 不斷寫 code、產生新任務、讀取上下文，再繼續工作，底層是一個接近 490B 級別的 Qwen3 模型。 這類 workload 很有意思，因為它不是一次問答就結束。 Agent 活得越久，context 越長，KV cache 越大，同時還要把巨大的 model weights 放在離 GPU 足夠近的位置。Qwen 官方公開的 Qwen3-Coder-480B 本身就是 480B total parameters、35B active parameters，而且原生 context 已經做到 256K。 所以當 SanDisk 把它丟進只有 192GB HBM 的 GPU 時，第一個問題根本還不是 GPU 算得快不快。 第一個問題是：放不下。 按照他們的模擬，HBM 系統至少需要 8 張 GPU 才能開始跑這個 workload。 注意這裡的「8」。 這八張 GPU 並不是因為模型需要八張 GPU 的 compute 才算得動，而是 memory capacity 逼你先買八張 GPU。 你本來可能只需要其中一部分算力，但為了取得綁在 GPU 上面的 HBM capacity，只能把 GPU 一起買回家。 這就是我會稱它為 GPU memory tax 的地方。 GPU 現在其實同時賣給你兩樣東西：compute 和 memory capacity。但 AI inference 對這兩樣東西的需求成長速度並不一定一致。 你可能缺 1TB memory，卻沒有缺對應那麼多 FP8 FLOPS。 可是 HBM 又焊在 accelerator package 上。 於是缺 memory 的解法變成：買更多 GPU。 這才是 SanDisk 這個 demo 真正想拆掉的東西。 把同樣架構換成大約 4TB HBF 之後，一張 GPU 就已經可以把整個 workload 裝進去。 一張 HBF GPU 當然沒有八張 HBM GPU 快，SanDisk 自己也沒有假裝它會比較快。 但事情到這裡已經完全變了。 因為以前你的「minimum viable system」是八張 GPU；現在 minimum viable system 變成了一張。 然後 SanDisk 再把 HBF GPU 加到四張。 結果： 4 HBF GPU ≈ 8 HBM GPU 的 token output。 這裡才出現所謂的「2× performance per GPU」。 但我要特別強調： 這不是 HBF 的 NAND cell 比 HBM DRAM 快兩倍。 也不是同一顆 GPU 換上 HBF 之後 matrix multiplication 突然快兩倍。 真正發生的是，memory capacity 改變了 workload 怎麼被切割。 原本八張 HBM GPU 必須共同承擔一個巨大的 memory footprint，模型被迫跨 GPU 分散，GPU 之間還需要搬資料、同步、做 tensor/model parallel。 HBF 把單 GPU memory pool 拉到 TB 級之後，很多原本為了「塞下模型」而存在的 GPU partitioning 可以被拿掉。 GPU 終於比較像是在買 compute，而不是買昂貴的 HBM 擴充卡。 所以我反而會把 SanDisk 的數字寫成： HBF 沒有讓一張 GPU 算得快兩倍；它讓同樣的 inference throughput，只需要一半的 GPU。 這兩句話看起來很像，經濟意義卻完全不同。 前者是一個 memory benchmark。 後者是在談 AI Factory 的資本效率。 如果四張 accelerator 可以完成過去八張 accelerator 的工作，那被影響的就不只是 memory BOM。 GPU 數量、server 數量、NVLink / scale-up fabric、NIC、switch、power delivery、液冷、機櫃空間，甚至整個 data center 的 MW / token 都可能一起往下走。 這也是為什麼 SanDisk 現在一直講 token economics，而不只是 NAND ASP。官方在最新 HBF 規格公告裡，也把目標直接寫成改善 inference 的 power、performance 與 total cost of ownership。 而對我來說，這才是 HBF 對 SNDK 最大的想像空間。 以前 NAND 在 AI infrastructure 裡的位置很清楚： GPU → HBM → DRAM → SSD → storage。 離 compute 越遠，價值密度越低。 SanDisk 現在想做的，其實是在這個 hierarchy 裡硬插一層： GPU → HBM / HBF → DRAM / SSD。 SK hynix 自己也直接把 HBF 定義成位於 HBM 與 SSD 之間的新 memory layer，而 SanDisk 的 OCP 規格更明確談到 HBF 與 HBM 可以 coexist。 這點很重要。 我不認為最合理的 bull case 是： HBF 把 HBM 幹掉。 HBM 的 latency、write characteristics，以及真正需要極低延遲反覆讀寫的 hot data，依然有很強的物理優勢。 更合理的架構反而可能是： 最熱的 activation、KV cache 留在 HBM； 大量 model weights、較冷的 KV、agent state，以及那些「需要非常大容量、但不需要每一個 byte 都享受 HBM latency」的東西，逐漸搬到 HBF。 這樣反而更麻煩。 因為如果 HBF 真的成立，SanDisk 搶的並不只是 SSD 裡面多幾顆 NAND。 它是在嘗試讓 NAND 向 compute 靠近一層。 從 storage media，變成 accelerator architecture 裡的一部分。 這會直接改變 NAND 的價值量。 不過現在也不能把這張 simulation graph 當成產品已經完成。 目前我們看到的是 simulation + technical specification + ecosystem building，不是 NVIDIA/AMD production GPU 上的大規模實機 benchmark。 2026 年 8 月公開的第一版 HBF standard 已經定義了 xPU-HBF interface、electrical、packaging、reliability 與 software I/O，而且 Google、Tenstorrent 已經參與標準制定；這代表它已經從 SanDisk 自己的 PowerPoint 往 ecosystem standard 前進了一步，但距離 hyperscaler 大規模 deployment 還有一段 execution 要證明。 所以我現在看 HBF，最重要的 observation 不是： 「哇，NAND 比 HBM 快了。」 而是： AI inference 開始出現 memory capacity 和 compute capacity 的錯配。 過去解決這個錯配的方法，是繼續塞更多昂貴的 HBM，或者乾脆再買更多 GPU。 SanDisk 現在提出第三條路： 不要為了 memory 去買 compute。 如果這條路最後真的走通，那「4 張 HBF GPU = 8 張 HBM GPU」就不只是一張漂亮的 Investor Day benchmark。 它代表的可能是一件更大的事： AI Factory 下一輪優化，不一定是讓 GPU 更快，而是讓每一顆已經買下來的 GPU，不再因為記憶體不夠而被浪費。 而如果 NAND 可以做到這件事，那市場最後要重新估的，就不只是 HBF 能賣多少。 而是： NAND 到底還是不是 storage。

Leonard

136,307 Aufrufe • vor 15 Tagen

這個彤彤直播主很紅嗎？ 怎麼大家都在跟她開黃腔 後面粉絲問這個車能不能推 其他粉補一句 我是老漢交給我就完事 我整個笑死 大家實在太幽默了 為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」 這段時間看了很多 AI 專案，你會發現一個很明顯的現象 大家都在比模型多大、參數多少、推理多快 好像只要 AI 夠聰明，事情就自然會發生 但 Talus 走的是完全不同的路 他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作，形成真正的經濟活動？ Talus Labs 的設計邏輯，很像在蓋一座城市 Nexus 是底層框架 相當於城市的法律與基礎設施 它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證 不是單一功能，而是一套可持續擴展的規則系統 Agent 是角色 每一個 agent 都有身份、有資產、有行為紀錄 可以彼此合作、競爭、分工 它們不是一次性工具，更像是長期活動的經濟單位 Workflow 則是產線 把複雜的決策與行為拆成標準化流程 讓策略可以被複製、被重用、被優化 這對生態擴張非常重要，因為它讓「成功經驗」可以累積 這三個東西組合在一起，才會出現真正的護城河 很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用，系統會不會崩？」 這種問題沒那麼好講故事，也很難短期爆紅 但一旦真的跑起來，別人要複製成本會非常高 你不只要抄功能，還要重建整個框架、標準與生態協作方式 這正是基建型專案的特徵 我會覺得 Talus 更像長期基建，還有一個原因 它的成功，不完全取決於官方做了多少功能 而是有多少人願意在上面「長期建東西」 策略制定者、agent 設計者、生態應用、工具模組 這些角色都能在同一套框架下持續產生價值 這不是短線題材，也不太適合快進快出 它更像是在修一條高速公路，前期看起來沒那麼熱鬧 但一旦交通流量起來，誰都離不開 所以我才會說 Talus 與其說是一個 AI 專案 不如說是在慢慢鋪一個「AI 上鏈經濟」的底座 這種工程，急不來 但一旦完成，就會存在很久
1:23

這個彤彤直播主很紅嗎？ 怎麼大家都在跟她開黃腔 後面粉絲問這個車能不能推 其他粉補一句 我是老漢交給我就完事 我整個笑死 大家實在太幽默了 為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」 這段時間看了很多 AI 專案，你會發現一個很明顯的現象 大家都在比模型多大、參數多少、推理多快 好像只要 AI 夠聰明，事情就自然會發生 但 Talus 走的是完全不同的路 他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作，形成真正的經濟活動？ Talus Labs 的設計邏輯，很像在蓋一座城市 Nexus 是底層框架 相當於城市的法律與基礎設施 它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證 不是單一功能，而是一套可持續擴展的規則系統 Agent 是角色 每一個 agent 都有身份、有資產、有行為紀錄 可以彼此合作、競爭、分工 它們不是一次性工具，更像是長期活動的經濟單位 Workflow 則是產線 把複雜的決策與行為拆成標準化流程 讓策略可以被複製、被重用、被優化 這對生態擴張非常重要，因為它讓「成功經驗」可以累積 這三個東西組合在一起，才會出現真正的護城河 很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用，系統會不會崩？」 這種問題沒那麼好講故事，也很難短期爆紅 但一旦真的跑起來，別人要複製成本會非常高 你不只要抄功能，還要重建整個框架、標準與生態協作方式 這正是基建型專案的特徵 我會覺得 Talus 更像長期基建，還有一個原因 它的成功，不完全取決於官方做了多少功能 而是有多少人願意在上面「長期建東西」 策略制定者、agent 設計者、生態應用、工具模組 這些角色都能在同一套框架下持續產生價值 這不是短線題材，也不太適合快進快出 它更像是在修一條高速公路，前期看起來沒那麼熱鬧 但一旦交通流量起來，誰都離不開 所以我才會說 Talus 與其說是一個 AI 專案 不如說是在慢慢鋪一個「AI 上鏈經濟」的底座 這種工程，急不來 但一旦完成，就會存在很久

小美哥🕊️｜🐬TermMax

643,602 Aufrufe • vor 8 Monaten

媳婦看電影，我給她加個特效，這是不是有身歷其境呢 有朋友問我，為什麼到現在還在關注 TermMax | Fixed Rate Borrowing & Lending 我的答案其實很簡單 因為我看一個 DeFi 項目，不會只看一個月 我比較在意的是，它三個月後在做什麼，半年後又做了哪些事 這段時間看下來，TermMax 沒有一直停留在固定利率借貸 V2 上線之後，可以看到團隊一直往資本效率這個方向走 像是 Composable Base Yield、Curator Vault、Alpha 市場、代幣化股票，都是圍繞著同一個目標在擴展 這讓我想到一件事 很多項目在牛市很會講故事 真正困難的是，市場沒有那麼熱的時候，還願不願意繼續把產品做好 至少從目前的更新節奏來看，我還是看得到團隊在持續建設 當然，我也跟大家一樣期待 TGE 畢竟陪跑了這麼久，多少都希望看到下一個里程碑 但如果只能二選一，我還是希望產品先走穩，再迎接更多資金進來 因為真正有競爭力的協議，最後比的還是產品本身 這也是我願意繼續花時間關注 TermMax | Fixed Rate Borrowing & Lending 的原因
0:20

媳婦看電影，我給她加個特效，這是不是有身歷其境呢 有朋友問我，為什麼到現在還在關注 TermMax | Fixed Rate Borrowing & Lending 我的答案其實很簡單 因為我看一個 DeFi 項目，不會只看一個月 我比較在意的是，它三個月後在做什麼，半年後又做了哪些事 這段時間看下來，TermMax 沒有一直停留在固定利率借貸 V2 上線之後，可以看到團隊一直往資本效率這個方向走 像是 Composable Base Yield、Curator Vault、Alpha 市場、代幣化股票，都是圍繞著同一個目標在擴展 這讓我想到一件事 很多項目在牛市很會講故事 真正困難的是，市場沒有那麼熱的時候，還願不願意繼續把產品做好 至少從目前的更新節奏來看，我還是看得到團隊在持續建設 當然，我也跟大家一樣期待 TGE 畢竟陪跑了這麼久，多少都希望看到下一個里程碑 但如果只能二選一，我還是希望產品先走穩，再迎接更多資金進來 因為真正有競爭力的協議，最後比的還是產品本身 這也是我願意繼續花時間關注 TermMax | Fixed Rate Borrowing & Lending 的原因

小美哥🕊️｜🐬TermMax

8,424,296 Aufrufe • vor 1 Monat

祝各位聖誕節快樂啊 這部恐怖電影哪裡人看阿 好想看它的劇情 AI 黑箱真正讓人不安的地方 很多人講 AI 黑箱，會把重點放在「模型太複雜看不懂」但我後來覺得真正讓人不安是你連最基本的事情都無法確認 比如說 這次推理是不是用同一個模型？ 是不是同一組參數？ 有沒有被偷偷簡化過？ 這些問題，你現在幾乎沒有答案 你只能假設對方是誠實的 這在聊天或寫文時可能沒差 但一旦 AI 被用在金融、風控、甚至鏈上自動執行時 這種「只能假設」就變成風險來源 Inference Labs 的設計，其實就是試著在黑箱外面加一層「最低限度的可確認性」 你不需要懂模型，但你至少可以驗證 這次結果，確實是照規則算出來的 對我來說，這是讓黑箱不再完全不可控
0:23

祝各位聖誕節快樂啊 這部恐怖電影哪裡人看阿 好想看它的劇情 AI 黑箱真正讓人不安的地方 很多人講 AI 黑箱，會把重點放在「模型太複雜看不懂」但我後來覺得真正讓人不安是你連最基本的事情都無法確認 比如說 這次推理是不是用同一個模型？ 是不是同一組參數？ 有沒有被偷偷簡化過？ 這些問題，你現在幾乎沒有答案 你只能假設對方是誠實的 這在聊天或寫文時可能沒差 但一旦 AI 被用在金融、風控、甚至鏈上自動執行時 這種「只能假設」就變成風險來源 Inference Labs 的設計，其實就是試著在黑箱外面加一層「最低限度的可確認性」 你不需要懂模型，但你至少可以驗證 這次結果，確實是照規則算出來的 對我來說，這是讓黑箱不再完全不可控

小美哥🕊️｜🐬TermMax

52,633 Aufrufe • vor 8 Monaten

56年，只見過一間。 客戶賺了150億。 他自己主動放棄30億利潤，就是不賣。 寧可少賺，也不要被Elon看成「一有機會就跑」的那種人。 最近底部照樣繼續抱著，沒動。 不是火箭公司。 是把通訊跟算力，從地面電力、電纜、冷卻水管那些物理限制裡，硬生生拔到軌道上的東西。 原本只是想重複使用火箭。結果多餘產能變成全球互聯網，再變成把算力直接租給Anthropic一個月12.5億、Google九億。幾乎30億美金一年的現金流，從原本低報酬的資產裡生出來。 等一下，AI當然是世代躍進。 但AI還是卡在地球表面的電跟散熱。 這家把那個瓶頸往上推了一層。 現在人類真的要開始探索其他地方了。 你覺得呢？
1:30

56年，只見過一間。 客戶賺了150億。 他自己主動放棄30億利潤，就是不賣。 寧可少賺，也不要被Elon看成「一有機會就跑」的那種人。 最近底部照樣繼續抱著，沒動。 不是火箭公司。 是把通訊跟算力，從地面電力、電纜、冷卻水管那些物理限制裡，硬生生拔到軌道上的東西。 原本只是想重複使用火箭。結果多餘產能變成全球互聯網，再變成把算力直接租給Anthropic一個月12.5億、Google九億。幾乎30億美金一年的現金流，從原本低報酬的資產裡生出來。 等一下，AI當然是世代躍進。 但AI還是卡在地球表面的電跟散熱。 這家把那個瓶頸往上推了一層。 現在人類真的要開始探索其他地方了。 你覺得呢？

Leonard

15,995 Aufrufe • vor 11 Tagen

[Vibe Coding 實戰演示] 昨天看到wei神公佈Read only的API就想說來玩一下Vibe Coding，寫出了一個過去wei神的歷史交易數據紀錄平台，平台記錄著wei神過去交易資訊，然後搭配Chart的K棒來做交易Mark參考，記錄一下整個Vibe過程，順便教學一下我都怎麼 Vibe Coding 一些想法。 我沒有把平台部屬起來，直接開源放到了Github上面，所有歷史交易數據包含order還有trade還有帳戶history的csv資料也都放到雲端開放大家下載，留言都有連結。 整個Vibe過程大概花了半天，中間經歷了使用Gemini 3還有Opus 4.5，大致過程如下: 1⃣一開始使用Antigravity+Gemini3，我直接把wei神的貼文複製貼上去並加了這個prompt "這是一個交易員公開了他的read only api，請幫我分析內文這是哪一家cex的api並且把他過去的歷史交易資訊全部抓下來存成csv" 接著他直接分析內文認為是bitmex的api，但他還是寫了一個script測試是幣安還是bitmex，確認是bitmex後就寫出了一個抓取data的script去把歷史trade的數據給抓了回來。 2⃣資料抓完之後我下了這個prompt "請幫我利用抓取下來的trade history建立一個dashboard，包含了所有資訊，並且加入Chart來顯示交易的紀錄" 然後就一步步生出了一版非常陽春的版本，上面有歷史K棒擠了一大堆的BUY & SELL，然後下面顯示所有的交易Table。 這邊提一下，中間會出現一些error，Antigravity很炫，可以在瀏覽器安裝一個extension，他會直接去操作網站並截圖error直接分析debug，但我這邊非常不建議讓他這麼做，精準度太差，建議一律手動複製網站上的error log貼上去當prompt 做debug。 3⃣因為抓下來的Trade log並不是倉位歷史的資訊，基本上只有buy 跟sell，而且同一個order會拆成很多的buy呈現在圖表上整個超亂的，我想做的應該是分析wei神每一個倉位歷史開單邏輯跟關單邏輯，如果不把trade整合成倉位歷史根本沒辦法看，所以我就下了這個prompt。 "有辦法把這csv做成類似倉位歷史嗎? 就是每一個開單還有這個開單pnl多少那種? 還是bitmax可以fetch這種api? 因為目前的trade log是每一次的交易（有可能是同一個order但分不同trade成交），不是同一個order跟position，想要做成那種倉位歷史的概念，請幫我做看看？" 結果他使用了FIFO (先進先出 First In, First Out）的方法來幫我整理CSV並新增了一個Position的Page，但這問題就來了，我看了一下整理出來的倉位歷史一定是錯的而且超亂，之後不論我怎麼問Gemini 3 一直鬼打牆在處理csv，結果也都一直是錯的。 4⃣ 剛好 Claude Opus 4.5 釋出，想說試試看，我就切換到Cursor + Opus 4.5，下了這個prompt (其實就是閒聊) "這是我之前設計的一個平台，有一個很厲害的交易員提供 READ ONLY的API, 讓使用者可以抓他Bitmex這家交易所的歷史交易資訊, 我之前有寫一個script把trade log都抓成 bitmex_trades csv這個檔案 不過我發現這是trade log, 每一筆trade都會記錄, 但並不是倉位歷史, bitmex有api抓倉位歷史嗎? 還是說要用這個csv去計算倉位歷史，bitmex 除了trade history以外有沒有什麼api可以抓取更多information讓這個平台更好的? 然後這個平台目前有display 每一筆交易的 chart, 我是希望可以變成倉位歷史, 然後點倉位後就可以顯示那一次的倉位操作來做學習" 神奇的來了，Opus直接去翻bitmex的api doc，抓取了wallet/order/execution history，然後直接把我卡了很久的問題全部解決了，他直接利用了order還有execution算出了比較精確的倉位歷史，甚至還幫我加了首頁的Overview Page。 5⃣ 接下來就是一些前端的修飾，我直接回到Gemini請他幫我調整CSS跟介面讓介面看起來更專業一些，還有更新Chart使用類似TradingView的畫面。 最後還是感謝 paulwei 提供實盤紀錄供別人學習，確實是我看過第一個這樣公開敢把實盤 API 直接丟出來，讓大家無死角檢視並學習每一筆進出單細節的交易員。 而這就是 Vibe Coding 的魅力，半天時間就能把一個單純的 idea 落地成實用的分析工具，整個過程基本上你也不需要懂程式。 最後希望這篇實戰紀錄能給大家一點啟發，都一起 Vibe 起來吧！
0:37

[Vibe Coding 實戰演示] 昨天看到wei神公佈Read only的API就想說來玩一下Vibe Coding，寫出了一個過去wei神的歷史交易數據紀錄平台，平台記錄著wei神過去交易資訊，然後搭配Chart的K棒來做交易Mark參考，記錄一下整個Vibe過程，順便教學一下我都怎麼 Vibe Coding 一些想法。 我沒有把平台部屬起來，直接開源放到了Github上面，所有歷史交易數據包含order還有trade還有帳戶history的csv資料也都放到雲端開放大家下載，留言都有連結。 整個Vibe過程大概花了半天，中間經歷了使用Gemini 3還有Opus 4.5，大致過程如下: 1⃣一開始使用Antigravity+Gemini3，我直接把wei神的貼文複製貼上去並加了這個prompt "這是一個交易員公開了他的read only api，請幫我分析內文這是哪一家cex的api並且把他過去的歷史交易資訊全部抓下來存成csv" 接著他直接分析內文認為是bitmex的api，但他還是寫了一個script測試是幣安還是bitmex，確認是bitmex後就寫出了一個抓取data的script去把歷史trade的數據給抓了回來。 2⃣資料抓完之後我下了這個prompt "請幫我利用抓取下來的trade history建立一個dashboard，包含了所有資訊，並且加入Chart來顯示交易的紀錄" 然後就一步步生出了一版非常陽春的版本，上面有歷史K棒擠了一大堆的BUY & SELL，然後下面顯示所有的交易Table。 這邊提一下，中間會出現一些error，Antigravity很炫，可以在瀏覽器安裝一個extension，他會直接去操作網站並截圖error直接分析debug，但我這邊非常不建議讓他這麼做，精準度太差，建議一律手動複製網站上的error log貼上去當prompt 做debug。 3⃣因為抓下來的Trade log並不是倉位歷史的資訊，基本上只有buy 跟sell，而且同一個order會拆成很多的buy呈現在圖表上整個超亂的，我想做的應該是分析wei神每一個倉位歷史開單邏輯跟關單邏輯，如果不把trade整合成倉位歷史根本沒辦法看，所以我就下了這個prompt。 "有辦法把這csv做成類似倉位歷史嗎? 就是每一個開單還有這個開單pnl多少那種? 還是bitmax可以fetch這種api? 因為目前的trade log是每一次的交易（有可能是同一個order但分不同trade成交），不是同一個order跟position，想要做成那種倉位歷史的概念，請幫我做看看？" 結果他使用了FIFO (先進先出 First In, First Out）的方法來幫我整理CSV並新增了一個Position的Page，但這問題就來了，我看了一下整理出來的倉位歷史一定是錯的而且超亂，之後不論我怎麼問Gemini 3 一直鬼打牆在處理csv，結果也都一直是錯的。 4⃣ 剛好 Claude Opus 4.5 釋出，想說試試看，我就切換到Cursor + Opus 4.5，下了這個prompt (其實就是閒聊) "這是我之前設計的一個平台，有一個很厲害的交易員提供 READ ONLY的API, 讓使用者可以抓他Bitmex這家交易所的歷史交易資訊, 我之前有寫一個script把trade log都抓成 bitmex_trades csv這個檔案 不過我發現這是trade log, 每一筆trade都會記錄, 但並不是倉位歷史, bitmex有api抓倉位歷史嗎? 還是說要用這個csv去計算倉位歷史，bitmex 除了trade history以外有沒有什麼api可以抓取更多information讓這個平台更好的? 然後這個平台目前有display 每一筆交易的 chart, 我是希望可以變成倉位歷史, 然後點倉位後就可以顯示那一次的倉位操作來做學習" 神奇的來了，Opus直接去翻bitmex的api doc，抓取了wallet/order/execution history，然後直接把我卡了很久的問題全部解決了，他直接利用了order還有execution算出了比較精確的倉位歷史，甚至還幫我加了首頁的Overview Page。 5⃣ 接下來就是一些前端的修飾，我直接回到Gemini請他幫我調整CSS跟介面讓介面看起來更專業一些，還有更新Chart使用類似TradingView的畫面。 最後還是感謝 paulwei 提供實盤紀錄供別人學習，確實是我看過第一個這樣公開敢把實盤 API 直接丟出來，讓大家無死角檢視並學習每一筆進出單細節的交易員。 而這就是 Vibe Coding 的魅力，半天時間就能把一個單純的 idea 落地成實用的分析工具，整個過程基本上你也不需要懂程式。 最後希望這篇實戰紀錄能給大家一點啟發，都一起 Vibe 起來吧！

0xFunky

184,809 Aufrufe • vor 9 Monaten

HBM 之父 Kim Jung-ho 三星的 zHBM 概念，是把 HBM 直接堆疊在 GPU 上方（垂直方向，z 軸），好處是資料不用「走出大樓」，只要搭電梯（垂直傳輸），速度會大幅提升。 但這不是正確的根本方向。 因為 GPU 會發熱，把 HBM 堆在上面會導致「記憶體融化」（GPU gets hot and the memory melts）。 這種結構頂多適合簡單運算，像 LPU 或 NPU，只是好玩的展示技術，真正重要的技術不會在這種場合公開。 這是第一次對外公開tHBM ，先堆疊 HBM，再把 GPU 放在最上面。 這樣可以解決散熱問題，同時保留高速垂直傳輸的優勢。
1:05

HBM 之父 Kim Jung-ho 三星的 zHBM 概念，是把 HBM 直接堆疊在 GPU 上方（垂直方向，z 軸），好處是資料不用「走出大樓」，只要搭電梯（垂直傳輸），速度會大幅提升。 但這不是正確的根本方向。 因為 GPU 會發熱，把 HBM 堆在上面會導致「記憶體融化」（GPU gets hot and the memory melts）。 這種結構頂多適合簡單運算，像 LPU 或 NPU，只是好玩的展示技術，真正重要的技術不會在這種場合公開。 這是第一次對外公開tHBM ，先堆疊 HBM，再把 GPU 放在最上面。 這樣可以解決散熱問題，同時保留高速垂直傳輸的優勢。

BlueJay

27,550 Aufrufe • vor 6 Tagen

黃仁勳最近被問到一個問題：在 AI 時代，怎麼樣的人才算是聰明人？ 他的回答是，以後算數快、會寫程式這些能力，會變得像自來水一樣便宜。人類真正的核心競爭力，是同理心跟品味。 品味（taste）這個詞已經被很多矽谷大佬講爛了，但講同理心重要的人很少，仔細想想，老黃這句話非常有深意，不愧是當今地球最強的華人之一。 你一定遇過那種人，學歷很好，專業沒話說，但跟他聊天你永遠聽不懂他在講什麼。滿口術語，每句話都正確，但就是讓你覺得他在自嗨。 然後你又遇過另一種人。他講的是一個你完全不懂的領域，但三分鐘之內你就抓到核心了。 差別在哪？ 後者有一種能力，就是「向下兼容」。 寫程式的人應該秒懂這個詞。新版本的軟體要能跑舊版本的東西，就得做向下兼容。溝通也一樣，你要把自己的認知降階，去適配對方的接收頻寬。 這件事之所以難，是因為你得切換到對方的視角：這句話他聽不聽得懂？這個比喻對他來說會不會太遠？ 這就是黃仁勳說的同理心。 能力越強的人，向下兼容的距離越大。一個頂尖物理學家要把量子力學講到你阿嬤都聽得懂，壓縮率是極端的。 但壓縮一定會失真。就像把無損音檔壓成 MP3，你必須選擇犧牲哪些細節、保留哪些核心。 這個選擇需要品味。你得知道什麼是骨架，什麼是裝飾。搞不清楚的人，壓完之後精髓就不見了。 所以黃仁勳講的同理心跟品味，其實是同一件事的兩面。同理心讓你知道要壓到多少對方才收得到，品味讓你知道壓縮的時候該留什麼。 以前這種能力沒那麼值錢，因為「知道」本身就稀缺。你會寫 code，你就比別人強。 但 AI 把「知道」變便宜了。任何人都可以用 AI 寫出能跑的程式。當基礎能力被拉平，能把複雜的東西講到任何人都懂、能精準判斷什麼該留什麼該丟，這才是稀缺的。 其實我前幾天寫那篇飛機跟升力的科普文，就是在試這件事。把流體力學、庫塔條件這些東西壓縮到一般人能看懂的程度，同時盡量不讓核心邏輯失真。 回頭看，保真率還有很大的進步空間。但這個練習本身蠻有趣的。
0:46

黃仁勳最近被問到一個問題：在 AI 時代，怎麼樣的人才算是聰明人？ 他的回答是，以後算數快、會寫程式這些能力，會變得像自來水一樣便宜。人類真正的核心競爭力，是同理心跟品味。 品味（taste）這個詞已經被很多矽谷大佬講爛了，但講同理心重要的人很少，仔細想想，老黃這句話非常有深意，不愧是當今地球最強的華人之一。 你一定遇過那種人，學歷很好，專業沒話說，但跟他聊天你永遠聽不懂他在講什麼。滿口術語，每句話都正確，但就是讓你覺得他在自嗨。 然後你又遇過另一種人。他講的是一個你完全不懂的領域，但三分鐘之內你就抓到核心了。 差別在哪？ 後者有一種能力，就是「向下兼容」。 寫程式的人應該秒懂這個詞。新版本的軟體要能跑舊版本的東西，就得做向下兼容。溝通也一樣，你要把自己的認知降階，去適配對方的接收頻寬。 這件事之所以難，是因為你得切換到對方的視角：這句話他聽不聽得懂？這個比喻對他來說會不會太遠？ 這就是黃仁勳說的同理心。 能力越強的人，向下兼容的距離越大。一個頂尖物理學家要把量子力學講到你阿嬤都聽得懂，壓縮率是極端的。 但壓縮一定會失真。就像把無損音檔壓成 MP3，你必須選擇犧牲哪些細節、保留哪些核心。 這個選擇需要品味。你得知道什麼是骨架，什麼是裝飾。搞不清楚的人，壓完之後精髓就不見了。 所以黃仁勳講的同理心跟品味，其實是同一件事的兩面。同理心讓你知道要壓到多少對方才收得到，品味讓你知道壓縮的時候該留什麼。 以前這種能力沒那麼值錢，因為「知道」本身就稀缺。你會寫 code，你就比別人強。 但 AI 把「知道」變便宜了。任何人都可以用 AI 寫出能跑的程式。當基礎能力被拉平，能把複雜的東西講到任何人都懂、能精準判斷什麼該留什麼該丟，這才是稀缺的。 其實我前幾天寫那篇飛機跟升力的科普文，就是在試這件事。把流體力學、庫塔條件這些東西壓縮到一般人能看懂的程度，同時盡量不讓核心邏輯失真。 回頭看，保真率還有很大的進步空間。但這個練習本身蠻有趣的。

Benson Sun

181,973 Aufrufe • vor 6 Monaten

我最近看到一些來自台灣的謠言，說什麼中國在金門事件的漁民有一個是中共軍隊假扮的。這個謠言就是指鹿為馬，顛倒是非。首先兩個人雖然都有個大眾臉，但眉毛、肌肉線條、甚至身高根本就不像。結果，這種謊言還有很多人拍手稱是，我只能說：嗯，尊重每個人的言論自由。 這裡我想要分享一個影片，這是台灣的網紅Cheap分享的，他懷念2012-2014年那個時代，因為那個時代，說執政黨不好不會被攻擊；但是現在2024年，說執政黨不好，會被支持者們出征。 我完全同意Cheap的觀點，我很很懷念2014-2016年的時候，因為當時很流行理性討論的風氣。然而，現在在台灣的網路，理性討論越來越困難。所有人都是先猜測立場。認為立場不正的，或是忠誠不絕對的，就瘋狂出征。畢竟在他們眼中，忠誠不絕對，就是絕對不忠誠。 其實那些在瘋傳「金門事件的漁民有一個是中共軍隊假扮的」自己也知道這是未經證實的謠言。但是為什麼要傳播呢？原因很簡單，就是忠誠度測試嘛。他們的目的不是真的要查核這個人是不是中共特務，而是要檢查台灣的博主們到底誰對民進黨忠心，誰不是。不夠忠心的人就扣上一個「中共同路人」的帽子，然後搞出征，和網路霸凌。 就像當年秦朝時，趙高牽著一頭鹿進宮殿，說這是馬的時候。趙高難道不知道他在說謊嗎？他當然知道，但他就是為了要測試出正直的人。並把這些人殺掉，留下來的人就不會有人再反對他。忠誠度測試，才是指鹿為馬的真正目的。 你可以相信，分享這個忠誠度測試的文章是為了台灣。不過我想問一個問題，難道散播這種謊言，就真的是為台灣好嗎？如果台灣的國安需要用這種謊言來維持，那麼台灣離滅國，應該也不遠了吧！
0:54

我最近看到一些來自台灣的謠言，說什麼中國在金門事件的漁民有一個是中共軍隊假扮的。這個謠言就是指鹿為馬，顛倒是非。首先兩個人雖然都有個大眾臉，但眉毛、肌肉線條、甚至身高根本就不像。結果，這種謊言還有很多人拍手稱是，我只能說：嗯，尊重每個人的言論自由。 這裡我想要分享一個影片，這是台灣的網紅Cheap分享的，他懷念2012-2014年那個時代，因為那個時代，說執政黨不好不會被攻擊；但是現在2024年，說執政黨不好，會被支持者們出征。 我完全同意Cheap的觀點，我很很懷念2014-2016年的時候，因為當時很流行理性討論的風氣。然而，現在在台灣的網路，理性討論越來越困難。所有人都是先猜測立場。認為立場不正的，或是忠誠不絕對的，就瘋狂出征。畢竟在他們眼中，忠誠不絕對，就是絕對不忠誠。 其實那些在瘋傳「金門事件的漁民有一個是中共軍隊假扮的」自己也知道這是未經證實的謠言。但是為什麼要傳播呢？原因很簡單，就是忠誠度測試嘛。他們的目的不是真的要查核這個人是不是中共特務，而是要檢查台灣的博主們到底誰對民進黨忠心，誰不是。不夠忠心的人就扣上一個「中共同路人」的帽子，然後搞出征，和網路霸凌。 就像當年秦朝時，趙高牽著一頭鹿進宮殿，說這是馬的時候。趙高難道不知道他在說謊嗎？他當然知道，但他就是為了要測試出正直的人。並把這些人殺掉，留下來的人就不會有人再反對他。忠誠度測試，才是指鹿為馬的真正目的。 你可以相信，分享這個忠誠度測試的文章是為了台灣。不過我想問一個問題，難道散播這種謊言，就真的是為台灣好嗎？如果台灣的國安需要用這種謊言來維持，那麼台灣離滅國，應該也不遠了吧！

Cheng-Wei Lai

96,329 Aufrufe • vor 2 Jahren

【Live2D小技巧分享】 前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda
0:29

【Live2D小技巧分享】 前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda

【SODAART】Red SodaのLive2D

13,299 Aufrufe • vor 9 Monaten

又找到一個買電動車的理由了 話說你喜歡被叫爸爸嗎 Inference Labs ，讓 AI 也能做到信任最小化 在 Web3 世界裡，有一句話我一直記得 不要信任任何人，驗證一切 這套邏輯讓區塊鏈可以在沒有中心管理者的情況下運作但一旦 AI 進來，這個原則就開始被打破了 現在大多數 AI 系統 其實都需要你「先相信它」 你要相信模型沒被動過、推理過程沒被修改、節點沒有作惡 這種假設在 Web2 或許還行 但放在 Web3 就顯得非常不自然 甚至有點危險 Inference Network 做的事情 就是把 AI 拉回 Web3 熟悉的軌道信任最小化 它不要求你信任節點、不要求你信任模型提供者 甚至不要求你信任執行環境 你只需要驗證一個東西就是推理證明是否成立 對我來說，這一點非常關鍵 因為一旦 AI 的結果可以被獨立驗證 信任就不再綁在某個角色身上 是綁在數學和規則上 這跟我們現在驗證交易、驗證區塊、驗證合約的方式 其實是一樣的 站在普通使用者角度 我不想每天擔心哪個節點會不會作弊 也不想研究哪個模型比較誠實 我只想知道這個結果是不是照規則算出來的 Inference Network 提供的 就是這樣一個簡單、直覺的答案 這也讓我意識到一件事 AI 要真正進入 Web3 靠的不是更強的模型 是更低的信任成本 只要每個結果都能被驗證 整個系統就能自然地運作下去 我覺得 Inference Network 是把 Web3 最核心的「信任最小化」精神，真正帶進了 AI 世界 這也是我覺得它價值很高的地方
0:46

又找到一個買電動車的理由了 話說你喜歡被叫爸爸嗎 Inference Labs ，讓 AI 也能做到信任最小化 在 Web3 世界裡，有一句話我一直記得 不要信任任何人，驗證一切 這套邏輯讓區塊鏈可以在沒有中心管理者的情況下運作但一旦 AI 進來，這個原則就開始被打破了 現在大多數 AI 系統 其實都需要你「先相信它」 你要相信模型沒被動過、推理過程沒被修改、節點沒有作惡 這種假設在 Web2 或許還行 但放在 Web3 就顯得非常不自然 甚至有點危險 Inference Network 做的事情 就是把 AI 拉回 Web3 熟悉的軌道信任最小化 它不要求你信任節點、不要求你信任模型提供者 甚至不要求你信任執行環境 你只需要驗證一個東西就是推理證明是否成立 對我來說，這一點非常關鍵 因為一旦 AI 的結果可以被獨立驗證 信任就不再綁在某個角色身上 是綁在數學和規則上 這跟我們現在驗證交易、驗證區塊、驗證合約的方式 其實是一樣的 站在普通使用者角度 我不想每天擔心哪個節點會不會作弊 也不想研究哪個模型比較誠實 我只想知道這個結果是不是照規則算出來的 Inference Network 提供的 就是這樣一個簡單、直覺的答案 這也讓我意識到一件事 AI 要真正進入 Web3 靠的不是更強的模型 是更低的信任成本 只要每個結果都能被驗證 整個系統就能自然地運作下去 我覺得 Inference Network 是把 Web3 最核心的「信任最小化」精神，真正帶進了 AI 世界 這也是我覺得它價值很高的地方

小美哥🕊️｜🐬TermMax

348,435 Aufrufe • vor 7 Monaten

主奴關係，從來不是控制，而是信任。 很多人誤解 BDSM 的主奴關係， 以為那是支配與被支配的權力遊戲。 但真正的主奴關係， 其實建立在三個最重要的基礎上～ 「信任、溝通、尊重」！ 奴願意交出自己的一部分控制權， 不是因為軟弱， 而是因為他相信～～ 主會用責任去承接這份交付。 主之所以能成為主， 也不是因為權力， 而是因為他理解！ 真正的支配， 不是征服一個人， 而是守護一個願意向你敞開的人。 在健康的 BDSM 關係裡， 每一條規則都是雙方共同討論的結果， 每一個界線都被清楚の尊重。 奴的服從不是被迫， 而是自願的臣服。 主的支配不是霸道， 而是一種責任與照顧。 所以真正成熟的主奴關係裡， 最重要的從來不是皮鞭、枷鎖或命令。 而是那句話： 「我把自己交給你，是相信你不會傷害我。」 當這份信任存在時， 主與奴之間， 其實是一種比普通關係更深的連結。 因為那不只是愛， 也是選擇。
9:36

Sensitive content

主奴關係，從來不是控制，而是信任。 很多人誤解 BDSM 的主奴關係， 以為那是支配與被支配的權力遊戲。 但真正的主奴關係， 其實建立在三個最重要的基礎上～ 「信任、溝通、尊重」！ 奴願意交出自己的一部分控制權， 不是因為軟弱， 而是因為他相信～～ 主會用責任去承接這份交付。 主之所以能成為主， 也不是因為權力， 而是因為他理解！ 真正的支配， 不是征服一個人， 而是守護一個願意向你敞開的人。 在健康的 BDSM 關係裡， 每一條規則都是雙方共同討論的結果， 每一個界線都被清楚の尊重。 奴的服從不是被迫， 而是自願的臣服。 主的支配不是霸道， 而是一種責任與照顧。 所以真正成熟的主奴關係裡， 最重要的從來不是皮鞭、枷鎖或命令。 而是那句話： 「我把自己交給你，是相信你不會傷害我。」 當這份信任存在時， 主與奴之間， 其實是一種比普通關係更深的連結。 因為那不只是愛， 也是選擇。

Lunana

207,270 Aufrufe • vor 5 Monaten

林亮君議員今天在新台派上線爆料蔣萬安市府錯誤投放老鼠藥，以下逐字稿。 - 這在我服務處旁邊哦，謙和市場我們就有民眾來通報啊，剛剛就那一隻你說很長的鼠，那個說是在我們中山區啊那發現的鼠。 然後我就趕快通報給環保局 ，然後環保局回我什麼？「不好意思不好意思已經放老鼠藥了」然後他們老鼠藥這樣放！就這樣子放在花圃裏！就這樣！而且我告訴大家這個老鼠藥啊，就是說剛剛這個定宇委員有講，他有放一些香劑、有些誘餌，要吸引人家來吃嘛！ 那完全跟他們自己告訴民眾說：「你要放老鼠藥的這個方式，要有設置安全毒餌在。」哇完全不一樣！明明告訴民眾說你要避免寵物誤食嘛！避免其他根本不是老鼠的這些動物。結果他就給他丟在花圃裏，你看他旁邊這個應該是電箱 ，他就是丟在路邊，路邊的一個小凹槽就給他這樣丟，那你不管是小朋友看到說：「哎這是什麼好有趣哦是巧克力片嗎 ？」還是什麼拿起來把玩，然後把完沒洗手 ，然後又給吃包到嘴巴裏面，那怎麼辦？ 我跟你不要講小朋友，真的是很嚴重，只要有一隻毛小孩遛狗毒s，蔣萬安我覺得他不用選了。 而且我跟你講現在環保局其實他們沒有統計所謂的老鼠熱點，就是說大家已經通報了這麼多，因為那一天市府外人講說哦，現在老鼠相較於二月啊已經下降七成，可是問題是，你看網友大家有哪有下降？找出這麼多鼠對不對！ 那可是問題是他們現在完全沒有評估說，臺北市的老鼠熱區在哪裏！他們只有講說：「啊我們針對很多的市場啊攤集場我們都有加強清消啊」 我就問你說，那請問市民通報的這一些地區，你們有沒有去統計出來說，哪邊數比較多嘛？那你那個地方你可能要加強防疫的第一步，不就是找熱區？沒有沒有熱區！完全沒有找熱趣！這就是現在的環保局！ 而且我覺得這個蔣萬安市府，我覺得他們現在可能也在思考說，如果他們強力滅鼠，他們就會被大家發現，真的超多老鼠！所以他們就陷入一個「到底是大力滅鼠還是不大力滅鼠的狀況」 我覺得真的是讓人家覺得說：「哇這個行政效率真的很差啦」 那最後我再講一個，就是說蔣萬安市長，剛剛我們看到 Puma 講說這個紐約，它有很多的這些相關的作為，廚餘的，對，廚餘的。 蔣市長呢，其實在 2024 年的時候，他有去紐約做城市交流啊。他們不是講說：「哦，我們都有做城市交流，我們不是只有說城論壇，我們跟其他城市也有做交流。」那你怎麼沒有交流到這個？他只去吃漢堡、吃熱狗，沒有交流到這個。 而且這個所謂的廚餘桶，或者是垃圾要有這個所謂封蓋這件事情，其實大家也都一直在講。因為大家還記得，以前實施垃圾不落地一開始是在哪裡？就是在台北市啊！很久以前的政策嘛，1995 年、1996 年的時候，垃圾不落地的政策就是為了要避免這些垃圾在地上的時間越短越好，一不要留下去，就不會有老鼠、蟑螂一大堆有的沒的。那你就是要避免這樣的狀況嘛！ 所以無論是紐約的做法，或者是在台灣我們一開始的這個垃圾不落地的做法，為的就是要維持台北市環境的整潔，然後去除掉這些有可能湯湯水水，或者是老鼠有香味會跑過來的這些時間跟可能性嘛。 那蔣萬安到現在，他現在只做的一件事就是投藥，然後這個投藥還非常的粗糙。那說不定今天一大堆松鼠會因為這樣而s掉，甚至說不定有寵物。我覺得這樣子的一個行政效率喔，真的很可怕啦！ 那蔣萬安現在看起來，這個安鼠之亂還沒結束啦，那他現在都在……大家都問他說：「那大家怎麼解決？」他避不回應啊。那我覺得沈伯洋 Puma 講的，不論在老鼠部分或在大巨蛋的部分，其實短、中、長期的作為，我覺得這才是市民想要看到的解決方案。而不是說像總機一樣說：「啊，這個事情我們請環保局處理」、「啊，這個事情我們請體育局去要求遠雄做改善」。如果你只是一個總機，那我選你幹嘛？
4:12

林亮君議員今天在新台派上線爆料蔣萬安市府錯誤投放老鼠藥，以下逐字稿。 - 這在我服務處旁邊哦，謙和市場我們就有民眾來通報啊，剛剛就那一隻你說很長的鼠，那個說是在我們中山區啊那發現的鼠。 然後我就趕快通報給環保局 ，然後環保局回我什麼？「不好意思不好意思已經放老鼠藥了」然後他們老鼠藥這樣放！就這樣子放在花圃裏！就這樣！而且我告訴大家這個老鼠藥啊，就是說剛剛這個定宇委員有講，他有放一些香劑、有些誘餌，要吸引人家來吃嘛！ 那完全跟他們自己告訴民眾說：「你要放老鼠藥的這個方式，要有設置安全毒餌在。」哇完全不一樣！明明告訴民眾說你要避免寵物誤食嘛！避免其他根本不是老鼠的這些動物。結果他就給他丟在花圃裏，你看他旁邊這個應該是電箱 ，他就是丟在路邊，路邊的一個小凹槽就給他這樣丟，那你不管是小朋友看到說：「哎這是什麼好有趣哦是巧克力片嗎 ？」還是什麼拿起來把玩，然後把完沒洗手 ，然後又給吃包到嘴巴裏面，那怎麼辦？ 我跟你不要講小朋友，真的是很嚴重，只要有一隻毛小孩遛狗毒s，蔣萬安我覺得他不用選了。 而且我跟你講現在環保局其實他們沒有統計所謂的老鼠熱點，就是說大家已經通報了這麼多，因為那一天市府外人講說哦，現在老鼠相較於二月啊已經下降七成，可是問題是，你看網友大家有哪有下降？找出這麼多鼠對不對！ 那可是問題是他們現在完全沒有評估說，臺北市的老鼠熱區在哪裏！他們只有講說：「啊我們針對很多的市場啊攤集場我們都有加強清消啊」 我就問你說，那請問市民通報的這一些地區，你們有沒有去統計出來說，哪邊數比較多嘛？那你那個地方你可能要加強防疫的第一步，不就是找熱區？沒有沒有熱區！完全沒有找熱趣！這就是現在的環保局！ 而且我覺得這個蔣萬安市府，我覺得他們現在可能也在思考說，如果他們強力滅鼠，他們就會被大家發現，真的超多老鼠！所以他們就陷入一個「到底是大力滅鼠還是不大力滅鼠的狀況」 我覺得真的是讓人家覺得說：「哇這個行政效率真的很差啦」 那最後我再講一個，就是說蔣萬安市長，剛剛我們看到 Puma 講說這個紐約，它有很多的這些相關的作為，廚餘的，對，廚餘的。 蔣市長呢，其實在 2024 年的時候，他有去紐約做城市交流啊。他們不是講說：「哦，我們都有做城市交流，我們不是只有說城論壇，我們跟其他城市也有做交流。」那你怎麼沒有交流到這個？他只去吃漢堡、吃熱狗，沒有交流到這個。 而且這個所謂的廚餘桶，或者是垃圾要有這個所謂封蓋這件事情，其實大家也都一直在講。因為大家還記得，以前實施垃圾不落地一開始是在哪裡？就是在台北市啊！很久以前的政策嘛，1995 年、1996 年的時候，垃圾不落地的政策就是為了要避免這些垃圾在地上的時間越短越好，一不要留下去，就不會有老鼠、蟑螂一大堆有的沒的。那你就是要避免這樣的狀況嘛！ 所以無論是紐約的做法，或者是在台灣我們一開始的這個垃圾不落地的做法，為的就是要維持台北市環境的整潔，然後去除掉這些有可能湯湯水水，或者是老鼠有香味會跑過來的這些時間跟可能性嘛。 那蔣萬安到現在，他現在只做的一件事就是投藥，然後這個投藥還非常的粗糙。那說不定今天一大堆松鼠會因為這樣而s掉，甚至說不定有寵物。我覺得這樣子的一個行政效率喔，真的很可怕啦！ 那蔣萬安現在看起來，這個安鼠之亂還沒結束啦，那他現在都在……大家都問他說：「那大家怎麼解決？」他避不回應啊。那我覺得沈伯洋 Puma 講的，不論在老鼠部分或在大巨蛋的部分，其實短、中、長期的作為，我覺得這才是市民想要看到的解決方案。而不是說像總機一樣說：「啊，這個事情我們請環保局處理」、「啊，這個事情我們請體育局去要求遠雄做改善」。如果你只是一個總機，那我選你幹嘛？

H a n a H s u

13,257 Aufrufe • vor 4 Monaten

夫妻／情侶找單男這件事，到底該不該收費？ 而「收費」這件事，到底是在篩選人，還是在篩掉人？ 這話題真的很兩極。 有些夫妻會認為：「女生有風險、有時間成本、有隱私成本，收費本來就合理。」 畢竟：要聊天、要篩人、要見面、要承擔安全風險，甚至還可能遇到情緒管理差、沒禮貌、愛踩界線的人。 尤其很多夫妻真的被私訊轟炸到很煩。 一句：「約嗎？」 一句：「有沒有機會？」 甚至連自我介紹都沒有。 照片模糊、態度敷衍、聊天像面試官，卻又期待別人要熱情、有情緒價值、還要陪聊。 久了之後，很多夫妻會開始覺得：「如果你連一點成本都不願意付出，那我為什麼要花時間在你身上？」 所以後來有些人開始設：入場費、車馬費、場地分攤、酒錢、住宿費。 有些是為了補貼成本，有些其實只是想設一道門檻。 因為他們也怕遇到：臨時消失的、白嫖的、只想打免費炮的、甚至情緒或行為有問題的人。 甚至有些人夫還會說：「這不是賣老婆，而是一種心理安慰費。」 坦白講，我其實能理解這句話背後的意思。 因為很多時候，男人不是不能分享。 而是需要一個理由去平衡自己的情緒。 有些人透過規則感、有些人透過主導權、有些人透過控制流程。 而有些人，則透過「收費」這件事，讓自己心理上比較不失衡。 因為當一件事情開始有門檻，男人比較容易說服自己：「不是誰都可以碰我的女人。」 但另一方面，我也發現一件很現實的事情。 很多真正條件不錯的單男，反而通常不太願意花高額費用去進入這種關係。 不是因為沒錢，而是因為感覺不對了。 因為很多優質單男其實不缺女生認識，也不缺聊天能力。甚至外表、工作、社交能力都不差。 他們想要的通常不是：「我花了多少錢，所以我得到什麼。」 而是：「彼此有沒有吸引力？」、「聊天有沒有感覺？」、「相處舒不舒服？」、「有沒有火花？」、「有沒有尊重感？」 所以當一段互動還沒開始，就先變成：價格表、 門票制、VIP感、甚至像競標一樣時..很多人會瞬間冷掉。 因為那種感覺，很容易從「交流」變成「消費」。 尤其價格高到一個程度後，很多人心裡其實都會出現同一句話：「我為什麼要花超過幾千甚至上萬，去幹一個人妻？」 這句話雖然直接，但其實很現實。 因為當一件事情開始像商業行為，人就會開始衡量：值不值得？CP值高不高？有沒有更直接的方法？ 而一旦開始進入「消費者思維」，其實整個互動氛圍就會開始變質。 甚至有些人付了錢之後，就會開始出現：「我都花錢了，你們是不是應該怎樣？」 這種心態反而更可怕。 因為白嫖的人，頂多只是沒誠意。 但有「消費者心態」的人，會開始覺得自己擁有某種權利。而這種權利感，往往才是最危險的東西。 所以我後來慢慢覺得：真正的問題，從來不是收不收費。 而是：你們到底把彼此當成什麼？ 是商品？ 是資源？ 是獵物？ 還是？ 一個值得認識的人？ 因為有些夫妻不收費，卻把人當工具；有些收費，反而很有禮貌、很尊重人。 有些免費，卻高傲得像在施捨；有些付費，反而像是一種雙方都能接受的篩選機制。 所以真正決定品質的，從來不是金額。 而是人… 我始終覺得，真正優質的人，不管是夫妻、情侶，還是單男。 最後都會慢慢遠離那種：過度交易感、過度算計感、過度消費感的關係。 因為新鮮感可以靠肉體。 但「舒服感」，其實才是最稀缺的東西。 真正讓人想留下來的，從來不是因為花了多少錢。而是：你跟這個人相處時，有沒有被尊重、有沒有壓力、能不能做自己、還有那種「自然發生」的感覺。 #鼓起勇氣 #想了很久 #我沒有要批評 #別砲我 #歡迎探討 #個人淺見
1:08

Sensitive content

夫妻／情侶找單男這件事，到底該不該收費？ 而「收費」這件事，到底是在篩選人，還是在篩掉人？ 這話題真的很兩極。 有些夫妻會認為：「女生有風險、有時間成本、有隱私成本，收費本來就合理。」 畢竟：要聊天、要篩人、要見面、要承擔安全風險，甚至還可能遇到情緒管理差、沒禮貌、愛踩界線的人。 尤其很多夫妻真的被私訊轟炸到很煩。 一句：「約嗎？」 一句：「有沒有機會？」 甚至連自我介紹都沒有。 照片模糊、態度敷衍、聊天像面試官，卻又期待別人要熱情、有情緒價值、還要陪聊。 久了之後，很多夫妻會開始覺得：「如果你連一點成本都不願意付出，那我為什麼要花時間在你身上？」 所以後來有些人開始設：入場費、車馬費、場地分攤、酒錢、住宿費。 有些是為了補貼成本，有些其實只是想設一道門檻。 因為他們也怕遇到：臨時消失的、白嫖的、只想打免費炮的、甚至情緒或行為有問題的人。 甚至有些人夫還會說：「這不是賣老婆，而是一種心理安慰費。」 坦白講，我其實能理解這句話背後的意思。 因為很多時候，男人不是不能分享。 而是需要一個理由去平衡自己的情緒。 有些人透過規則感、有些人透過主導權、有些人透過控制流程。 而有些人，則透過「收費」這件事，讓自己心理上比較不失衡。 因為當一件事情開始有門檻，男人比較容易說服自己：「不是誰都可以碰我的女人。」 但另一方面，我也發現一件很現實的事情。 很多真正條件不錯的單男，反而通常不太願意花高額費用去進入這種關係。 不是因為沒錢，而是因為感覺不對了。 因為很多優質單男其實不缺女生認識，也不缺聊天能力。甚至外表、工作、社交能力都不差。 他們想要的通常不是：「我花了多少錢，所以我得到什麼。」 而是：「彼此有沒有吸引力？」、「聊天有沒有感覺？」、「相處舒不舒服？」、「有沒有火花？」、「有沒有尊重感？」 所以當一段互動還沒開始，就先變成：價格表、 門票制、VIP感、甚至像競標一樣時..很多人會瞬間冷掉。 因為那種感覺，很容易從「交流」變成「消費」。 尤其價格高到一個程度後，很多人心裡其實都會出現同一句話：「我為什麼要花超過幾千甚至上萬，去幹一個人妻？」 這句話雖然直接，但其實很現實。 因為當一件事情開始像商業行為，人就會開始衡量：值不值得？CP值高不高？有沒有更直接的方法？ 而一旦開始進入「消費者思維」，其實整個互動氛圍就會開始變質。 甚至有些人付了錢之後，就會開始出現：「我都花錢了，你們是不是應該怎樣？」 這種心態反而更可怕。 因為白嫖的人，頂多只是沒誠意。 但有「消費者心態」的人，會開始覺得自己擁有某種權利。而這種權利感，往往才是最危險的東西。 所以我後來慢慢覺得：真正的問題，從來不是收不收費。 而是：你們到底把彼此當成什麼？ 是商品？ 是資源？ 是獵物？ 還是？ 一個值得認識的人？ 因為有些夫妻不收費，卻把人當工具；有些收費，反而很有禮貌、很尊重人。 有些免費，卻高傲得像在施捨；有些付費，反而像是一種雙方都能接受的篩選機制。 所以真正決定品質的，從來不是金額。 而是人… 我始終覺得，真正優質的人，不管是夫妻、情侶，還是單男。 最後都會慢慢遠離那種：過度交易感、過度算計感、過度消費感的關係。 因為新鮮感可以靠肉體。 但「舒服感」，其實才是最稀缺的東西。 真正讓人想留下來的，從來不是因為花了多少錢。而是：你跟這個人相處時，有沒有被尊重、有沒有壓力、能不能做自己、還有那種「自然發生」的感覺。 #鼓起勇氣 #想了很久 #我沒有要批評 #別砲我 #歡迎探討 #個人淺見

查某

133,879 Aufrufe • vor 3 Monaten

在9mm面前，人人平等。 先不談影片裡誰對誰錯，單看那個黃衣男，在面對一個比自己高大一頭、重上一圈的對手時，一把手槍瞬間把天平拉平。這就是槍的本質：它不是用來炫耀的玩具，而是把體型、力量、性別、年齡的天然差距瞬間抹平的工具。 美國民間現擁有大概超過5億支槍，遠超人口總數。不管你是第二修正案的堅定擁護者，還是強烈反對擁槍權，這都是一個無法迴避的事實：槍，不可能在一夜之間消失。 單方面自廢武功，不會換來和平，更不會讓真正的惡人對你生出憐憫。恰恰相反，它只會讓你成為下一個更容易被獵物的目標。 最後一句送給所有喜歡在街頭、網上、開車的路上，停車場隨口放狠話的人：在美國，開口威脅別人之前，請先冷靜三秒：你，真的有能力兌現你的威脅嗎？
1:09

Sensitive content

在9mm面前，人人平等。 先不談影片裡誰對誰錯，單看那個黃衣男，在面對一個比自己高大一頭、重上一圈的對手時，一把手槍瞬間把天平拉平。這就是槍的本質：它不是用來炫耀的玩具，而是把體型、力量、性別、年齡的天然差距瞬間抹平的工具。 美國民間現擁有大概超過5億支槍，遠超人口總數。不管你是第二修正案的堅定擁護者，還是強烈反對擁槍權，這都是一個無法迴避的事實：槍，不可能在一夜之間消失。 單方面自廢武功，不會換來和平，更不會讓真正的惡人對你生出憐憫。恰恰相反，它只會讓你成為下一個更容易被獵物的目標。 最後一句送給所有喜歡在街頭、網上、開車的路上，停車場隨口放狠話的人：在美國，開口威脅別人之前，請先冷靜三秒：你，真的有能力兌現你的威脅嗎？

陀槍食神 Armed Foodie

31,943 Aufrufe • vor 6 Monaten

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 Aufrufe • vor 2 Jahren

（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 Aufrufe • vor 2 Jahren

原來開電動車可以有這個藉口阿 我也要去買台電動車 為什麼 AI 也需要「驗證機制」 以前我一直覺得 AI 很厲害 結果應該可以直接相信 直到有一天，我在用 AI 做一些分析和決策時 才慢慢意識到一個問題 即便再聰明的 AI，如果沒辦法驗證 它也可能給你錯誤結果 你可能會想 AI 結果錯了也沒關係 自己再檢查就好 可事實是，有些結果是自動被系統執行的 比如金融交易、智能合約、或者自動化操作 錯誤一旦發生，成本可能比人類錯誤高很多 更嚴重的是，普通使用者根本沒有辦法看懂 AI 怎麼算的 也就無法判斷結果可信度 這時候，我開始注意到 Inference Labs 的理念 他們想解決一個基本問題 結果能不能被驗證 換句話說，你不用去信任誰，也不用去理解模型多複雜 只要有一個可驗證的證明，結果就有可信度 對我來說，這種方法讓 AI 使用變得可控 也降低了很多潛在風險 我以前常以為「驗證」只是大公司才做的高級功能 但現在明白了，這其實是每個人都需要的安全網 沒有驗證，就像你在黑暗中走路，不知道哪裡有坑 有了驗證，至少可以確定自己踏在安全的地面上 這種概念很簡單 但在現實世界裡 卻少有人真正落實 所以，對我來說 AI 不只是要準確 更重要的是可驗證 這也是我覺得 Inference 有趣的地方 它提供了一個簡單、實用的機制 讓我們不必再靠盲目相信來使用 AI 信任可以建立，但不靠感覺，而是靠證明
0:43

原來開電動車可以有這個藉口阿 我也要去買台電動車 為什麼 AI 也需要「驗證機制」 以前我一直覺得 AI 很厲害 結果應該可以直接相信 直到有一天，我在用 AI 做一些分析和決策時 才慢慢意識到一個問題 即便再聰明的 AI，如果沒辦法驗證 它也可能給你錯誤結果 你可能會想 AI 結果錯了也沒關係 自己再檢查就好 可事實是，有些結果是自動被系統執行的 比如金融交易、智能合約、或者自動化操作 錯誤一旦發生，成本可能比人類錯誤高很多 更嚴重的是，普通使用者根本沒有辦法看懂 AI 怎麼算的 也就無法判斷結果可信度 這時候，我開始注意到 Inference Labs 的理念 他們想解決一個基本問題 結果能不能被驗證 換句話說，你不用去信任誰，也不用去理解模型多複雜 只要有一個可驗證的證明，結果就有可信度 對我來說，這種方法讓 AI 使用變得可控 也降低了很多潛在風險 我以前常以為「驗證」只是大公司才做的高級功能 但現在明白了，這其實是每個人都需要的安全網 沒有驗證，就像你在黑暗中走路，不知道哪裡有坑 有了驗證，至少可以確定自己踏在安全的地面上 這種概念很簡單 但在現實世界裡 卻少有人真正落實 所以，對我來說 AI 不只是要準確 更重要的是可驗證 這也是我覺得 Inference 有趣的地方 它提供了一個簡單、實用的機制 讓我們不必再靠盲目相信來使用 AI 信任可以建立，但不靠感覺，而是靠證明

小美哥🕊️｜🐬TermMax

305,137 Aufrufe • vor 8 Monaten

花榭花會開 你早洩我離開 最後一天上班日拉 先來個搞笑視評放鬆一下 最近很多在 X 上認真 yapping 的人應該都有感 演算法改得很突然 流量一夕之間掉光 明明每天都有在產內容 卻被當成 bot 真的很挫折 Ferra 這次其實是直接正面回應這件事 Yapping v1 上線了 目的很簡單 不管平台怎麼改 你為 Ferra 產出的內容 都要被「記錄、被看見、被計算」 現在的流程其實不複雜 你照常在 X 發 Ferra 相關內容 把錢包跟社群帳號連到 Ferra 再把貼文連結丟進 Ferra Feeds 點一下 Yap 不管是以前發的 還是新發的內容 都能送 只要通過審核 就會顯示在 Yappers 分頁 你自己也能在「My Yaps」看到哪些內容已經被認可 接下來 v2 還會加入 AI 評分 不是只看你發多不多 而是會看內容品質、頻率、互動 之後還會有 Top Yappers 排行榜 老實說這東西現在還在實驗階段 可能會有 bug 但我覺得重點不是完不完美 而是 Ferra 至少先站在創作者這一邊 把努力不被浪費這件事補起來 X 的規則可以隨時改 但如果你的內容價值能被跨平台記錄 那就不會一夜歸零 一起每日打卡 一起YAP 使用我的連結
1:19

花榭花會開 你早洩我離開 最後一天上班日拉 先來個搞笑視評放鬆一下 最近很多在 X 上認真 yapping 的人應該都有感 演算法改得很突然 流量一夕之間掉光 明明每天都有在產內容 卻被當成 bot 真的很挫折 Ferra 這次其實是直接正面回應這件事 Yapping v1 上線了 目的很簡單 不管平台怎麼改 你為 Ferra 產出的內容 都要被「記錄、被看見、被計算」 現在的流程其實不複雜 你照常在 X 發 Ferra 相關內容 把錢包跟社群帳號連到 Ferra 再把貼文連結丟進 Ferra Feeds 點一下 Yap 不管是以前發的 還是新發的內容 都能送 只要通過審核 就會顯示在 Yappers 分頁 你自己也能在「My Yaps」看到哪些內容已經被認可 接下來 v2 還會加入 AI 評分 不是只看你發多不多 而是會看內容品質、頻率、互動 之後還會有 Top Yappers 排行榜 老實說這東西現在還在實驗階段 可能會有 bug 但我覺得重點不是完不完美 而是 Ferra 至少先站在創作者這一邊 把努力不被浪費這件事補起來 X 的規則可以隨時改 但如果你的內容價值能被跨平台記錄 那就不會一夜歸零 一起每日打卡 一起YAP 使用我的連結

小美哥🕊️∞ KIN MemeMax⚡️🐬TermMax

19,575 Aufrufe • vor 7 Monaten