与「那什么」相关的搜索结果

虚拟类的直播带货有一种打法叫破价直播。 相对于做短视频，这个直播的门槛要高一点！ 但是这种只要你坐得住，不怕屁股痛，基本上也是很OK的。 有的团队他们这种打法就是，号不下播，人轮流播； 如果是个人做也行。当然你也可以一个自己播放1-4小时 那什么叫破价？ 大白话理解：最核心就是把佣金提前让利一部分出来用，然后直播中的直接发优惠券让用户在直播间领取之后，就可以在主播的橱窗里下单，然后可以直接抵扣（用户领取的券只能在本直播间的链接中使用）。 比如说，剪映是VIP，我13.4元的佣金，我可以让利5块，直接达人券，然后在指定的时间、指定的条件，让用户领取，也可以无条件领取。 这个券是你自己用钱去充的。 用户领取的券有时效性，4小时内不用，券失效，你的成本就没有了，这个钱也会退给你。 那怎样才能做到这样的直播间？ 1、1000粉丝开通电脑直播； 2、开通橱窗能挂车，能直播。 3、怎么设置券：只能在电脑端：巨量百应 → 营销 → 达人券管理 。 4、发放券在手机上操作：开直播 → 商品 → 设置 → 发券。手机端不能设置，只能发放 。

兄弟们在樟宜机场买五粮液可以便宜 20%，买茅台可以便宜 10%（token2049 也可以撸羊毛） 你只需要： 1️⃣ 在樟宜机场挑选两瓶茅台 or 五粮液，或者其他的酒 2️⃣ 支付的时候使用 Alipay 就是支付宝即可 不懂的直接问中国工作人员 3️⃣ 回国的时候需要放在托运行李，用衣服包裹一下 —— 这个优惠是为什么呢？—— 支付宝和微信支付在新加坡打的很凶，因为新加坡小但是占领商务人士的心智很重要，所以新加坡是海外支付的必争之地 以前新加坡还需要现金现在几乎用不到了，要么信用卡，要么 Paynow（小额专用） 那什么时候出手呢？ 国庆节、新年的时候支付宝和微信就会大搞活动，这一次就是支付宝的活动，算起来折扣麻烦实际上就是超过多少额度减去 80新币 支付宝是真的猛啊，纯赔钱

没想到吧，前段时间CMC 加密货币恐惧和贪婪指数都一度触及极度贪婪 - 82， 而现在经过昨天的爆跌，也有贪婪 - 74。 这不是牛市，那什么是牛市？ 按照之前的经验，如果持续极度贪婪一个月左右，就是出货的绝佳机会。 回头看，一年一次极度恐慌买入，稳稳的幸福，划重点记住！

《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

再特么感受到了在 AI 时代，创意的重要性了，看看这个网友使用 AI 制作的历史视频，太有意思了。 AI 时代，当把技能门槛踩到地板上之后，剩下的就是纯粹的创意较量了。 以前你想做一个历史题材的视频，得会剪辑、会画分镜、会配音、会调色，光是学这些工具就够劝退九成人。现在这些全被 AI 接管了，谁都能上手，技术不再是护城河。 那什么是护城河？是你脑子里那个别人想不到的点子。是"把秦始皇扔进直播间带货"这种荒诞又精准的嫁接能力，是"让李白和杜甫用说唱 battle"这种让人拍大腿的脑洞。工具人人平等了，但想法天生参差。 说白了，AI 把"能不能做"变成了"想不想得到"。执行力贬值，想象力通胀。以前创意好但手艺差的人被埋没，现在他们翻身了；以前靠手艺吃饭但创意平庸的人，反而开始慌了。 这可能是第一次，"有趣"比"专业"更值钱。

【Codex保姆级教程！零基础从入门到精通】第7条---多任务管理：排队、插队和并行。这三个是桌面APP日常使用中非常高频的操作。 先说任务排队。 假设Codex正在帮你做任务A，比如生成一个网站。这时候你突然想起来：做完之后帮我总结一下设计思路。 你不需要等他做完才说，直接在输入框里打字发出去就行。 你发出去的新消息，会出现在输入框上方，排在任务A后面。 Codex会先做完A，再自动开始做B，这就是任务排队。你可以排很多个任务，他会按顺序一个一个执行。 那什么是任务插队？ 比如，有时候你排了一个任务在队列里，突然又改主意了。你不想等到后面再执行，你想让当前正在跑的任务立刻考虑到你的新要求。 比如Codex正在帮你做网站，你排了一个总结设计思路的任务。但这时你突然想起来：我想要iOS风格的UI设计。 如果你正常发这条消息，他会排在总结设计思路后面，等做完总结才轮到他，这样就太晚了，网站都做完了。 这时候，你点消息旁边的引导按钮，这条消息就会跳过排队，直接注入到当前正在执行的任务里。正在做网站的AI，会立刻把iOS风格的UI设计这个要求考虑进去，边做边调整。 那说完了排队和插队，最后说一说什么是多任务并行。 排队和插队，都是在同一个对话里发生的。但如果你想让多个任务同时进行，互不影响，怎么办呢？ 很简单，开一个新对话就行。 在左侧栏你当前项目名字旁边，点击创建新对话，开一个新的对话窗口，在里面布置另一个任务。这个新任务会和之前的任务同时跑，互不干扰。 你可以在左侧栏看到两个对话条目，旁边各有一个滚动图标，表示他们都在同时执行。 你甚至可以跨项目并行，去另一个项目里也布置一个任务。不同项目之间的任务同样可以并行。 需要注意的一点，不同对话之间聊天记忆上下文是不共享的。也就是说，对话A里聊了什么，对话B不知道。 但他们都可以看到当前项目文件夹里的所有文件，因为文件夹是同一个。

#那什么#... 说是 codex一个大bug爆了 在流式传输和自动化任务的时候，以5M/s的速度，持续往磁盘写日志。 每年大概要写640TB。要不了一年，就可以耗尽部分消费级SSD标的写入寿命。 ... Linux/Mac下直接看： $ ls -lh ~/.codex/logs_2.sqlite $ sqlite3 ~/.codex/logs_2.sqlite "SELECT level, COUNT(*) FROM logs GROUP BY level ORDER BY COUNT(*) DESC" 要是TRACE占了一大半、文件还在不停长，那就是中招了。 ... 目前止血的办法有三个，从糙到稳。 最暴力的，直接拿sqlite触发器把日志写入掐死。反正这文件里只有诊断日志，没有你的对话历史，删了、屏蔽了都不心疼： $ sqlite3 ~/.codex/logs_2.sqlite "CREATE TRIGGER IF NOT EXISTS block_log_inserts BEFORE INSERT ON logs BEGIN SELECT RAISE(IGNORE); END;" 温和一点的，把这个文件软链到内存盘（tmpfs），让它在内存里折腾，不碰你的SSD，重启自动清空： $ mv ~/.codex/logs_2.sqlite ~/.codex/logs_2.sqlite.bak $ ln -s /tmp/logs_2.sqlite ~/.codex/logs_2.sqlit 实在不想动命令行、家里又有第二块机械硬盘的，把这文件挪过去就行。 机械盘耐写，磨就磨吧。 俺的 VPS 中的查询: $ sqlite3 ~/.codex/logs_2.sqlite "SELECT level, COUNT(*) FROM logs GROUP BY level ORDER BY COUNT(*) DESC" TRACE|4330 INFO|628 DEBUG|412 WARN|3 ERROR|1 看起来主要都是 TRACE, 立即禁止了...

看到 Redis 的作者 X 上发声，说总有人反复说中国的模型是蒸馏出来的，是根本不懂机器学习。 之前看到有人说中国的模型是蒸馏出来的我还都会辩驳一番，后来实在是见到太多了，累了不想说了，干脆写出来算了。 很多人说蒸馏其实根本不知道蒸馏是什么，他们背后的意思可能是收集了大量的 Claude/ChatGPT 的对话就能让自己的模型能力也变成和 Claude/ChatGPT 一样，但根本没考虑技术上的可行性。 举个图像识别的例子，如果有一个模型可以识别动物，我想把它蒸馏到我自己的模型。如果我只是拿图片和老师模型分类结果给到学生模型，那这个蒸馏毫无意义。因为这和我直接拿标注好的样本进行训练没有区别，甚至标注结果比老师模型更准确，用老师模型的结果反而会降低准确性。 如果老师模型的分类结果对蒸馏没有意义，那什么对蒸馏有意义？有意义的是最终结果前一层各个分类的权重。例如分类识别结果是猫，那前一层可能是猫的概率 80%，老虎概率 5%，豹子概率 7%，狗概率 0% ...，这一层其实才是模型的预测概率分布，是学生模型要学的。因为这里面比最后一个单一的结果包含了更多的隐含信息，比如猫和豹子更像，和狗更不像，这个更接近真实世界的概率分布。 在 LLM 里也是类似的，看似 LLM 是生成下一个 Token，其实生成的是下一个 Token 的一个概率分布。本质上 LLM 的参数是固定的，那么同样的输入，对应输出也是固定的。现在之所以每次对话生成都不一样，是因为在输出的时候并不是选择概率最大的那个 Token，而是在一定概率范围内随机挑一个 Token 导致的输出随机性。这也就是 Temperature, Top-k 这些参数干的事情，调整最后的概率分布，增加输出的随机性。 所以只是收集 Claude/ChatGPT 的大量对话输出并没有办法做严格意义的蒸馏，因为无法获得概率分布的信息，也就没有办法让模型快速收敛到 Claude/ChatGPT 的样子。 那么用这些对话输出做 SFT 呢，蒸馏概念扩张后也有人把这一类叫做语料蒸馏。理论上是可以的，但是 SFT 通常作用是把语言风格和偏好进行对齐，一般认为 SFT 会牺牲大模型本身的泛化能力和智能水平，变得更像一个专业模型，我个人倾向于认为这种方式无法让模型获得能力上的提升。 再有一种可能就是把这些对话内容直接作为预训练语料的一部分。在现有的模型论文里也可以看到预训练的时候已经开始使用生成数据了。但是一般认为这种工具调用和 agent 能力需要通过大规模的 RL 才能激发出来，在预训练阶段能发挥多大作用我比较怀疑。而且预训练其实更需要通用的能力，不可能让大量生成数据污染整体的数据质量。我个人倾向猜测预训练阶段会有一部分从 Claude/ChatGPT 来的数据，甚至很难避免，因为他们已经大量成为这个世界数据的一部分了，但靠这个是远远无法实现类似的编码和 agent 能力的。 你看别人只是说一句模型蒸馏，我要费那么大劲去解释，真的是不想再说了。

🚨 一家卖二手手机的破公司 $INHD，蹭了个 300 万美金的 AI 项目，股价直接飞了 3,660%。 我的判断： 这不叫投资。这叫 看见“AI”两个字就冲。 300 万美金的合同，在一家上市公司层面连个水花都算不上。结果呢？市值翻了几十倍。 你说这不是泡沫？那什么是泡沫？非要等到归零了才承认吗？ 📌 狂欢的时候，没人觉得自己在裸泳。但水退了之后，第一个冻死的就是这种人。