与「樹麗」相关的搜索结果

じゅりじゅりが出演している舞台 劇団時間制作さんの迷子、観劇してきました！！ 心が苦しかったけど、凄く良かったです。 あぁぁぁぁ 観れてよかった… 樹麗ちゃんにも早く会えるといいなー！！！ #劇団時間制作　##迷子　##樹麗#

⋱⋱オフショット📸⋰⋰ 樹(#髙松アロハ#)が起きるのを見守る麗奈(#矢吹奈子#)😴 樹は目を覚ますのでしょうか？？ そしてこれから復讐同盟はどうなるのか！ まだ見てない方は、ぜひ８話をご覧ください！ 📅毎週水曜深夜1時から放送⛓ 🔗 #サレタ側の復讐🤝🔥#

⋰ 第7話 今日深夜1時放送！ ⋱ 早乙女麗奈役の #矢吹奈子# さん 早乙女樹役の #髙松アロハ# さん 南条愛役の #青島心# さん からお知らせ📢 #サレタ側の復讐# 🤝🔥 U-NEXTにて第1話から最新話まで見放題独占配信❕ 最新話はTVerにて無料見逃し配信中❕ 🔗

10/23発売『アップトゥボーイVol.356』の表紙・裏表紙を公開📕✨ もはや弊誌の“顔”といっても過言ではない田中美久が堂々降臨！ しっとりした秋の雰囲気の中、ますます進化した美ビジュアルを余すことなく披露してくれています🍁🤎 他、乃木坂46 6期生・森平麗心、僕が見たかった青空・杉浦英恋、アンジュルム・長野桃羽＆つばきファクトリー・西村乙輝のペアグラビア、奥村桃夏、月刊PAM、石田亜佑美、佐藤優樹、NMB48・和田海佑、江籠裕奈、そしてAKB48・倉野尾成美の好評連載など見どころ満載！お見逃しなく👍

大学毕业十周年聚会，彻底把我们全班同学整沉默了。 当时在江浙沪发展的同学不少，大家热情很高，一共来了30个人，每人预先转给当年的副班长1000块钱，凑了整整3万块活动经费。 说好这笔钱用来订酒店酒席、以班级名义在母校种一棵桂花树，再给当年几位任课老师买点礼物。 聚会当天推杯换盏，大家聊得热火朝天，都觉得青春又回来了。 结果第二天一早，副班长在微信群里发了一份极其“精准”的结算清单： 30人实收30000元，酒席、买桂花树、老师礼物，各项支出加起来共计29998元。 紧接着，副班长在群里发了一个2块钱的拼手气红包，供30个人抢，并附言：“账目清清楚楚，结余2元退给大家。” 那一刻，原本热闹了半个月的班级群，死一般地寂静。 没有一个人去点那个2块钱的红包，也没有一个人出来说一句“辛苦了”。 一晃眼，如今毕业都快满20年了，群里再也没有人提过“聚会”这两个字。

现在完全证实了我的分析。就是卢比奥把黄仁勋拉下了马。他们用国家机器布了一个大局，让媒体充当打手。我一眼就看出来是怎么回事了，当时还有很多人不信。以我的经验复盘，黄仁勋犯了两个致命错误。第一，涉及强监管的行业，华盛顿“旋转门”和“K街送利”的是条潜规则的铁律！他却没有遵守。他以为和川普关系好，就等于和整个内阁关系好。他破坏规矩搞特殊化，没有给其他高官，尤其是鹰派，输送利益。如果他雨露均沾。承诺日后请他们当高薪顾问或通过K街送利，也不会被整得这么惨。第二，他没有给媒体输送利益。为什么那么多公司，比如银行，花钱在媒体上打广告，却只印一个自己的 logo？真的是为了商业宣传吗？在强监管行业，这么做就是为了和媒体搞好关系。黄仁勋以为自己做的是B端生意，靠产品说话就够了，不去打广告。结果破坏了潜规则，得罪了官员和媒体，最终被做局搞掉了。他在自己的公司，靠产品、靠技术说话，忘记了树大招风、社会险恶。

宇树狂喜 SuperMimic：用单个可微世界模型（Differentiable World Model）来做人形机器人全身动作训练 SuperMimic基于mjlab物理仿真环境构建，借鉴了DreamerV3等技术思路，把物理规律放进一个可以计算预测的世界模型里进行统一训练，让G1人形机器人拥有了精确的全身动作追踪能力，支持广义坐标和最大坐标两种方式来精准控制身体姿态。 相比传统反复试错的训练方式，可微分世界模型能让机器人直接推演动作与环境的互动变化，大幅加快了学习复杂连贯动作的速度。但是也存在隐患：世界模型毕竟是神经网路拟合出来的，算是纸上谈兵，一旦遇到剧烈碰撞或脚底打滑等长尾场景，可能会导致连续动作失败。 Github：

最近一款20美元的独立游戏，5天卖出75万份，1500 万美元的流水，羡慕吗？ 我觉得做游戏或者产品的时候，一句话把自己的东西能够讲明白，这一点非常重要，如果讲不明白，说明这个产品可能有点复杂，用户也不一定一眼就能了解。这会直接影响最终收入。 比如做独立游戏开发时，有一个特别容易犯的错误，就是总想把玩法做得足够丰富。经营、升级、装备、剧情、技能树，最好什么都有。但玩家第一次看到你的游戏时，根本不知道这些玩法系统怎么玩，有没有意思。 玩家觉定要不要买一个游戏，可能只有几秒钟的决策时间。如果一句话讲不清楚，或者讲清楚以后对方还是没兴趣，那就值得重新审视产品的卖点。对于没有买量预算的开发者来说，能不能让陌生人迅速理解并产生兴趣，本身就是一种获客能力。

如何利用AI自学一切？？ 我是写美股的，日常要读财报、盯宏观，碰上完全陌生的新行业也得从头摸。以前这些最费工夫，翻资料、找人问，一轮下来大半天就没了。 这一年多用上 AI Agent，最先变的是我学东西的方式。 1、兴趣和动力是一切的基础 这是不是普遍适用，我不能确定，但起码对我来说，自发的好奇和自驱力能让我坚持更久。或者说我不能用"坚持"这个词，因为我是自然而然地享受这个过程，不需要任何意志力，只是单纯地想学。 如果是外界推着我学，比如考试、比如工作，DDL 一结束我就会迅速放弃，甚至在过程中也只能勉强做到平均线，抱着得过且过的心态。 当然，有兴趣和自驱力不代表万事大吉，也不会一开始就如有神助。学不会的东西本来就学得很慢，但慢慢来，反而会比较快。 2、建立一个正反馈的环境机制 正反馈能让你保持兴趣和动力，不断的小 reward 会给你情绪价值。这时候就该让 AI 来帮忙了，因为 AI 的反馈非常非常快。 比如我想探索一个知识，它可能和 tech 有关，也可能和商业有关，这些都是我完全没在学校受过训练的领域。但是 AI 受过呀。 我可以一遍一遍地说：这个太难了，我不理解，我要举例子，要图解，要通俗易懂，从最最简单的讲起。AI 非常适合干这个。 在现实生活中，其实很难让一个人一遍一遍地给你重复讲同一个东西，但对 AI，我们完全不会有这种顾虑。遇到不懂的，如果没有 AI，就只能等懂行的人给我讲，或者自己慢慢搜。这种极致快速的正反馈，只有 AI 才能给。 而当我让它出题，用自己的话再讲一遍的时候，我就能清楚地知道哪里我没理解、哪些我理解得很好。这时候 AI 也会充分地鼓励我，给我非常多的正反馈。学习的循环就这么建立起来了。 3、所以具体到底怎么利用AI呢？下面我按从简单到进阶，拆解一下具体的方法。 简单版：一个聊天窗口就够了 免费的聊天机器人已经足够强大，只要稍微改改自己的 prompt，就能得到很好的结果。 假设我对某个领域、某个概念完全不了解，比如"什么是 Agent？Agent 有什么用？为什么别人都在用？我能拿它做什么？"，这些就是我第一次接触一个新概念时，脑子里会自然冒出来的问题。 第一，我一般会按"why - what - how"的结构去拆。 第二，一次只问一个问题，不要一下子丢好几个。拿这个例子来说，可以先从"为什么 Agent 这么火"开始。这个问题的答案很简单易懂，你会看到一些有趣的现象，然后再引出 what，也就是它到底是什么。 第三，告诉 AI 你的个人背景。免费的聊天机器人完全不知道你对这个领域了解多少，你让它讲解时，它的回答不会是个性化的，也不会考虑你的背景。所以你要在 prompt 里讲明：我完全不了解，希望讲得通俗易懂，等等。 第四，你同样可以让 AI 用费曼学习法给你出题：根据刚刚讲过的内容出几道题，让你用自己的话再讲一遍。 进阶版：先要一张地图，再把资料喂给 AI 过了简单的关卡，如果我想学得深入一点、系统一点，开始之前我会先让 AI 给我画一张这个领域的"知识树"：主干是什么，分支有哪些，我现在要学的东西长在哪一枝上。 如果这个领域陌生到连树都搭不起来，我就让它从历史讲起。一个东西刚诞生的时候总是简单的，顺着它一步步变复杂的过程往下看，现在的样子也就好懂了。 有了地图，我会让AI去找高质量的书或者视频来探索。在学的过程中，我还会把这些资料喂给它，让它有充分的 context，这样我随时提问，就能随时得到答案。 深度版：搭一个自己的学习系统 我会高强度地把 Agent 工具和 Obsidian（一个个人笔记软件）连在一起用。我有一份写自己个人背景的 markdown 文件，还有一份 Tutor SOP 文件，里面写明我喜欢的教学方式。 每次我要求它讲解某些内容，AI 都会自己去读这些文件、补充上下文，用我最喜欢的方式来教我。 这份 SOP 里的规则，都是一次次"学不下去"之后加进去的。挑几条：第一条就是：keep me motivated, keep me going, increase the curiosity. 一节课最多两个概念。第三个留到下一节，在好奇心还在往上涨的时候结束。还有比较基础的，例如多用例子和图解等等。 当我感兴趣、想深入了解时，我也会让它读取费曼学习法的 Skill 来给我出题。 我还会用 Matt Pocock 写的 teach skill，让它通过写 HTML 代码的方式做网页课。我会 customize 更多的交互、课后习题、课后阅读等等。 它会把一个主题拆成几节课，组成一个小小的 set，比如 4–5 节，学完一整套也非常有成就感。 我曾经有遇到一篇讲AI的论文，可以说我自己几乎看不懂，但神奇的是AI一直鼓励我说我可以，我刚好看见有一段讲到是如何把 Out-of-Distribution（分布外）的东西拆解变成 In-Distribution（分布内）的东西。我心想这不就是现在，我让AI把这一篇完全在我知识分布外的东西通过一步步拆解，变成我可以理解的分布内的东西。 拆了十几轮吧，说实话那篇论文到底讲了什么，我已经要忘记了，但这种去拆解那些我不会的知识，然后一步一步把它们内化的方法论我却一直记得。 总结一下：其实核心很简单，你要喜欢、要有兴趣，利用AI工具，不会就问，不断接受正反馈。自然而然，我们就可以学习任何事情了！ 一段可以直接复制的 prompt： 我是[你的背景，比如：完全没学过编程]，想了解[概念]。请按下面的顺序讲，每次只讲一步，讲完停下来等我回复： 1、为什么：它为什么最近这么火，解决了什么问题 2、是什么：用一个生活里的例子讲，不要术语和公式 3、怎么用：像我这样的人能拿它做什么 如果我说「没懂」，请换一个例子，不要只换个说法。 三步讲完后，出 2 道题让我用自己的话回答，并指出我哪里理解错了。