与「道」相关的搜索结果

离谱。。在昨晚 OpenAI 宣布企业套餐里加入 GLM 5.3 等开源模型之后，A\ 立即发布报告，严肃批评了开源模型的安全问题。 这个报告的信息量不大，但看完之后满脸问号。。。 报告先说 GLM-5.3 是「迄今发布的网络安全能力最强的开源模型」。 比美国前沿模型落后约4个月。 他们测试了几个模型，这些模型包括 Opus 4.6，Kimi K3，DeepSeek Flash，但 GLM 5.3 是唯一一个具备漏洞利用能力的模型。 然后提到 GLM 5.3 其实自带了安全护栏。 但是因为它是开源的，任何开源模型都可以通过一种拒绝行为削减技术，abliteration 来重新配置模型，专门移除拒绝行为，训练出不安全的 GLM 5.3 版本，制作一次约4400美元成本。 简单说就是开源模型天然可以改权重，都不安全。 对这个移除拒绝行为abliteration 的模型进行评测，发现这个版本确实很不安全。 对于原版的带安全护栏的 GLM 5.3，通过欺骗性提示词、预填充思考等方式，可以欺骗模型参与到危险的任务中。 而 Claude 不提供预填充思考功能，也不开源，无法被 abliteration，所以非常安全。 报告最后呼吁，让更多企业和机构用上安全的闭源模型刻不容缓。 。。。 这个报告看起来是在讨论模型安全，实则带着积分自我兜售的意思。 开源模型自带了安全护栏，然后你通过训练把它的安全护栏去掉，以此论证开源模型并不安全。 如果觉得开源模型不安全，大可以开源一个安全的给大家用。 也可以选择积极地参与到开源模型的安全建设里，一起为安全做出努力。 你也可以选择把自己的模型开放给全世界，不要天天封号。 卖模型就卖模型，还要占据个道德的高地。。。

搞懂经济模型设计原则，才能设计出好的模式，像奥林巴斯道跑得长久是有原因的。 1.供需平衡原则：控制总发行量与释放节奏，不能无限制增发。产出要有上限，代币要有销毁、消耗渠道，避免供大于求持续砸盘。 2.多方利益平衡：兼顾项目方、投资人、用户、节点，分配比例合理。不能一方拿太多，早期大额解锁集中砸盘。 3.激励匹配原则：多做事多得奖励，奖励和贡献挂钩。鼓励用户长期参与，而不是单纯薅完奖励就抛售离场。 4.价值捕获原则：协议要有真实收入，让代币能分到收益，不是凭空炒作。业务产生现金流，才能支撑代币价值。 5.风险可控原则：预留应急机制，解锁分批线性释放，设置锁仓，降低集中抛压，防止行情剧烈波动直接崩盘。 6.简单可落地原则：规则不能太复杂，用户看得懂、合约好实现，方便审计，减少漏洞。#软件开发# #奥林巴斯道开发# #web3系统开发# #DAPP开发#

所谓的骗子不会纯骗的，他一定是九句话是真话，九句话是为你好的，九句话是真有道理的。然后一句话是骗你的，而这一句话就是要你命的。 你要做的就是识别这一句话是不是对的。如果你只盯着那九句话没用的。

最近的产品商单沟通特别多，和他们运营童鞋沟通，很多是他们老大指名道姓想找我合作（因为我一直在推脱）。因为还都希望我做 20 分钟以上的长教程类型。 我这周还挺纳闷的，今天才知道是之前合作的一个甲方在一个饭局上说，我的教程类型的视频转化率极好，哈哈哈

承认赚钱的艰难和低概率，是赚到钱的第一步。 否认这个事实坚信赚钱容易一把梭哈——掩耳盗铃，自欺欺人，刻舟求剑，自以为是。这种心态和思想，会剧烈的把自己推到赚不到钱的道路上。 即便已赚到的人，这种思想也是装B式的虚荣。年轻人不知道天高地厚，未来有大把坑等着你，随便一个伤筋动骨的损失。

当年游戏神级程序员 John Carmack 想转行搞 AGI，跑去问 OpenAI 首席科学家 Ilya Sutskever 怎么入门。 Ilya 没让他去刷几千道 LeetCode，也没推销什么网课，而是直接甩给他一份清单： “把这 30 篇论文彻底搞懂，你就掌握了当今深度学习 90% 的核心。” 很多同行以为这只是一份书单，结果最近 GitHub 上真有狠人，把这 30 篇论文全部用 Python 从零手写实现了（从 AlexNet、Transformer 到 GPipe、Scaling Laws），每个都做成了可直接跑的 Notebook。

随着 Muse 的爆火、Manus Cue 的发布，豆包团队恍然大悟，原来让豆包工作之前，豆包得先是个人！ 据说豆包团队中秋前就开始冲刺了，国庆期间会发布豆包个人？道听途说，坐等发布。 不过心里话，国内不适合做个人智能体，感觉真的没啥可做，也链接不了啥，稍微一发力，就又 tm 回到牛马的工作中了。

别人对你说谢谢，本质是对方认可你的帮助、认可你的善意，表示感谢就是对你正向的价值肯定。 不要说不用谢。你这么说，是在下意识的否定自己的付出，等于是在弱化自己的个人价值。不用谢这句话，等同于：这件事微不足道、我本来就该做的、我的付出不值一提。