与「緩」相关的搜索结果

《医生不如GPT的脚后跟》 经过1个月的治疗，傻哥的胃胀已经彻底缓解 早上去医院复查，问彻底治愈的概率 医生已经年纪很大，说每个人差异不同 我不得不打断医生：我问的是群体概率 医生还是东拉西扯，说胃动力的原理 我不得不再次打断医生：问是否有医学上治愈的概率统计 最后医生无奈承认，自己不知道 走出门诊，傻哥随手问了下GPT 直接给出了国际上的医疗统计样本：50-60%的根治率 并且，结合我自身肠胃镜的结果 进一步给出了79-90%治愈率 傻哥真是无奈啊 感觉医生连GPT的脚后跟都摸不到 要不是为了开检查，根本不需要医生 那什么样的人需要医生呢？ 门口突然来了个老大爷 说自己身体不舒服？ 医生问：哪里不舒服 老大爷说不清，说不知道，总之就是不舒服，说不清部位 这样的人需要医生一步步引导啊

《奥德赛》在中国尚未正式上映，但已引发一波社群讨论。其中，中国podcast主持人"仲树"在北京首映式后对导演诺兰（Christopher Nolan）的采访，因谈及较深入的哲学、神学思辨，获得英语世界的网友高度关注。 访谈之初，仲树便向诺兰抛出大哉问，提问他是否认为自己是"西方文明黄昏时代的吟游诗人"。 大约18分钟的采访内，两人触及哲学和神学概念、电影叙事、艺术批评等主题，例如仲树还问道："古希腊文化并不存在'赎罪'的概念，古希腊语并不存在'赎罪'这个词，荷马的《奥德赛》中并没有赎罪，但你的《奥德赛》却有……你是否把《奥德赛》基督教化了？" X平台上，仲树的帐号7月31日发布的访谈影片已有超过680万观看次数；加拿大媒体人基利（Geoff Keighley）隔天亦转推影片，已累计1800多万次观看。 除了仲树的访谈之外，《奥德赛》团队在北京宣传期间还有另一件事引发社群讨论。 据《明报》、香港01等港媒报导，该片的北京首映式由上海广播电视台的陈璇主持。然而，陈璇在现场被拍到，当她把麦克风递给诺兰等人的时候，姿势是"大幅度屈膝半蹲"。此事在中国社群平台触发了民族主义的反弹情绪，部分网友批评她"崇洋媚外"、"卑躬屈膝"。 亦有网友替陈璇缓颊指，之所以半蹲，是因为要配合现场直播拍摄，避免挡到诺兰等人的脸。 你是否看过《奥德赛》，又怎么看待这些争议？留言分享你的看法！

在 opencode 的 TUI 里直接查看当前会话的提示词缓存命中率 装好后在会话里输入 /cache-stats 就会弹出窗口，显示当前会话的提示词缓存命中情况。 它算出一个总体命中百分比，用命中条加 Excellent、Good、Fair、Poor 四个等级词标注，再按模型和每个子代理分开统计 token、调用数和成本。

⚡经历近两个月的剧烈震荡后，美股标普500再次创下历史新高！ Mag 7在四天内累计上涨近10%， 亚马逊市值重返3万亿美元， 英伟达市值重夺5万亿美元， 科技板块在全面修复。 推动力还是同一个： 美国财长贝森特说霍尔木兹海峡协议可能在今明两天达成，美伊局势缓和。 此刻，大A和币圈都流下了羡慕的泪水！🥹

8.05梭哈晨报： 美股真的挺有意思的，很多涨幅和山寨币一样，但是你又知道有价值，昨天蹲财报的人爽了，SPCX多空双炸，AMD直接炸开了半导体。 今天有人赌闪迪吗？ 1. $BTC 看起来走的还行，但是所有人都在等7号的法案通过与否； 2. $ETH 各种利好出现，就是不知道谁在买； 3. $SOL 还是重回MEME了，但是没人玩了啊； 4.Aave CEO：以太坊 EIP 提案或扼杀其借贷与收益场景，削弱 ETH 作为资产的可行性； 5.SpaceX首份财报超预期，但解禁压力下盘后跌超7%； 6.特朗普政府告知AI公司，将不对开放权重模型进行安全测试； 参议院民主党：特朗普 AI 治理政策混乱，正将企业推向中国 AI 替代品； 7.AMD Q2数据中心收入翻倍，但指引未超乐观预期盘后跌近9%； 8.台积电扩大 CoW 封装外包，ASE 等 OSAT 将承接 CoW 产能以缓解 AI 芯片制造瓶颈； 9.SBF上诉被驳回，美国第二巡回法院正式签发结案令； 你都没钱了，谁在乎你呢； 10.比特币桥接服务 Boltz因 AI 攻击速度失控，无限期暂停交换服务； 11.Coinbase政策负责人反驳WSJ对CLARITY法案批评，呼吁参议院通过； 还有两天，会有人在法案通过前发币吗？ 12.纽约梅隆银行与Galaxy合作推出机构加密货币质押服务； 13.美联储施密德：需要更紧缩的货币政策以将通胀恢复至2%的目标； 14.BitMEX的30亿美元保险基金在关闭前大部分已被提取； 15.美英监管机构重申支持稳定币和代币化监管合作； 16.Bybit 获奥地利 EMI 牌照，将在欧洲提供受监管电子货币和支付服务； -------------- 赌吧，不赌没有未来的，赌才是未来，只有大波动大家才能发财，顿悟了市场的最终核心！ 猪哥一直要我发他的珍藏，你们就说这个视频是不是黄？ #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

转一下苏剑林老师对 K3 架构的复盘。 一句话概括，K3 = KDA + MLA + Stable LatentMoE + AttnRes。整套设计没什么炫技，核心就是在模型效果、计算效率和训练稳定性之间做取舍。 这里稍微解释一下： KDA，一种线性 Attention MLA，一种 KV Cache 较小的 Full Attention 变体 Stable LatentMoE，对 LatentMoE 做过稳定性改造的 MoE 方案 AttnRes，用可学习的跨层注意力，替代固定等权的残差累加 几个比较有意思的点： ① K3 同时使用了 KDA 和 MLA。另外，训练仍然用 Moonlight 版本的 Muon 优化器，Attention 权重改成 Per-Head Muon，每个 Head 独立优化。苏神说这不会直接提高效果，主要是数学和结构上更合理：各个 Head 本来就相对独立，不应该在优化时耦合在一起。 ② 解决MoE“容易炸”的问题。 LatentMoE 会先降维，再使用更多专家，最后升维，在训推成本大致相同的情况下效果略好。不过连续的矩阵投影也让训练更容易出现数值不稳定。 K3 把 SwiGLU 换成了 SiTU-GLU，用 softcap 压住异常激活；又在 LatentMoE 升维前加了一层 RMS Norm。这个 Norm 不只是让训练更稳定，在 Valid Loss 差不多的情况下，不加它，某些 Benchmark 会稳定变差。 （这里有超级多的技术细节，感兴趣的可以看苏神原文） ③ 关于MLA DSV4 看上去都换设计了，K3 怎么还在用 MLA？苏神的答案是，目前 MLA 仍然很难被全面击败。它在训练阶段是 MHA 形态，推理时 KV Cache 较小；在固定训练成本和 KV Cache 大小时，MLA 依然近乎最优。 它的问题是对 MTP（推测解码）不够友好。MTP 的思路是“用计算换速度”，而 MLA 在 Decoding 阶段本身就比较吃计算，再叠一个 MTP，两边就容易抢算力。 换别的方案也有代价。比如换成 128+128 的 GQA8，效果很难打赢 MLA，KV Cache 还是 MLA 的三倍多；换成 256+256 的 MFA（本质上是 MQA），训练和 Prefill 成本又会上去。 目前还没有一个简单的 Attention 设计，能同时占住效果、训练成本、Prefill、KV Cache 和 Decoding 计算量。在 KDA+MLA 的混合架构下，MLA 的部分问题得到缓解，所以 K3 最后还是选了 MLA。 ④ 苏神觉得，DSV4 也不算真正“抛弃 MLA”。 DSV4 看上去重新设计了 Attention，但底层仍然有 MLA 的影子。它采用的是 head_dims=512、K=V 的 MQA，这正是 MLA 在 Decoding 阶段的形态；再加上 Sparse + Compress，前者减少计算，后者进一步压缩 KV Cache，同时减少计算。 方向很激进，不过 Infra 也更复杂。 ⑤ K3 的 MLA 可以去掉 RoPE，是因为 KDA 已经隐含提供了一种广义的位置信息。 这只适用于 KDA+MLA 的混合结构，像 K2 那种全 MLA 模型，直接去掉 RoPE 还是会明显掉效果。 感觉苏神真正的观点是：大模型架构里很少有免费的升级。K3 的设计哲学不是找一个碾压所有方案的新架构，而是在效果、训练成本、Prefill、Decoding、KV Cache 和稳定性之间，找一个当前更合适的组合。 苏神原文里还有很多技术内容，非常值得一看。 原文地址：

现在我很多复杂一点的任务都是 Fable 5 写方案，Codex 去执行，Fable 5 验收，相对来说可以做出比较靠谱的方案，以及兼顾性价比。具体是这么做的： 1. Fable 5 的产出是技术方案文档（图1） 一方面文档方便批注修改，另一方面文档方便其他 Agent 快速上手 2. 文档确认后在当前先 /compact 一次 这一步不是必要的，但是有好处，因为后续还要在同一会话去验证，/compact 压缩后，节约后续的上下文空间，之所以讨论方案就马上发送 /compact，因为这时候 Prompt Caching 还在，成本低，后面缓存过期了 compact 要贵一点。 3. 把文档交给 Codex （GPT-5.6 Sol xhigh）去执行（图2） 如果任务明显比较复杂，我一般会加上 /goal，这样中间就不需要反复去 continue，一次性把任务完成 4. Codex 完成后让 Fable 验证（图3） 直接告诉 Fable 其他 Agent 已经实施了，让它确认有没有遗漏，或者方向有无偏离。 如果有些遗漏之类的，把 Fable 的反馈发回给 Codex（图4），不需要新开会话，在同一个 Codex 会话，Codex 会根据反馈继续完善。 --- 如果用 Opus 5 替代 GPT 5.6 也可以，做法上可以跟上面一样新开会话，用文档传递上下文。 也可以直接让 Fable 5 开 SubAgent 并指定用 Opus 5 模型，并且要求在 SubAgent 完成任务后验证。 但是我执行下来 Opus 5 不如 GPT 5.6 Sol 稳定，也不如 GPT 5.6 Token 耐用，所以宁愿麻烦一点。

📗🥔🧭🌕🤭 我们在山间黄昏中看向外围远处光点,心里浮现短学生约炮暂的释然,仿佛这一刻被上门时间轻轻拉长却无法真学生同城正停留.像记忆缓慢空姐浮现,远处灯光微微闪烁