与「夹趾袜」相关的搜索结果

In Shijiazhuang, Hebei: Hot Ganglu sesame flatbread fresh out of the oven, filled with donkey meat — so delicious you can’t stop eating. 河北石家庄：刚出炉缸炉烧饼夹驴肉，香到停不下来。 #FoodTravel# #GangluSesameFlatbread#

星舰提前回来啦，本来计划飞八个小时，这次飞三个小时就回来咯。问题不大，一切还是顺利。 任务基本完成，安全着落，下次可以尝试筷子夹星舰啦！

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

陈一发儿，女版孙大午？以为去了美国，就是刷盘子的。发姐是新上海人，讲话夹着几个英文，感觉洋气？给发姐科普一下，美国很多工作不查身份。需求最旺的蓝领，以日薪计算，取中位数：1)屋顶工(Roofing)300美元；2)干壁/石膏板安装(Drywall)300美元；3)瓷砖与地板铺设(Tile/Flooring)400美元；4)油漆工(Painters)200美元；5)园艺与树木修剪(Landscaping)300美元… 到了美国，拿不到身份的，属于极少数，移民细节不科普。对于无身份的蓝领来说，收入从挣辛苦钱，跨越到高薪，关键在于掌握核心技术，如精密瓷砖、高压电排线辅助、喷漆、复杂木工，脱离单纯卖体力的阶段。再给科普一下，从1950年代初深港封锁至1980年代初，内地发生了数次大规模的“逃港潮”(如1957年、1962年、1979年前后)。这30年间通过陆路或海路偷渡进入香港的总人数大约200万人。

Codex 更新了，界面导航大改。左边新加了一个导航栏，把插件、定时任务、站点、项目、地图，还有 PR 都放到左侧导航上了。 新增了资源库和图像两个页面。 资源库里包含你所有的图像、图片、文件夹和收藏，你创作的所有文档以及 AI 创作的图像文档也都保存在这里。 图片那边的话，就是 ChatGPT 原来的图片页面里，有一些用 GPT-Image 模型的一些模板和提示词 其实这样改更好了。 不然之前全放在顶部，随着项目和聊天越来越多，每次找顶部那几个入口都得往回滚，挺烦的。 而且这次藏师傅的 CodePilot 领先 Codex 一个版本，几个月前就添加了资源库，把你所有由 AI 生成的内容结果汇总到一个页面，比如图像、视频、网页、音频这些素材。 你还可以从资源库的结果直接跳回聊天里看具体是怎么做的，非常方便管理，也方便让其他模型调用、复用这些素材。 不过也有很多人觉得不方便，说看着不习惯，这种大改肯定会有这种情况

一个人做产品，写代码之余还要做推广、做 SEO、回客户邮件、跟进潜在客户，一天被杂事切得稀碎。 ai-employees 把 8 个业务岗位做成了开源的「AI 员工」，每个员工就是一个文件夹，里面装着按时间自动跑的例行任务，一共 60 个。 岗位覆盖增长、SEO、网站维护、社媒、广告投放、销售和客服，每天早上各交一份简报，只有需要我们拍板时才推送到手机。 我比较喜欢第 8 个「幕僚长」的设定，它专门翻其他员工的运行记录，找出哪项活悄悄停了，再给出三条建议。 GitHub： 全部跑在自己电脑上，用已登录的浏览器像人一样操作，网页改版了会自己改指令。Claude Code 之外还支持另外 10 种 Agent 工具。 发消息、发帖、花钱这类动作默认只起草好，最后一下留给我们点，也不会自己注册账号、输密码。 作者从 8 月底开始每个工作日都拿它跑自己的生意，用 Claude Max 订阅实测，增长岗的定时任务约占整机调用量的 6%。

继115网盘暴雷后，123云盘调整存储规则，自传空间仅剩1TB。不管用户此前购买了多少 TB 的云盘容量，如今真正能够用于自己上传文件、手机照片备份和文件夹自动备份的空间，都只有这1TB「专业空间」 原有的大容量空间则主要只能用于转存他人文件，相当于把“自己上传”和“转存”彻底拆成了两套容量。更离谱的是，转存他人或被他人转存的单个文件还要求小于 10 GB。对于动辄几十 GB 甚至上百 GB 的原盘 4K 视频来说，这一限制直接影响转存和分享 此前购买再多容量，如今自己能上传的仍只有1TB，换句话说123云盘都是活动卖完就砍权益的。之前网页下载限1G大小，月流量限10G，后面又强制登录。现在网页登录也没了，必须用客户端下载，那App从打开到下载文件要关6、7个广告，别人分享的文件转存到App，又弹一遍会员开通窗口

我以前把怀孕的蟑螂放进逼里，使劲一夹给夹爆，然后一堆小蟑螂就从逼里钻出来，有一种当妈妈的感觉。我一般用风油精，往里面灌点，蟑螂什么的就出来了，完事拿酒精擦擦消个毒。没事的，毕竟都定期来姨妈的，脏东西都排过去了。摸完风油精的逼逼塞进来刚开始凉凉的，后来火辣辣的，冰火两重天操起来很刺激，用过的都说好。我好想纹身在阴唇褶皱里，翻出来当社会人，翻进去考公。顺便给阴唇做个美容，把边边割下来做麻辣扇贝边，然后高价卖给公狗。

经常做波段的人，可以试试这个指标。 它叫 Zig Zag，看盘时小涨小跌太多，它能按你设定的幅度过滤波动。 把主要高低点连成折线，方便看清每一轮上涨和回撤，这次低点有没有抬高，前一个高点有没有被突破。 比如一段上涨行情，中间经常夹着几根下跌的 K 线。 加上 Zig Zag 后，较小的波动会被略过，较大的上涨和回撤则用折线连接起来。 沿着折线看，就更容易比较前后两轮走势，高点是否越来越高，回撤有没有跌破上一个低点。 它有两个值得调整的参数。 第一个是 Price Deviation for Reversals，反转幅度阈值，默认是 5%。它控制价格反向变动多大，才达到识别新一段波动的幅度要求。调高数值，会过滤更多小波动，调低数值，就能保留更细的转折。 同一张图上，如果只想看较大的波段，可以把这个值调高一些。 如果觉得折线省略了太多细节，就调低一点。 不同品种的波动幅度不同，切换品种或周期后，可以重新调整。 第二个是 Pivot Legs，转折点确认所用的 K 线数量。 数值越大，通常留下的转折点越少，数值越小，就会识别更多局部高低点。它和幅度阈值一起，决定了折线有多细。 刚开始可以先在常看的周期上保留默认设置，每次只改一个参数，观察哪些转折被留下，哪些被过滤。 比如先在 4 小时图上梳理几轮较大的上涨和回撤，再切到 1 小时图看局部变化。 图上的转折价格等标签也能单独关闭。 如果主要想看高低点的排列，可以减少标签，只留下折线和 K 线，画面会更清楚。