2026-08-02 信息流

53 条 · 非中文默认译为简体中文
HK-IPO归档
X: 31微博: 17Podcast: 4网站: 1
高

//@不值议提:风老师说的太好了,be water my friend👍

最近我遇到了一位老同学。她来自受教育程度很高的移民家庭,读书很多,表达能力也强,基本素质很好。但在过去的共事中,我逐渐发现,她有一种很鲜明的倾向:她不仅非常重视自己的感受,还默认周围的人有责任以极高精度照料这些感受。别人做到七十分、八十分甚至九十分,似乎仍然不够。理解必须准确,支持必须及时,语气必须妥帖,最好连对方自己的情绪、立场和局限也暂时退场,把全部注意力放在她身上。

她并不顺利。

我想写,是因为我觉得现在这种思维方式的人超多的,我指高度精细理解世界以后,要求世界围着自己转。我认为这篇文章不会伤害到这位同学,是因为她读到这篇文章的概率无限趋近为零。

这次见面,她又向我倾诉当年在我们学校读书的经历。她说:“学校里没一个好人,那些老白男教授全是垃圾。他们不是来支持你、帮助你的,而是来羞辱你、打压你的。比如我当时的导师和委员会成员,在论文讨论会上争吵,争的全是自己的ego。拜托,那是我的论文,所有人的注意力都应该放在我身上。我,我,我!”事情已经过去很多年,她说起这些仍然十分激动。

假如我不认识那些教授,我大概会觉得她的控诉非常合理。学术权力当然可能伤害学生,教授也可能傲慢、冷漠,把学生的会议当作展示权威或处理私人恩怨的场所。学生在答辩或论文会议中感到无助,觉得自己的声音被压过去,也并不罕见。她当时感受到的紧张、愤怒和羞辱,很可能都是真的。

但问题在于,我认识这些人。

我知道他们各自都有很明显的沟通风格。有些人的确算不上温柔,宜人性也不高,但他们大体上仍然是在提供学术判断、指出研究问题,并试图把学生的工作推得更扎实。其中有几位是我一生中遇到的最好的老师们。

导师和委员会成员会不会因为学术立场、个人积怨,甚至纯粹的ego而争吵?当然会,而且非常常见。…

宝

科普一下“多模态”的具体含义。

首先,我们虽然不认为盲人有“智力”上的缺陷,但不会因此让盲人靠听收音机去驾驶汽车。因为有些模态比如视觉,不是其他模态(文字或者语音)能够简单取代的。这里面有一个人择原理:即使最终在 AI内大家都是 token, 但人类选择了用红灯而非多普勒雷达构建了整个交通系统,也选择了用 2D屏幕而非字节流表达计算机操作,因此 AI为了在现实世界和数字世界中完成任务,必须接受人类已经接受的模态和输入。

多模态是个被滥用了的词。模型多模态输入有利于内部更好的表示这个人择的世界,特别是视觉信号,可以帮助模型 grounding,比如“红灯”它到底是一个什么样的信号,在语义上毫无问题,但在开车场景里要接近人择的感知和推理,才能更加准确的表征人择世界的模型——这个世界上不存在客观的世界模型,都是人择的。

即是是纯粹追求虚幻的 通用人工智能目标,就以长程任务为标尺,DeepSeek要做的长程任务,持续学习,最终也都绕不过多模态,特别是人择世界的视觉信号。一个很明显的例子就是盲人不能够仅靠语言,不依赖计算机屏幕,来操作针对视觉无碍者设计的计算机,很好完成长程计算机操作任务。AI也会在这种选择压力下,迫使 tokenize人择的数字视觉信号。

DeepSeek不愿意在 通用人工智能的路上做多模态的输出,和 Anthropic的方向是一样的。因为多模态输出更多是一个工程问题,牵涉到如何构建扩散或者 flow match模型,如何让输出的分布不塌陷到平均期望上,如何保障多步输出的一致性——在通往 通用人工智能路上这些都是垂直的任务,可以被通用的 AI模型一句话调用,因此可以从通用智能里外化掉。

DeepSeek放出一个只支持 text输入的模型不代表 DeepSeek就死死抱住 text-only不放。实际上 DeepSeek的非 API , 非开放权重版本是可以处理视觉信号的,而且许多我知道的企业应用里,都有人在试图给 DeepSeek嫁接一个 ViT.引用原帖:

怎么还是有这么多人没懂多模态对实现通用人工智能真的不重要这已经是业内两三年前的共识了

你见到盲人影响他们智力了吗多模态是一种能力,不是一种智力就像有的人反应快,有的人手很巧,有的人空间感很强这些都是能力,但我们不会说有这些能力就很聪明

本质上来说,图像带来的大部分语义信息已经被压缩成语言了,剩下的像素信息对于实现机器人来说是重要的,但是一个会洗衣服,会做菜的机器人不代表他很聪明,实现了通用人工智能,这些是能力不是智力

这就是为什么所有serious的通用人工智能公司都在做coding和math,因为解决这些问题代表智力,解决好这些问题就离通用人工智能更近了一步

高

#AI时代软件将用完即抛#不是用完即抛,是可以“即用即写”;如果是最佳实践,作为skill,会继续用的;然后PDCA,是否抛,看反馈。

高

可以预计,上限会提高 //@YanchenCD:都是顶尖乃至菲尔兹/阿贝尔奖级别了。什么时候能解决大猜想(如费马大定理、庞加莱猜想)级别的呢?

#模型时代# OpenAI也在营销下一代模型了。

Astra的一个内部版本,OpenAI下一代模型系列,解决了数学、量子复杂性和理论计算机科学中的 10个主要开放问题。

1. 高维球堆积(High-dimensional sphere packing)
精确确定了 Cohn–Elkies线性规划的渐近强度,改进了高维空间中的一般堆积界,并渐近解决了对应的 Fourier符号不确定性问题。

2. 二元码与球面码(Binary and spherical codes)
对固定距离的二元码和球面码,经典上界在所有参数下都改进了指数因子;球面构造还恢复了球堆积指数。

3. 非 sofic 群(Non-sofic groups)
构造了一个显式的非 sofic群,解决了“每个可数群是否都有有限置换近似”的问题(使用 property-(T) 扩张器和二元 Leavitt代数)。

4. Connes 刚性猜想(Connes’s rigidity conjecture)
构造了无限多个两两不同构的 property-(T) 群,它们具有相同的群 von Neumann代数,从而证伪了 Connes猜想,并回答了相关有限对一问题。

5. 算术电路复杂性(Arithmetic circuit complexity)
对 permanent函数,给出新的电路下界:无除法电路需要 Ω(n² log log n) 个门,公式需要 Ω(n⁴ / log n) 个叶子。

6. 量子并行重复(Quantum parallel repetition)
证明了每个有限双人纠缠博弈都具有指数级并行重复性质,将经典重复原理扩展到之前未覆盖的量子博弈类。…

media
高

//@软件教书匠金旭亮:其实就是所有人都成了“科研合同工”。同济此举,意味着高等教育彻底地功利化了。教书育人是死路,早出快出“成果”才是王道。可以预期,耿同学的“生意”必将会“越来越红火”。

这。。。。。。

media
阑

这个描述⋯⋯😂

media
G

用 ChatGPT 构建互动教育工具

要是教育也能如此互动就好了 ❤️‍🔥

我一直有个长久的愿望:通过 vibe coding 做出真正有用的东西,而我终于做到了。

这是一个使用 @threejs 和 GPT 5.6 Sol 构建的 3D 人体解剖应用。

一切始于一张我用 GPT Image 2.0 创建的设计图。随后,我用它逐个生成了每个 3D 器官的图像。

接着,我使用 @tripoai 把每张图像转换成了 3D 模型(而且,他们没有赞助这个项目 😄)。

之后,我打开 Codex,根据设计图写了一份主提示词,然后把提示词、设计图和所有 3D 模型都交给了它。

Codex 第一版做得非常漂亮,但有一个大问题。

每个 3D 模型都接近 120–150 MB。这显然不适合网页,而且性能只有 16fps。

经过几轮迭代,Codex 在保留视觉质量的同时,将每个模型优化到了约 2–5.5 MB,并把资源总大小从约 900 MB 降到了仅 28.6 MB。每个模型还会按需加载。

在这个过程中,Codex 还生成了展示每个器官位于人体何处的解剖插图,甚至创建了用于解释每个器官不同部位的互动热点标记。这些工作它全都完成了。

这个过程并非真正的一步到位,但也并不困难。你只需要一步一步来做。

这确实让我感觉,自己正在构建一个能让解剖学学习变得更有趣、更投入的东西。

灵感来自 @DilumSanjaya 的 3D 动物植物细胞项目。我记得当时看到它,心想:“总有一天,我也想做一个这样的东西。”

而我做到了 :D

在线体验:https://anatomy-livid.vercel.app/ 代码:https://github.com/thebuggeddev/anatomy

Y

我热爱 Bitcoin,所以 OneKey 被 bitcoin.org 正式列出并推荐。

我热爱 Trezor。那是我在 2014 年买的第一款硬件钱包。我非常尊敬 Stick 和 Slush。这就是 OneKey 采用绿色的原因,我们的首个固件也建立在 Trezor 的基础之上。

我热爱 1Password,而 OneKey 这个名字就来源于此。

我热爱 Linux,所以 OneKey 从第一天起就完全开源,并提供原生 Linux 应用。

我热爱 Apple,所以我们一直在打磨产品体验上投入与开发新功能同样多的时间。

我热爱 GitHub,所以我们会尽可能开源工具、研究项目和安全发现,而不是把它们藏在封闭的门后。

我热爱 Signal,所以我们相信隐私应该是默认设置,而不是高级功能。

我热爱那些会验证而不是盲目信任的人,所以我们一直努力用验证取代信任。

也许,OneKey 只是我所钦佩的一切的集合。

那么,就让这个数字变成 1,000 吧。

请在原帖下留言。我会随机抽取 1,000 人,给每人寄送一台全新的 OneKey。

这只是我们送给这个启发了一切的社区的一份小礼物。

如果你因为 Coldcard 事件感到担忧、害怕或焦虑,或者遭受了损失,请在这条帖子下留言。

我会随机选出 100 人,送出最新款的安全 OneKey 硬件钱包。

这是我至少能做的一点事。

来

有人把仲树采访诺兰的视频传到油管了,都在夸

评论区(译文):

这让人意识到,美国那些采访真是低智商(70 IQ)的流水线垃圾。

⸻等等,先别急——这些问题简直太精彩了!

⸻在诺兰为了《奥德赛》做过的所有采访里,这绝对是最有趣、最具挑战性、最发人深省的一次。太棒了!

⸻跟美国的采访真的完全不一样。

⸻终于有人让一位哲学家用哲学问题来挑战诺兰了。这大概是我最喜欢的一次诺兰采访。

⸻采访者太聪明了。她真正挑战了诺兰对电影的理解和处理方式。

⸻终于有采访者直击问题的核心了。

⸻仲树让诺兰不得不认真思考自己的回答!这可能是我见过诺兰参与过最有意思的一场对话。连他最后都说了一句“非常有意思的对话”。采访者干得漂亮!

⸻这是一场不可思议的采访。可惜它得到的关注远远不够。谢谢上传,也谢谢采访者做了这么充分的准备,提出了那些真正能激发诺兰思考的问题。

⸻终于来了一场有料的采访,谢谢转载。

⸻我的天,这场采访堪称诺兰历年来所有采访中的杰作。终于不是围绕电影之外那些杂音:别人怎么看电影、IMAX还是非 IMAX、演员选角之类的话题,而是真正进入电影的本体。为什么这样拍而不是那样拍?故事背后的深层文本是什么?它揭示的是我们自己,而不仅仅是角色。这场采访证明,诺兰不仅仅是一个追求娱乐效果和视觉奇观的导演。他真正想做的是把观众拖进电影体验中,然后让大家去拆解他作品里的思想、他的电影语言。我也很喜欢他对那些 YouTuber和影评人的暗示。他们总批评《盗梦空间》《星际穿越》《信条》里的说明性对白(exposition),却很少意识到,这些电影属于一种本来就需要大量设定解释的类型片。指出这一点,并不意味着电影整体就因此不好。诺兰自己非常清楚这一点。…

来

//@影评老大爷暗夜骑士:阿汤哥冲奥巨献《挖掘者》片长曝光!2小时40分钟的巨型片长对标《一战再战》!

癫狂至极!!!阿汤哥& 奥斯卡大师导演亚利桑德罗·冈萨雷斯·伊纳里多(鸟人、荒野猎人、通天塔)冲奥巨献《挖掘者》(Digger)今晚发正式预告!!!讲述世界上最有影响力的男子(汤姆·克鲁斯饰)极力证明自己其实是人类的救世主,结果等来了他酝酿的灾难要摧毁万物。10月2日北美上映,冲击2027年奥斯卡!

Podcast 节目 Lenny's Podcast: Product | Career | Growth

这位首席产品官后悔产品管理这一职能的存在|Tom Verrilli(Whatnot 首席产品官)

整体概括

Whatnot 首席产品官 Tom Verrilli 讨论了产品管理这一职能的边界、AI 时代产品团队的变化,以及资深产品人员如何重新回到实际工作。他所谓“我们后悔产品管理存在”,并不是认为产品经理没有价值,而是反对把产品经理机械地配置到每个团队:如果工程师和设计师拥有足够的用户、业务和技术背景,就应该能够自行做出很多产品决策。产品经理真正重要的价值,在于处理明确而复杂的问题、连接客户、业务与技术,并持续推动正确的决策。

主要内容

Tom 认为,产品管理本质上是一门通过实践形成的手艺。组织越习惯由产品经理替工程师和设计师做决策,后两者越缺少锻炼判断力的机会。因此 Whatnot 不把产品经理固定绑定在团队上,而是每六个月根据公司必须实现的结果和关键项目重新分配,让产品经理去解决真正重要的问题。Whatnot 目前只有二十多名产品经理,但会根据财务、推荐、核心用户功能等具体需求调配他们。…
来

#涨姿势# http://t.cn/AXCaRoZf

看了一圈,似乎没看到特别好的分析,美国为什么选择在这个时候这个点位罕见的下场干预日元贬值?

mediamedia
来

//@明哥价值投资://@詹志斌同学:每天一万出头的营业额,基本上还是没啥利润,餐饮真难干呀!八个人,工资6万多,然后食材用的又是很好的,再加上各种损耗和采购,投资40万,想搞回来挺不容易的。

大运烧鸡7月份总营业额32万,比6月份试营业少了4万块。

其中包含外卖营业额3万块,算了一下平台抽成加骑手运费支出了6000多。

利润方面8月10号左右把供应商货款房租水电工资社保等交了以后再能出明细账。不过看图3店铺银行卡余额到今天只有10万多,交完以后应该没剩多少钱了,情况不太乐观。

现在的问题是,营业额其实还不错,但是各项成本居高不下,食材毛利也偏低了一些,7月份大项支出商用洗碗机花了5000多,烟道改造花了一万多。其它的都是常规支出,8月份如果想要改善的话,省钱省钱省钱是唯一办法。

mediamediamedia
Y

好吧,那我们就定在 500 人。安全无价。🫡

如果你因为 Coldcard 事件而感到担忧、害怕或焦虑,或者遭受了损失,请在这条帖子下留言。

我会随机抽取 100 人,送出最新款的 OneKey 安全硬件钱包。

这是我力所能及的最起码的事。

Podcast 节目 跨国串门儿计划

#659.xAI 联合创始人:Igor Babuschkin 解读模型开发的未来

整体概括

在《Unsupervised Learning》这期对谈中,Jacob Efron 与 Igor Babuschkin 从科幻小说、编程 Agent 的快速进步聊起,讨论模型能力下一步如何从“可验证的编程和数学任务”扩展到更难评价的现实问题。Igor 结合自己在 DeepMind、OpenAI 和 xAI 的经历,解释了为什么他离开 xAI 创办 River AI,以及为什么把企业 AI、个人 AI 和本地硬件视为彼此关联的三个方向。对谈的核心判断是:模型能力仍在快速跃迁,但真正重要的竞争不只在训练出更大的模型,还在于能否建立可靠的反馈、把模型放进用户掌控的设备和工作流,并处理开源、闭源、成本、隐私和长期治理之间的张力。

主要内容

从科幻写作看 AI 的转折

Igor 先谈到自己写的两篇科幻小说:一篇描绘模型失控后的反乌托邦,另一篇则像写给未来机器的情书。写作让他重新思考 AI 研究者面对技术跃迁时的心理:很多变化在发生前难以预测,真正发生后却会显得突然而明显。回望早期模型第一次完成过去的机器做不到的事情,那种“不真实的神奇感”也是他希望保留下来的体验。
E

Grok 可以分析任何视频 https://grok.com/share/bGVnYWN5_8013f7a3-f604-4351-8cd7-acecf3ef165b

E

确实

Grok 可以为你观看并分析视频。

只需像上传图片一样上传视频,然后向 Grok 提问即可。

E

与邓小平在中国所做的形成鲜明对比的是,20 世纪 90 年代,多达 100 万名朝鲜人饿死,因为他们的政府早已禁止私人耕种,并靠苏联的援助过活。

1991 年苏联解体后,维持整个体系运转数十年的免费燃料和化肥被切断,能源进口几乎一夜之间下降了 75%。

朝鲜自 20 世纪 50 年代起就已全面实行农场集体化,因此农民几乎没有自己的小块土地,也完全没有理由去生产超过国家配额的粮食。

免费投入品消失后,这套体系再也没有任何余量。1995 年的洪水摧毁了仅存的农作物,而几乎全国人口都依赖其获取食物的公共分配体系(Public Distribution System),也在朝鲜大部分地区彻底崩溃。

城市居民的粮食配给从 1987 年每天 585 克降至 1997 年的每天 30 克。

这个政权将其称为“艰苦行军”(Arduous March)。

而且,即使金日成在饥荒开始的那一年去世后,他的儿子仍让同一套中央计划体制继续运行了 17 年,期间有数十万人饿死。

这就是共产主义全面集体化造成的死亡人数。

得益于一点点资本主义,中国有 8 亿人摆脱了极端贫困。

中央计划行不通。至少邓小平看到了毛泽东灾难性的错误并理解了这一点。这也是为什么他掌权后,彻底将集体化经济连根拔除。

> 让农民耕种自己的土地,并出售他们种植的东西,而不是替国家耕种(粮食产量几乎一夜之间就大幅飙升)
> 划出像深圳这样的经济特区,让外国资本可以在不同于共产主义中国其他地区的规则下运营
> 贫困率从 1981 年的近 90% 骤降至 2016 年的不到 4%

1992 年南方之行期间,邓对中共官员说:“致富光荣。”

顺便说一句,他说得对。而实现这一点的最佳方式,是通过私有财产和自由市场。

宝

AJ 这次 3D 渲染测试确实比“鹈鹕骑自行车”靠谱多了👍

我们开始走出那种通过“创建一张鹈鹕骑自行车的 SVG 图”之类的任务来测试 LLM 的阶段。为了探索如何将其泛化,我很好奇:如果我把《指环王》的第一段文字、100 万 token 的预算(约 10 美元)交给 Opus 5,并要求它用 Three.js 对其进行渲染,会得到什么结果。Opus 运行了大约 2 个小时,写出了 5500 行代码,以程序化的方式将这个故事渲染了出来。成品有点粗糙,但很有趣。不过,LLM 需要把各种多边形资源放置并编排到(x,y,z)坐标中,再编写代码让这一切动起来,甚至真的能完成这些工作,这一点实在令人难以置信。

我也喜欢这类例子,因为正常人绝不会花时间去编写如此定制化的东西,但 LLM 拥有用不完的耐力和耐心,所以我们可以看到,事情从“没人会做这个”变成了“当然可以,反正几乎是免费的”。这样的例子可能还有很多。不过,一想到可以创造出高度定制化的世界,把玩家投入其中,我就很兴奋;例如,在这里,玩家可以作为旁观者 NPC、某个角色之类的身份参与 LoTR 故事。就像是按需生成的、短暂存在的 X 版 GTA。

最后想说,世界/游戏这一领域暴露了 LLM 的一个弱点:它们无法轻松审查自己的工作,因为它们还不能高效且原生地感知视频,也不能在自己创建的世界里玩游戏。在这里,Opus 5 只能非常缓慢、费尽心力地在不同节点截取屏幕截图,还搞砸了几次,生成了一堆粗糙的东西。这说明它在原始能力(多模态、游戏操作)方面仍然相当欠缺。

G

用 ChatGPT 赋能你的爸爸进行创作:

我爸爸第一次使用 GPT 5.6 sol:

- 想做一个介绍南非本土植物群落 fynbos 的网页(超级爱植物的老爸)
- 在流式输出时读完了所有思考状态
- 对 HTML 文件的最终评价:“太美了,真的美极了”

mediamedia
来

#央视农业溯源大盘鸡和土豆# 就这个话题#上海一顾客因大盘鸡里有土豆报警# 民警同志刚调解了一起纠纷。先声明,本节目不是普法节目,是不是“欺诈”,店家分量足不足咱今天不聊,但大盘鸡该不该放土豆这个事儿,能聊!咱们先明确一下啊,大盘鸡是正经“80后”,不是什么百年传统名菜。关于它的起源说法有几个,流传度最广、官方最认可的版本是这个:大盘鸡可都是咱河南嘞招牌菜!具体为啥,听郭站长@郭嘉宁讲讲#新疆IP网友称大盘鸡里有土豆#

Podcast 节目 跨国串门儿计划

#658.Kimi杨植麟的博导预测 AI Agent的未来:为什么真正的护城河是数据、工程和基础设施

整体概括

本期对谈围绕 AI 行业接下来的竞争方式展开。Russ Salakhutdinov 认为,前沿实验室在模型架构上已经高度接近,单纯堆出一个“新架构”并不会自动带来 AGI;真正决定差距的,是工程能力、数据、训练与评测流程,以及能否把模型放进可靠的产品和基础设施中。对话从深度学习早期、AlexNet 和自动驾驶谈起,延伸到计算机使用 Agent、Claude Code、多模态模型、机器人、预测系统、中国开源模型和未来教育。Russ 的核心判断是:AI 会逐步承担软件工程、研究和部分知识工作的执行环节,但现实世界的可靠性、长期任务、数据闭环与成本控制,仍然是最难的部分。

主要内容

从深度学习到自动驾驶

Russ 回顾了自己在多伦多大学读硕士、进入金融行业后,偶然转向深度学习博士研究的经历。…
G

让 ChatGPT 工作,去做任何重复性任务

ChatGPT Work 已经成了新的 cron job(定时任务)。

mediamedia
Podcast 节目 跨国串门儿计划

#657.AWS 老兵:新的软件开发生命周期

以下摘要仅根据本期中文完整转译稿整理。

开场与AWS经历

本段围绕以下问题展开:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目,通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经,健康与科技领域精品内容,我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁,接下来让我为您简单介绍,本期我们克隆的这档节目,本期我们克隆的是知名播客,Bayoncoding的一期深度对谈,主持人Patrick与嘉宾Heitor Lessa,展开了一场关于AI时代软件工程变革的硬核讨论,Heitor是AWS老兵,在亚马逊工作了11年,曾培训过8000多名架构师,并亲手将Lambda Power Tools打造成,每周处理2300亿次API调用的开源项目,这期节目里,Heitor首……

Lambda Power Tools与工程成长

本段围…
E

感谢 @cursor_ai 为多位 FFmpeg 开发者提供免费额度。这些额度将支持他们继续参与 FFmpeg 的工作,包括开发和代码审查。

我们非常感谢 Cursor 对 FFmpeg 及其社区的支持。

G

ChatGPT Work 真是一个出色的思维放大器。

𝘁

#外设

想要把游戏鼠标的线调整到最舒服的位置,只需要在显示器背后贴一个理线夹。

而且是高度越高,能获得的活动空间越大。比常见的带弹簧的鼠标夹线器效果更好。

为什么还在用有线鼠标?

现在世界上最顶级的游戏鼠标大概是 19g(也就是我这款 FENRIR PRO),如果能完全放弃电池,应该极限能做到 15g。

作为参考,罗技旗舰是 51g 🌚 重的像铅块。

mediamedia
E

我想看一部蒸汽朋克风格的电影。

E

在传统基础设施不存在的地方,Starlink 仍能提供快速、可靠的连接 🛰️🏔️

我们去过的许多地方,长距离范围内没有任何一家蜂窝网络运营商能提供信号。这里是某个营地的测速地点。而且,越偏远,Starlink 的表现越好。我们连续运行 Starlink 行驶了 8,431 英里,并关闭了蜂窝数据,以防设备切换网络或从网络中掉线。

mediamedia
E

使用 Grok Imagine 制作

E

Grok Imagine

E

SpaceX 刚刚完成了 2026 年猎鹰系列的第 90 次发射。

猎鹰 9 号从范登堡发射升空,搭载 24 颗 Starlink 卫星,并成功将它们全部部署到近地轨道。

助推器 B1081 完成了第 26 次任务,并在太平洋上的 Of Course I Still Love You 号无人船上着陆。

这意味着短短七个月内,猎鹰 9 号完成了 89 次发射,猎鹰重型火箭完成了 1 次任务。

media
宝

这种惨痛的教训,真得自己踩过坑后才知道有多痛。

我们团队也是 3 个月前买了 .io 域名,但没买 .ai,因为要花五位数美元。当时的想法是先进行隐身开发,验证产品,把价值做出来再说。

但是两周前,我在停车场等队友来开门时刷手机,突然刷到了另一个团队的发布视频。没错,撞名了,而且对方还是竞品。他们买了 .ai 域名,并且上个月已经开始申请注册商标了。真是晴天霹雳。

经过一轮激烈讨论后,我们从“跟他们硬刚到底”转变成了“算了,不值得,还有很多更重要的事情需要我们投入精力和时间”。之后我们连夜重新起名、购买新域名、修改代码。我直到现在还会经常口误,说起那个已经不属于我们的名字。

所以,如果再来一次,我也一定会像这家初创公司一样,一开始就把域名和商标拿下。当然不一定要花 25 万美元这么多,但至少能省去很多后顾之忧。

最近有一家 YC 初创公司花了 25 万美元买域名,我当时有点震惊。但当我问他们在 YC 之后融资了多少时,答案是 650 万美元。也就是此轮融资的 1/26。我们生活在这样一个时代:一个令人震惊的数字,会被另一个令人震惊的数字抵消。

宝

我从没有说 code review要坚持古法,我说的是至少先看到下面的程度。得到的回应是,就是不看 code,宁可去看其它东西(比如最喜爱的 test case)来问问题,就是故意不看生成的 code。这就是为了不看而不看。为了 ego而不看。

@az372184 @dotey至少你要看到能问问题的程度吧?

S

(无正文)

media
E

月球基地将会更加史诗般壮观。

很多人问过这张照片是怎么拍出来的。下面是我的解释。

国际空间站(ISS)绕地球运行时,会以每小时 17,000 英里的速度绕俯仰轴旋转,以保持固定的天底视角。因此,长曝光摄影会把星星拍成弧线。

地球上的恒星时钟会让时间与地球自转同步,从而清晰地拍到星星。我知道,为太空设计的设备也可以做到这一点。

于是,@RITtigers 定制制作了一个相机支架,通过 60 至 90 齿的齿轮系统,每 90 分钟旋转一周,抵消国际空间站的轨道运动,让远处的星星能够以固定光点的形式被拍摄下来!

本质上,这是一个由旋转发条驱动的模拟星体跟踪器。它用铝加工制成,而且完全采用机械结构,以绕开 NASA 对货运设备严格的电气要求。我们只能发挥创意!

远征 72 结束后,它被安全带回地球,并将陈列在 RIT。对此我很高兴,因为我在远征 6 期间用备用零件制作的一个类似“谷仓门”跟踪器,曾用于夜间城市摄影,却在一次大气层垃圾处理过程中被摧毁了!

摄影是向地球上的所有人分享探索新边疆之旅的重要方式!

media
宝

应聘 AI Agent工程师,面试官问了一个这样的问题,我刚好做过,如图。

问:在 LLM流式输出模式下,如何最大限度的保证 UI渲染的性能?

核心是别让 UI做蠢事:

1. 不要每次 token 到来都从头渲染整段内容
应该增量追加节点,或按节流窗口批量刷新。否则输出越长,每次重绘成本越高。

2. 不要塞重型 UI 组件。比如现成的代码高亮渲染、重型表格等,可以自己封装轻量渲染组件。

3. 流式渲染要节流
LLM token来得很碎,UI不需要跟每个 token同频刷新。比如 100-300ms合并一次,观感仍然实时,性能稳定很多。也可以结合字符串长度节流。

5. 交互能力和渲染能力分离
对输出内容的二次加工、审批动作等做分离。

一句话:LLM流式 UI的性能优化,不是更快地重绘,而是少重绘、轻节点、按需交互。

大家继续补充...

media
G

ChatGPT Work 的云端浏览器真的很酷,用起来可以让你轻松监控 AI 正在做什么;如果需要,还能干预实时运行的应用。

来

国产碳纤维电助力自行车,骑行感受究竟如何?#骑行##宇宙Ebike##电助力自行车#我们收到了宇宙电动最新的VAPOR Super Light、NOMAD和Oi! 三款车,它们到底有什么区别

宝

我一直觉得这种测试只能测试 SVG 画图能力,并不太能体现智能水平。或者,有什么理由能说明通过这个测试可以反映智能水平?

在默认推理模式下,DeepSeek-V4-Flash-0731 给了我一只令人失望的鹈鹕——在左边;但后来我通过 OpenRouter 把推理强度调到 high(高),得到了右边这个好得多的结果。

mediamedia
来

//@白城以北://@寒霜傲雪2021:现在的情况是这样的,海军所有的船雷达都是J15T的千里眼,敌机如果不能做到全向宽频隐形,例如F35C、F35B除非有一键清屏全部中方舰艇雷达的能耐,否则必然暴露不隐形的侧后方向,从而还没看到J15T就吃巨大PL17。这叫055看见了就是J15T看见了,都是机会,张圣战法。🐶 http://t.cn/AXCJUIUp

#融媒体片制胜#王中元与战友驾驶新型战机歼-15T远海执行任务,歼-15T飞机的抗干扰能力强,在更远的距离内受到对方的干扰小,可以实现远距离截获和发射的目。“敌人还在寻找我们时,他的坐标早已锁死在我们的屏幕中央”。曾经,百米之内的缠斗,变成了体系支撑下的超视距猎杀。

mediamediamediamedia
G

我喜欢人们认为这是一场意外,而不是经过精心策划的结果。这样比真的买下它更有效。

美国财政部长 Scott Bessent 参加戴维营内阁会议时,面前的记事本上写着:“待办事项:购买 50 亿至 100 亿美元的日元。”

这张便笺拍摄于美国东部夏令时 11:33,此前路透社报道称,美国财政部已向银行发出警报,可能会干预日本货币市场。

📸 REUTERS/Daniel Heuer

media
来

二排还能横向移动啊?//@雷军:❤️ //@科技小奈:小米真的不是在单纯的造车,而是在不断的去创新,抛开按部就班,用自己的思路配合自家的生态,来打造出一辆“全新”的SUV车型!

小米澎程 N90/N70全网最细!纯平地板+超长滑轨+旋转座椅,空间到底有多大?!

#小米澎程SUV首发评测#

来

//@风息神泪:多年来一直认知都是杂交水稻无法留种,居然也有突破了。//@刘昭在路上:追求让农民能够自留种,还是追求把育种能力收紧到自己手中,这真是科研方向上姓社姓资的差别。

#袁老40年前的构想实现了#稻田里传来重磅喜讯!中国水稻研究所王克剑团队成功培育出一系法杂交水稻实证性品种“一系1号”。

长期以来,杂交水稻虽高产,但面临“制种烦琐、种子贵”的痛点,农户无法自留种。

一系杂交稻,意味着杂交水稻可以不用再年年制种了?

袁老当年的构想,从三系法到两系法,最终到一系法,现在真的实现了吗?

展开说说#央视主播说三农##田间地头看变化#

高

#模型时代# OpenAI也在营销下一代模型了。

Astra的一个内部版本,OpenAI下一代模型系列,解决了数学、量子复杂性和理论计算机科学中的 10个主要开放问题。

1. 高维球堆积(High-dimensional sphere packing)
精确确定了 Cohn–Elkies线性规划的渐近强度,改进了高维空间中的一般堆积界,并渐近解决了对应的 Fourier符号不确定性问题。

2. 二元码与球面码(Binary and spherical codes)
对固定距离的二元码和球面码,经典上界在所有参数下都改进了指数因子;球面构造还恢复了球堆积指数。

3. 非 sofic 群(Non-sofic groups)
构造了一个显式的非 sofic群,解决了“每个可数群是否都有有限置换近似”的问题(使用 property-(T) 扩张器和二元 Leavitt代数)。

4. Connes 刚性猜想(Connes’s rigidity conjecture)
构造了无限多个两两不同构的 property-(T) 群,它们具有相同的群 von Neumann代数,从而证伪了 Connes猜想,并回答了相关有限对一问题。

5. 算术电路复杂性(Arithmetic circuit complexity)
对 permanent函数,给出新的电路下界:无除法电路需要 Ω(n² log log n) 个门,公式需要 Ω(n⁴ / log n) 个叶子。

6. 量子并行重复(Quantum parallel repetition)
证明了每个有限双人纠缠博弈都具有指数级并行重复性质,将经典重复原理扩展到之前未覆盖的量子博弈类。

7. 最近向量问题(Closest vector problem)
从 3SAT直接归约,给出欧几里得最近向量问题的 n^{1/400}-因子硬度,并带来二元解码和其他格范数的相关后果。

8. Ehrhart 体积猜想(Ehrhart’s volume conjecture)…

media
宝

为了节约上下文 handoff新开 Session,这在半年一年前是很好的实践,现在没太有必要,因为 codex自己上下文压缩做的很好了,或者 /compact一下继续就足够了。

当然如果关系不大的任务,还是新开 Session更好。

当然除此之外 handoff还是适用于跨 Agent session的,比如 Claude Code里面没完成的 session让 Codex继续。

不过我更习惯于 Claude Code里面用 Fable 5写技术方案文档,然后反复 Review、修改后把文档交给 Codex,配合 /goal让它按照文档执行推进。

当然设置好严格的验收标准也很有必要,否则它会偷懒。

之前一个迁移任务没有设置验收标准,它就给我交付了一个差强人意的,离我要求的还有比较大差距。(参考图1)

重新加上了验收标准:UI界面像素要和原版完全一致,那么它每一步都会截图对比像素差异,直到完全一致(或者可以忽略的差异)

mediamediamediamedia

摸索出一个在 codex里做连续任务节省大量 token消耗且不损失上下文质量的极简方法。。。

一共就两步:

第一步,在一项任务完成后用以下提示词:

请针对 [任务描述] 给我一个 handoff,用于后续任务开发

第二步,开新对话 session,把生成的 handoff作为第一条信息发给 AI,开始做后续任务即可

它的省 token原理很简单,就相当于对之前任务的上下文窗口做了一次有针对性的极限摘要提取和压缩梳理,扔掉了上下文中类似原始代码/日志记录等冗余信息,只保留最核心的推理逻辑和项目任务理解,所以 AI就可以轻装上阵快速进入下一项任务的开发了。。。

E

过去,制作这样的特效需要专业公司耗费数月时间。

E

没错。

经历了西班牙这一波又一波的移民潮后,我来用事实一条条解释,为什么左翼的一部分在结构上需要持续不断的非正常入境者流入,才能继续掌权。

A. 一名经由摩洛哥刚刚抵达的移民接受 Nate Friedman 街头采访时直截了当地回答:一旦拿到证件,他这辈子都会投票给社会主义者。并不是出于什么深刻的意识形态,而是简单的理性:哪个政党负责让他合法化、提供福利、谈论“权利”,哪个政党就会成为他的天然客户来源。

B. 至于本国出生的选民,他们开始看到其中的成本(住房、学校、治安、社会凝聚力)。

人工智能正在极其迅速地加速这种觉醒。当所有人只需点击两下就能交叉核对数据时,那些已经奏效了 40 至 50 年的情绪化叙事(分裂、永久受害者心态、“如果你批评就是坏人”)正在失去力量。

结果是机械性的:越多人看懂这笔交易,就越需要引入新的忠诚选民,来弥补那些正在离开的人。这纯粹是选举算术。尽管特朗普获胜,我们在美国已经看到过这一点;如今它正在欧洲重演。

这不是“仇视外国人”的问题。大多数来到这里的人,只是在理性地回应摆在他们面前的激励。真正的问题,是一种政治理念把移民变成了永久的客户来源机器,而不是一个严格且有选择性的融入过程。糟糕的理念不仅会摧毁社会,最终还会先摧毁它们的拥护者:信任逐渐消蚀,两极化加剧,危机接连不断。

如果欧洲各国人民不能尽快重新掌控这一进程,我们将走向越来越碎片化、低信任的社会,届时唯一剩下的黏合剂就是依靠恩惠维系的再分配。

历史表明,这种轨迹很少会有好结局。

但我们并非注定如此。人工智能正在移除信息不透明的支柱,X 正在打破叙事垄断。转型始终是可能的。

21 世纪将属于那些建设高信任社会的人,而不属于那些为了拯救权力而不断稀释社会资本的人。

选择权在我们手中。

E

我的一位朋友说,我们应该欢迎非法移民,只要他们不住在她附近。她现在已经不是我的朋友了。我妈妈过去常说,你无法和愚蠢或疯狂的人争论。这句话收录在我的新书里。我仍然在尝试,但没有成功。

让我问你一个简单但直接的问题:

如果你是一名真正的寻求庇护者,为了更好的生活而寻求帮助和救援,你会这样做吗?🤔

E

AI 将越来越多地执行难度更高、也需要越来越长时间才能理解的任务。

起初,我们会倒吸一口气。

但随着时间推移,这会变成再普通不过的一天。就像人们已经习惯期待 Full Self-Driving(完全自动驾驶)毫无疑问地把自己从 A 点送到 B 点一样。

来

#蜘蛛侠 vmax#千万别跟风去看电影蜘蛛侠崭新之日,因为这部蜘蛛侠很不漫威,蜘蛛侠打戏硬核,文戏走心,情感虐心#微博二创视频创作季##我在微博聊电影#

来

要买能站立而且能旋转头的风扇~~

恬恬跟我说小米这个风扇设计得挺好,虽然不能站立,但风扇前面有一圈凹槽,正好能搭在碗上,吹食物很稳。

我说不是他们设计得好,是你发现利用的好,他们设计时应该没考虑过吹饭的使用场景😂

media