与「高ずな」相关的搜索结果

総監督コンプリート！！！ たかみなさん、横山さん、みーおん💓 最後の写真の時横山さんに顔近っ！！って言われた🤣笑 #高ずな# #横ずな　##ずなおん# #izurinacgm48# #AKB48# #CGM48#

〝メガコンコルド1280稲沢店〟さんでの実戦終了しました！ 後半伸び悩み終了ですが大きなハマり無しでプラスで🥺 朝から変わらずな高稼働で凄かったです...👏 午後からもたくさんのお客様が！ お話聞けてるしこの後も応援してます🔥🥺 まだまだ1/28お楽しみくださいーー✨ お声掛け差し入れありがとうございました！！ PR

〝メガコンコルド1111ブレイズ店〟さんでの実戦収録終了しました！ 結果はぜひぜひ動画をお楽しみに✨ GOOD LUCKチャンネルのチェックよろしくお願いします🫶 本当に朝からずっと変わらずな高稼働で👏 コンプリートも万枚も🥹あの場にいた方なら伝わるはず‼️ 是非データなどチェックしてみてください😊 ユウきくんまだ頑張るみたいです🟣 本日もありがとうございました✨🥹 PR

森岡里世と二人で 小玉ゆり出演中の 「花からの手紙」 観劇してきました✨✨ 相変わらずな 小玉ゆりの ポテンシャルの高さと 安定の谷ワールドに 大満足😂😂😂

转译：为什么面试聊得挺好，你却还是没拿到 Offer？（面试官视角） 我在论坛上看到过很多关于这个话题的帖子，所以想从面试官的角度，分享几个常见的原因：为什么明明候选人自己觉得面试发挥得特别好，最后我们却依然没能录用他。 1. 在核心岗位要求的问题上，你的回答不够扎实。 我遇到过不少这样的候选人：面对那些属于“加分项 (nice to have)”的技能问题时，他们对答如流、表现惊艳；但一问到核心的硬性技能 (core mandatory skill)，回答就显得有些单薄，最终也因此被淘汰。这里的难点在于，候选人往往并不清楚公司最看重的到底是什么技能，尤其是招聘启事 (job posting) 上可能也写得模棱两可。如果一份招聘启事列了一大堆要求，我觉得非常值得在面试一开始就主动问清楚。比如你可以这样说：“我的过往经历比较广泛，但今天这场面试，我希望能把重点放在贵公司最看重的部分。在你们列出的岗位要求中，有哪些是优先级特别高、需要我在接下来的交流中重点展示的吗？” 2. 早有其他内定或更偏爱的人选，这与你个人无关。 举个例子，我曾多次参与面试评审团 (hiring panels)，期间遇到过让我惊艳的优秀候选人，双方聊得非常投机，我也强烈推荐录用他……但评审团里另一位更有话语权的面试官，心里已经有了别的意向人选（通常是他们以前合作过、知根知底且配合默契的熟人）。又或者，这个岗位本身就有一位实力很强的内部候选人 (internal candidate) （注：指公司内部申请转岗或晋升的员工，通常因熟悉公司业务和文化而具备天然优势），除非他在面试中表现得一塌糊涂才会痛失机会——但只要发挥得中规中矩，这个岗位就稳稳是他的了。 3. 你确实非常优秀，但不太适合这个特定岗位。 好几次我和候选人聊得极其愉快，心里甚至忍不住感叹：“天呐，真希望我们有个别的岗位能留住这个人！”因为他们显然是不可多得的人才，只是和当前招人的这个岗位不那么契合。这通常出于一些你无法控制的客观原因：比如对这个岗位来说，你的资历显得太浅或太深；又或者你的技能树和兴趣点偏向另一个专业领域，而我们在当前岗位上很难让你充分发挥。举个例子，我曾经面试过一位极其优秀的候选人，经验非常丰富，我们所有人也都被他的过往作品深深吸引。但聊下来可以明显看出，他平时更多是在做统筹与管理，而不是亲力亲为地做一线落地执行 (hands-on implementation)，而我们这个岗位恰恰急需一个能直接上手干活的实干家。 4. 存在一些未明说的“隐性门槛”或偏好，而你恰好没满足。 我觉得这种情况比大家想象的要普遍得多。比如，我有一次参与面试时，内部其实心知肚明这个岗位没有任何晋升空间。其中一位候选人明显非常有野心、渴望往上走，于是我们淘汰了他，因为我们更想找一个愿意在天花板明显的岗位上安稳待得更久的人。还有一次，我们知道这个岗位平时需要频繁对接一位性格强势、很难搞的业务相关方 (stakeholder) （注：指在项目中与你存在工作交集、利益关联的同事、跨部门负责人或客户），所以我们淘汰了一位看起来过于顺从、脾气太好的候选人，因为我们清楚这里需要一个极其自信、能够守住底线并顶住压力的人。这类要求大多数公司是绝对不会写在招聘启事上的，属于典型的“隐性要求”。此外，有些招聘启事单纯就是写得很烂，根本没有准确传达出招聘经理 (hiring manager) 真正想要什么样的人。所以，如果你觉得自己明明符合纸面上的所有要求却还是落选了……请记住，背后很可能存在一些你不知道的隐性条件。 5. 你已经很棒了，但刚好有人比你更匹配。 有些岗位的竞争真的非常激烈，会涌现出一大批背景强硬、条件完全达标的候选人，我自己在做决定时也常常纠结万分。在这种情况下，最终的胜负往往取决于一些极其微小且主观的细节——比如另一位候选人刚好比你多满足了几个我们的加分技能。 6. 其实面试并没有你以为的那么顺利。 我在面试评审团里遇到过一些明显不会“察言观色 (read the room)”的候选人，我完全能想象到，他们回去后可能会觉得自己发挥得棒极了，但其实根本不是那么回事——我们当时只是在保持礼貌而已。我还见过评审团里的同事对某位候选人表现得极其热情（比如不断追问、非常宽容地引导思路、肯定或顺着对方的话往下聊），哪怕在座的所有面试官心里都清楚这位候选人根本没戏。我个人通常会尽量避免这样做，免得给候选人造成虚假的希望；但有些面试官确实会因为同情那些表现不佳的候选人，而觉得有必要对他们格外友善。如果你担心自己属于这种情况，我建议找身边认识的人做几次模拟面试 (mock interviews)，听听他们对你面试表现的真实反馈。 总而言之，拿不到 Offer 往往没那么简单，并非只有“你肯定哪里做错了”或者“整个面试流程都是走过场”这两种极端。很多时候你完全没有做错任何事（一切都不在你的掌控范围内），纯粹只是因为背后还有其他客观因素在起作用罢了。

早上 X 发布的两个调查，差不多 1000 人参与了，和大家同步一下作为参考： 1️⃣ 八成的人现在没啥抄底资金。 给出的答案，是 75000—81000 和跌下来的 68000 甚至更高的时候就已经买完了。 2️⃣ 剩下的两成有部分抄底仓位。 但是有抄底资金的这部分人，60% 认为还没到底，准备再等等， 3️⃣ 现在不管是有没有资金抄底的，大部分人会觉得有可能跌的更低。 所以根据这几个市场情绪，你觉得？

他叫J Law，两次拿下美国投资锦标赛 100 万美元以上实盘组冠军，刷新了 Mark Minervini 的组别纪录，而且他的方法就是学的Mark Minervini 的🥸🤑 怎么好用呢，他的妻子 Judy Lai 用同一套系统，也在这个组拿下亚军！！ 他以前是香港的一位中学老师，转行做了交易员，然后人生就像开了挂一样，100万美元的账户两年就做到了1600万，同期的标普500才涨了47%。 J Law是在Minervini 的 VCP波动收缩形态基础上加了自己的选股和进场条件，胜率大概45%到50%，盈亏比差不多2：1。一只股票涨了一大段以后，低位买的人想落袋，高位被套的人一回本也想卖，股价就总反复回调，随着一批批卖盘被消化，回调一次比一次浅，成交量也越来越小。 等到卖压变轻，新买盘就更容易把价格推高，VCP 要找的就是这段收缩，以及收缩后的突破！！

贵 2.8 倍的模型，在 Claude Code 里只多解了 1.9 个点： 52 个编码任务 Opus 5.5：82.7% Fable 5.2：84.6% 每解决一个任务的成本：Fable 5.2 是 2.8 倍 addyosmani 的建议是 Opus 5.5 当日常主力，卡住了先调高 effort，别急着换模型；大迁移、长时间无人值守这种活再交给 Fable 5.2 🤔

机械、电气学生最难受的，不是 AI 要抢饭碗，而是眼看着 AI 行业高薪岗位越来越多，自己连入场券都没有。 毕业进工厂，做设备维护、现场调试、生产管理。工资不高，成长有限，想转行却发现招聘要求里全是算法经验、项目经历和名企实习。 我自己也是机械专业毕业，从矿山到消费电子自动化产线，接触过机械机构、PLC、传感器和机器视觉。 但我很清楚： 接触自动化设备，不代表具备自动化研发能力。每天处理设备故障，也不代表掌握了控制算法。 所以我不太认同网上那些建议：机械、电气学生赶紧学 Python、学大模型，就能吃到 AI 红利。 哪有这么容易。 会调用 API，不代表企业愿意给你高薪。会用 AI 写代码，也不代表你能设计一套可靠的控制系统。 但传统工科并不是没有机会。 AI 要进入机器人和真实工厂，最终还是绕不开机械结构、运动控制、传感器、工业通信和设备安全。 这恰好是机械、电气学生可以建立优势的地方。 与其和计算机专业学生硬卷大模型算法，不如往机器人、机器视觉、运动控制、工业软件、Physical AI 这些交叉领域靠近。 但也要认清现实：行业有前景，不代表每个进入这个行业的人都能拿高薪。 对于普通家庭、普通学历、没有名企资源的学生，我觉得最重要的不是追哪个风口，而是判断自己现在做的事，能不能成为进入下一份更高价值工作的筹码。 哪怕第一份工作工资不高，也尽量选择能接触核心技术、积累项目经验的岗位。 如果每天只是重复操作、处理异常、填报表，干了三年，除了熟悉公司的设备，什么能力都带不走，那才是真的危险。 我现在也在面对同样的问题。 想转向更有技术含量、收入更高的岗位，但现实是，知道方向和真正跨过去，中间还隔着很长一段路。 很多传统工科学生不是不知道 AI 代表未来，而是根本没人告诉他们，怎么从现在的位置走到那里。

嫌 OpusClip 又贵又带水印？ 刚才看了一个开源替代，叫 SupoClip。 整套 AI 视频切片的管线全开源了。 支持 Docker 本地部署，还能接 Ollama。 人脸追踪、卡点字幕和高光评分都有。 丢个长视频进去，自己跑不用看别人脸色。