注册并分享邀请链接,可获得视频播放与邀请奖励。

与「萧华雍」相关的搜索结果

萧华雍 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 萧华雍 的内容
最近看一部天龙八部的同人小说,萧峰穿令狐冲,写的不错。
年龄越来越大,变得越来越向生活所迫了,我那当初无所谓的勇气呢。 啊! 如何才能找到过去的自己啊 萧炎
台灣副總統蕭美琴:防北京誤判 建置無人機戰力刻不容緩(圖)
1800萬人口的深圳大蕭條!失業者睡大街!(視頻)
帝都北京全面崩塌進行時,大蕭條慘不忍睹 #袁紅冰熱點#
大家帮我开,我这个是有氧还是无氧运动?你们都做什么运动?瘦了几斤啦?#自律##跑步# 原作者:@萧哥要自律
《斗破苍穹》中明明魂殿斗圣强者很多,为何不在前期派斗圣灭掉萧炎? 你以为魂殿斗圣的日常:每天睁眼就想一件事,有个叫萧炎的小子,虽然现在才斗者,但日后进阶斗帝将会坏我魂族大事。趁他还弱赶紧捻死,还得亲自前去,再三检查确认干掉才行,别剩口气儿又被救活了。实际魂殿斗圣的日常:起床,边洗漱边听斗尊下属汇报,今天又有xx族xx阁的斗圣强者带一帮人前来叫门复仇,需要紧急带队迎战;打完架一身汗回来,边吃brunch边被上级电话骂,说xx宗的那几个势力咋还没灭干净,灵魂收集kpi再达不到下月别干了,自己去填池子。这时候一个地级护法又来报告“有个叫萧炎的,斗者水平,但日后进阶斗帝必成大患,您最好亲自前去剿灭。。。”“给我滚!扯什么乱七八糟的,我忙着呢!”“等会滚回来,你刚才说什么消炎,我抽屉里有个消炎膏给我拿来,牙龈上火了。快去快回!”
显示更多
今天深刻感受到了中日两国的水乳交融。 几位工人大叔告诉我,他们因为各种原因(工作/旅行/探亲)到访过中国,而且目的地不仅有北上广深,甚至包括贵州甘肃等偏远地区。 最不可思议的是,其中居然有这么一位——每年都要跑一两趟河南,去少林寺学武术。 这位樱花大叔还对我秀了一下他在「中国商店街買物時学んだ中国語」:“欧揍!萧热绷!” 我琢磨了好一会儿,才明白他说的是“卧槽!小日本儿!”。 再把这句话带入到他说的情境里—— 一个日本人,在中国河南的大集上,操着大佐口音买东西,摊主惊讶地抬头看他一眼,不禁脱口而出:“卧槽!小日本儿!” 哈哈哈哈哈哈哈哈哈哈,想一次笑一次。
显示更多
0
13
33
0
转发到社区
鲁迅显得最猥琐的一张照片以及其中的秘密 1933年2月17日,宋庆龄在寓所宴请萧伯纳,作陪者有鲁迅、蔡元培、史沫特莱、林语堂、伊罗生,七人在寓所阳台上留下合影。这是一个全球左派的大联合。 起初,萧无意在上海下船,直言上海“是gangs(狐群狗党)所造成的都会”。在宋的盛情邀请下,萧下船在上海待了几个小时。 宋之所以要感谢萧,原因是此前一年,萧大声疾呼帮助她营救牛兰夫妇。顾顺章被抓两个月后,牛兰夫妇被捕(是否为顾氏举报,存疑),同时被抄走四万多美元。宋心急如焚,她甚至找到蒋介石,提出用“质子”+侄子蒋经国交换牛兰夫妇。 1931年12月16日会面当天,蒋介石在日记中有这样一段记述:   “孙夫人欲释放苏俄共党东方部长,其罪状已甚彰明,而强余释放,又以经国交还相诱。余宁使经国不还,或任苏俄残杀,而决不愿以害国之罪犯以换亲子也。绝种亡国,乃数也。余何能希冀幸免!但求法不由我犯,国不由我而卖,以保全我父母之令名,使无忝所生则几矣。区区后嗣,岂余所怀耶!” 宋虽然没能说服去交换⼈质,但使⽜兰由死刑改判为⽆期徒刑。她在上海组织成⽴了“营救⽜兰”的委员会,并设法安排狱中的⽜兰 到南京⿎楼医院就医,还将他们的⼉⼦接到⾃⼰家中。 1937年12⽉,⽇军攻打南京之时,⽜兰夫妇趁乱逃跑。其间,⽜兰始终没有暴露过共产国际的秘密,共产国际间谍宋庆龄功不可没。 通过此事,宋的共产国际间谍身份已经被蒋确认。 马海德的儿子周幼马撰文说:“共产国际为宋庆龄提供有充⾜的经费,还派了美国⼈ 史沫特莱做她的英⽂秘书,后来又派奥地利⼈魏璐诗⼥⼠来协助⼯作。史 沫特莱和魏璐诗都是共产国际的情报⼈员,宋庆龄靠她俩和共产国际保持联系。魏璐诗和宋庆龄保持了终⽣的友谊。” 这段话中故意泄露了一个中国不愿意说的秘密:宋庆龄极力掩饰她的真实身份,在西安事变后因此与史沫特莱终生绝交。此段故事,另述。 此照片还被中共官方篡改,抹去了林语堂、伊罗生,这中间也有不少秘密。 照片由杨杏佛拍摄,鲁迅还没有来得及为这张照片迁怒他,他便挂掉了。
显示更多
0
40
133
22
转发到社区
GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52# #智谱# #智谱AI# #AgenticCoding# #长上下文能力#
显示更多
0
10
80
5
转发到社区