与「亀田結心」相关的搜索结果

最新 GPT GPT-6.1 Sol Max：用Three.js 程序化制作《金乌斗玄龟》。全片 60 秒，从金乌贴海掠行开始，经过两次撞甲、玄龟坠海，再到火流与潮墙相撞。虽然不是fable 5.2 制作，但从着色渲染细腻程度，已经表现的非常出色。 用时：50分钟 纯代码 零 3D 资材 技术栈： Three.js 配乐是python合成的 提示词见评论区： #GPT# #Threejs# #AI# #opus5# #OpenAI# #GPT62sol# #大模型# #codex# #Fable5# #fable52#

细数 OpenAI 这段时间干的好事。 1、把 Plus 用户称为休闲用户，恢复 5 小时限制 2、以算力紧张为由停止 $200 订阅，现在推出了 $500 订阅 3、重新放出的 $200 订阅，额度砍了一半，从 20X 降到 10X 4、GPT 6.1 Sol 被限速，即使开启 fast 也是龟速爬行 5、其他待补充

突然想聊一聊剑圣的符文和出装。 我个人体验下来，符文带丛刃是最适合的，前期强度很不错，快速a 3下加上 q 伤害基本上能打掉三分之一血量，给对方上心理压力，有一种打不过的错觉。我不是很推荐致命节奏，因为前期装备没成型的时候，叠起来太慢，特别是第一件大件还没出的时候，是最弱的时候。致命节奏比较适合在后期有持续输出能力的时候，效果会比较好，丛刃更适合前中期。 出装的话分三类，我看别人主流好像都在玩特效流，第一件出海妖，但是我的出装有点不一样。 第一种 这个是我用得最多的出装，基本上适用绝大多数阵容，可以说 85% 的阵容出这个都通用。一件直接出羊刀 25%+32% 攻速，30 物理 和 30 魔法伤害，伤害和攻速都不错，被动能兼容剑圣的被动，加快 Q 冷却。 如果第一件出海妖，基本上后面要走特效流了，但是第一件出羊刀，后面想走暴击流还是特效流，还是其它流派都是可以兼容的，可以根据阵容灵活多变后续的出装。所以第一件我更推荐出羊刀。 第二件出钢壁，一方面减大招 cd，另外一方面有 450 的生命值，在前中期就不会很脆被秒掉，有持续输出的能力。 第三件看情况出死舞或者荒野剑，如果对面法师或者爆发伤害很高，就先出死舞，因为死舞有护甲，增加一点坦度，而且有 30% 的延迟伤害，击杀英雄可以免除延迟伤害，非常适合团战进去切后排，然后免除延迟伤害。 荒野剑有伤害，有攻速，有暴击，非常适合剑圣的装备。 其实第一种的装备出完后它强就强在有隐藏数值。羊刀 32% 攻速 + 钢壁 50% 攻速+荒野剑 30% 攻速 = 112% 额外隐藏攻速加成，多吓人。 最后的烁刃增加一点暴击率，在保持高攻速下，可以更快刷新 q cd，团战的时候用 q 规避技能伤害，增加生存率。 第二种 这个就是主流特效流的出装了，如果遇到龙龟，第一件建议直接出界弓，基本上前期可以压着爆打，龙龟真的不克剑圣。 第三种 这个是我新研究的出装，前期没有很好打，成型慢，但是这个出装是打大后期的，基本上是无敌的存在。这个出装最核心的思路是利用剑圣高移速的核心数值，不出鞋子，全出装备。前期可以出个草鞋，后期就可以卖了。 因为剑圣的基础移速 355，所有英雄里面移速最快的英雄。出绿叉和烁刃就能有 14% 的移速加成，加 50 点额外移速，一共 405 点移速。其它的英雄出完鞋子也只有 45 的移速，而剑圣出完这两个装备移速比别的英雄出完鞋子移速还要快，鞋子只有 45 移速。所以直接就可以直接出 4 件套 100% 暴击装，然后再搭配复活甲和死舞，有很强的持续输出能力，也可以换钢壁或者破败，不过我实验下来死舞和复活甲最好用。

#北理工教师裴某被解聘# #北理工取消裴某研究生导师资格# 北理工解聘裴轶， 这是中国上下五千年历史上， 首次高校敢解聘开女权课的女教师， 这说明越来越多的男性觉醒了： 1、意识到性别矛盾不是「人民内部矛盾」， 而是「敌我矛盾」， 2、意识到性别剥削和压迫的烈度， 远超过阶级剥削和压迫， 是最大的剥削和压迫。 集帅们一定要意识到， 上层阶级的人数很少， 哪怕他比你有钱一万倍， 吃的肉（消耗的真实社会财富） 也不会比你多几倍， 你一餐吃1块牛排， 他不可能吃10块牛排。 至于奢侈品之类， 物料成本（消耗的真实社会财富） 占价格比例极低， 里面大部分都是广告、管理等成本， 最后还是以工资的形式， 反回到普通人头上。 所以虽说上层剥削底层， 但底层按人数分摊一下， 其实负担很小。 但女性:男性的人数比例， 那可是1:1的关系， 上层阶级多吃一块牛排， 并不意味着你要少吃一块牛排， 但你女朋友多吃一块牛排， 你是真的要少吃一块牛排的， 你女朋友多买一个包， 你是真的要少买一张显卡的。 你要反思，你女朋友干了什么活， 何德何能， 能持续从你这拿性别转移支付？ 能持续剥削压迫你？ 不仅要交工资， 还必须跪着交， 美名其曰「上交」？？？ 有些龟男跪久了， 已经意识不到自己还能当一个人了 ： ）

这个起诉四岁孩子性侵的事里面，我感触最深的就是这女的身边肯定一个正常的真心朋友都没有，但凡有一个正常人把她当朋友，都会劝她别这么闹。 正常人脑子里这种案件但凡法院能判小孩是性骚扰街上可能都得爆发游行，但这女的却笃定她就是被四岁小孩性侵了… 有种人就是完全沉浸在自己的世界里面…凡是让 TA 感觉到不舒服的，都是有罪有敌意的。 比较经典的就是女的如果碰见男的让她不舒服，那就是对方性骚扰或者厌女；女的如果碰见女的让她不舒服，那就是对方是个魅男绿茶婊；男的碰见女的让他不舒服，那对方是个女拳傅首尔，男的碰见男的让他不舒服，对方可能是龟男不爱国。 “我觉得恶心、愤怒、受辱”=“我一定遭到了严重侵犯”=“对方一定知道自己在做什么，而且就是故意的。” 自由的代价是责任，平庸的奖励是理所当然的受害者心态。 怎么说呢，这种性格和思维非常容易成为赚钱的障碍，也就是说，虽然他们很烦人，但他们会相对贫穷的度过一生。

飞机上的随想： 今天在飞机上没网，做了一些思考，然后记录了下来，衍生了一些内容：人与人的差距，很多时候不是某一个瞬间突然拉开的，而是迭代速度不同，长期复利后慢慢拉开的。 我之前在学校做过一次演讲，大概是23年还是24年。那时候我也说过，我上学时并不是班里最优秀的学生。现在也不是说我就是最好的，只是放在同龄同学里，可能还算做得不错。 但这并不意味着我会一直领先。 因为当下取得的成绩，本质上都只是历史结果。 名校学历、一次考试高分、一次创业成功、某一轮牛市赚到钱，都更像是对过去某个阶段的一次“数据标注”和 benchmark：它证明你当时跑出过不错的结果，所以当然值得被鼓励、赞扬，也值得获得阶段性的奖励。 但它不是永久权限。 过去的成绩可以形成信用，却不能替代未来的更新。 如果一个人最新的标签永远停留在很多年前，反而说明模型很久没有迭代了。 所以我更愿意把它理解成： 荣誉可以保留，能力要持续证明；历史可以被记住，奖励应该不断更新。 真正决定未来成绩的，不是你过去赢过多少次，而是接下来还能不能像龟兔赛跑一样持续迭代。 这件事放到现在的大模型上特别好理解。 今天排名第一，不代表明年还第一。模型一年里不停更新，能力不停重排。真正能留下来的，不是“曾经第一”，而是持续更新自己。 人也是一样。 为什么很多年轻人最后能超过一些曾经很强的人？ 不一定是因为年轻人初始天赋更高。很多时候只是一些“老登”参数固化了，旧经验权重太重，新的数据输不进去；再加上身体底层代码老化，精力、专注力、体力这些“硬件条件”开始下滑，最后学习速度和迭代速度一起变慢了。 所以年轻人才有机会青出于蓝。 因为知识和经验不是永久护城河，持续更新知识和经验的能力才是。 再往下想，同样智力水平的人，最后为什么会产生那么大的认知差距？ 很大一部分来自输入数据质量的差异。 不同城市、不同学校、不同班级、不同公司、不同圈子，甚至不同小区，本质上都在给你喂不同质量的数据。 为什么有学区房？ 为什么有名校分数线？ 为什么大厂难进？ 为什么顶级小区价格很高，而很多拆迁房、回迁房长期低于商品房？ 因为这些东西背后，不只是教育、品牌、地段和房子本身。 它们其实都在筛选一件事： 你长期会和谁高频交互。 学校是一层筛选。 公司是一层筛选。 城市是一层筛选。 小区其实也是一层筛选。 市场定价的，不只是砖头水泥，也是在给“高质量数据环境”和“高质量交互概率”定价。 当然，这不是说贵的地方就一定全是优秀的人，普通环境里就没有厉害的人。市场很多时候定价的是概率和密度，不是绝对值。 你付出更高的价格或门槛，很多时候买到的不是保证，而是更高概率进入一个更好的训练环境。 但模型光聪明还不够。 模型最后是要解决实际问题的。 高阶模型适合复杂任务，能力强，但通常更贵、更慢；低阶模型适合简单任务，便宜、高效，但错误可能更多。 人也是一样。 一个人如果只是“聪明”，却没有被放在合适的位置，没有解决真实问题，没有在实际使用里不断反馈、调整、优化，那就像开了一家装修得富丽堂皇的店，却不服务客人。 最后一样赚不到钱，也没人维护。 所以回到本质，还是： 物尽其用，用进废退。 整个大的系统——无论是人类社会、公司组织、市场机制，甚至游戏机制——其实都不允许一个人长期躺平还持续获得奖励。 可以休息，可以补充能量，这当然没问题。 但长期不更新，一定会被超越。 以前打 LOL，Rank 都还有休眠期。长期不打、不适应版本，分数都可能掉，何况现实世界。 版本不更新，就会被版本淘汰。 所以每一轮牛市都会有新的主线叙事，也会有新的牛散出现。 他们表面上赚的是行情的钱，本质上很多时候赚的是对版本更新理解更深的钱。 谁更早理解新的叙事， 谁更快适应新的规则， 谁更愿意修正自己过去的认知， 谁就更容易在新一轮里跑出来。 最后还是自我迭代能力。 所以我现在会提醒自己： 别因为某一点成绩就自傲。 今天的成绩，很多时候只是过去训练结果留下来的标签。 未来能不能继续往前，还是得看下一轮版本，你更新得够不够快。 同时，也没必要因为自己跑得快一点，就看不起别人。 每个人都有自己的适用场景，该谦卑还是要谦卑，该尊重还是要尊重。 但另一方面： 尊重所有人，不等于要和所有人高频交互。 因为人的精力，本质上就和 AI 的算力、Token 一样，是稀缺资源。 你把太多时间浪费在垃圾交互、低质量争论、无意义情绪消耗上，本质上就是在烧自己的 Token，浪费自己的算力，还往自己脑子里灌脏数据。 所以最后想下来，我对这件事的理解越来越简单： 人与人的差距，不只是天赋。 更重要的是输入质量、迭代速度，以及你是否持续为系统创造新的价值。 过去赢过，只能证明过去。 未来能不能继续赢， 看的还是下一轮版本，你还能不能继续更新。