与「D7SCOVER」相关的搜索结果

D7SCOVER 全22公演、本当にお疲れ様でした✨ラストの福岡、走り抜ける姿を見届けれて感謝の気持ちでいっぱいです🙏👑 22公演という長い旅の中で、リリイベやお渡し会、テレビ収録、そして日本各地を飛び回る大移動。 それでもステージに立つ度、 どんどん輝いていくキッドのみんなを見ていると「ありがとう」という気持ちが溢れてきて…今も心がぎゅーってなって、涙が出ちゃうよ🥹🩷 KRUMPを踊るたびに、毎公演 「かっこいい」を更新していく。 積み重ねてきた時間も、覚悟も、 全部をステージに置いていくその姿が、誰よりも、何よりも、かっこいい。 たくさんの景色を見てきたけれど、 私の生きる人生の物語の中で いちばんかっこいい人なんだよね。 今日はラスト福岡の写真を☺️ 品川や埼玉の思い出の写真も載せるねっ📸✨ 福岡の DRUM LOGOS は、私も 恵比寿マスカッツ として立たせてもらった、大切なステージ。 キッドのみんなを見ながら、あの頃の自分も思い出していました。この場所に、また連れてきてくれて☺️💜👑 改めて、キッドのみんなへ D7SCOVERという最高の景色を ありがとう✨🌈 #D7SCOVER# #恵比寿マスカッツ# #iroha部#

This March, we introduced Ask Maps, the biggest @googlemaps update in a decade. Now, we’re making it even more helpful and bringing it to more people. 🌏 Expanded availability: Rolling out in Australia, Brazil, Canada, Indonesia, Japan and Mexico, along with over 150 countries and territories in English. ✨Get more done with Ask Maps: Including complex, multi-step tasks, like ordering food – along with finding the perfect hotel or discovering nearby events. ⌚Real-time transit information: Stay informed about up-to-the-minute delays and conditions for your bus, train, and more. 💬Personal intelligence and past conversations: Choose to securely connect @Gmail so Ask Maps can automatically reference booking details, like a hotel reservation or flight information. You can also pick up conversations just where you left them. 🗣️An easier way to help your community: Share tips and suggest edits to a place conversationally, like changing a store’s hours, right in Ask Maps and the Contribute tab.

谷歌组织架构大洗牌！ Demis Hassabis 卸任 Google Deepmind 的 CEO，转任 GDM 主席兼 Alphabet 首席科学家，同时继续领导 Isomorphic Labs，把主要精力放在 AGI 的长远方向、全球战略以及用 AI 推动科学与医疗突破上； “我们已抵达人类历史上的一个关键时刻。我一生都在为 AGI 努力，现在，就像你们许多人一样，我感觉它近在咫尺” —— Demis Hassabis Koray Kavukcuoglu 从 Deepmind CTO、Google 首席 AI 架构师升任 Google DeepMind 高级副总裁，直接向 Pichai 汇报，全面负责 Gemini 模型研发、前沿 AI 研究以及 Gemini 应用与开发者团队。其实就是接替 Demis 的管理工作，他在 DeepMind 已工作 13 年，，曾主导 WaveNet、DQN 等成果； 在谷歌工作 27 年的 Jeff Dean 将与资深研究员 Sanjay Ghemawat 一起离开，创办一家独立的公益性质公司 Discovery Loop，专注“全自动科学发现的闭环”研究；Google 会作为创始投资方和云服务合作伙伴继续与他们合作。Dean 告诉 NYT，离开 Google 让他有更多余地专注于科学发现； 三位最初的 Gemini 负责人如今全部离职：Noam Shazeer 去了 OpenAI，Dean 和 Vinyals 去了 Discovery Loop。 我如何看待这次调整？ 在 2023 年 Google 合并 Google Brain 与 Deepmind，于是有了 Gemini 的成功；三年后 Google 再次面临大公司病、组织障碍（人才保留上的结构性问题）和工程低效的挑战，于是有了这次必要又意料之外的调整。 部分传言 Demis 因 Gemini 执行不力而被边缘化，换上Koray 是希望把“研究强、产品化慢”这个 Google 的老毛病治好，对比 OpenAI / Anthropic 快速产品化，Google 需要证明也能更快的迭代。所以 Google 全村的希望都在 Gemini 4，内部确认已经有了重大进展。我保留短期观察，长期看好的判断👀 其实 Google 已经证明了目前不用靠模型的能力，只用买算力就能保持盈利优势，Google 是目前唯一的全栈 AI 科技巨头。现在决定内部加速产品化，再利用投资加孵化，既能解决人才保留的问题，又可以抢占 AGI 与科学前沿。 这是 Google 的角色优化，并非危机。执行力与人才保留正在成为新的竞争护城河，技术不再是 Google 的短板，专注和敏捷才是。

Announcing Discovery Loop! I am very excited to announce that, along with my longtime friends and collaborators @Sanjay_Ghemawat, @OriolVinyalsML and @quocleix, we are founding Discovery Loop (@DiscoLoopAI), a Public Benefit Corporation whose mission is to automate machine learning, science, and engineering to accelerate discoveries and progress. The four of us have worked together for 14 to 30 years, and have helped build some of the world’s most used products, infrastructure and AI models, and we’re excited to turn our attention to this ambitious endeavor. ♾ Learn more at:

AMD and SpaceX both reported Q2 after yesterday's close. Nasdaq doesn't reopen for another 17 hours. On Binance, the verdict was in within minutes. 🔸 AMDUSDT ~US$525 → ~US$475. Beat on revenue, EPS and guidance. Missed on gross margin, 54% vs 56%. 🔸 SPCXUSDT ~US$126 → ~US$115. Revenue +92% YoY. Capex US$18.4B, over 6x a year ago. AI's seller and AI's buyer, marked down on the same question. Price discovery no longer waits for the bell.

🚨 BREAKING: Apple filed for a PRELIMINARY INJUNCTION against OpenAI AND asked a federal judge to put them under forensic supervision "Apple respectfully moves the Court for a preliminary injunction to stop THE THEFT OF ITS TRADE SECRETS" Apple filed NINE sworn declarations, a 28-page memorandum and a concurrent motion for expedited discovery What Apple now says, under oath: Chang Liu: 8 years at Apple, now OpenAI "Member of Technical Staff" exploited an authentication bug to steal Apple trade secrets "on AT LEAST FIVE SEPARATE OCCASIONS" from February to April 2026, WHILE working for OpenAI Liu downloaded "THOUSANDS OF PAGES of Apple's most sensitive trade secrets" The stolen files, NAMED: >DisplayNotes.key — "several hundred pages" on Apple's custom display power development program >Architecture analyses. Fabrication decisions. Testing results >Engineering data for an UNANNOUNCED Apple product: 'touch, display, and power systems" >Final.key + V2.key — compilations of two undisclosed Apple R&D projects >and those are "only four of the dozens of proprietary documents Mr. Liu stole" Liu fed OpenAI "a steady stream of Apple proprietary information that he actively concealed" Liu also "coached Yu-Ting "Alyssa" Peng, then still INSIDE Apple, how to access and copy files from Apple workstations "to avoid trouble with the security team" and directed her to communicate with him on the encrypted LINE app "to avoid detection" Tang Yew Tan: 24-year Apple VP, now OpenAI's Chief Hardware Officer, "used an Apple internal project codename for an unannounced product to elicit still more trade secrets from job candidates." Tan's own messages, quoted in the motion: >"Just like last time, bring some parts you worked on" >"mlb, battery, shields type of stuff is interesting" OpenAI recruiter, quoted: "No, you won't sign anything at the exit interview. If they do ask you to sign anything, let me know asap." APPLE TOLD FEDERAL JUDGE: >"OpenAI knows its misappropriation is wrong and has tried to conceal it." >"This is not a case of 'mere hiring'... it is a case of repeated instances of deliberate theft." Apple says OpenAI went after its SUPPLIERS: >OpenAI "directed a trusted Apple partner [name redacted] to perform [Apple's proprietary metal finishing] process for them, knowing it was proprietary to Apple... because they were involved in this partnership while at Apple." Apple put its own Surface Finishing Manager, Jackie Hughes, under oath to prove it. Apple named ELEVEN MORE former Apple employees at OpenAI — beyond Liu, Tan, and Peng — Fourteen people total. Apple also filed a concurrent motion for EXPEDITED DISCOVERY demanding depositions: - Liu. Tan. Peng. - A fourth unnamed OpenAI employee - Plus OpenAI itself, under oath, through Rule 30(b)(6) Apple has asked a federal judge to put OpenAI under forensic supervision RIGHT NOW: >Forensic inspection of ALL OpenAI devices >ALL cloud storage, Slack, email >Including anything that "previously contained" Apple data — deleted included Demanding the "first available hearing date," citing "imminent threat" to its trade secrets. APPLE: > "The harm is happening now — every day that passes without an injunction allows OpenAI to embed their knowledge of Apple's stolen information into its hardware development efforts." Hearing: October 1, 2026. Judge Edward J. Davila. ITS HAPPENING

Price discovery doesn't wait for Monday. Over the last seven weekends, bStocks captured a median 92% of Monday's opening gap. Showing how 24/7 markets absorb new information before traditional exchanges reopen.

Elon Musk explains the clearest path to building AI that remains safe and pro-human: AI will eventually become smarter than the smartest human, capable of discoveries and inventions we can barely imagine today That is why the values we give it now matter so much Train it to be maximally truthful Train it to remain curious Train it to follow reality, even when the truth is unpopular Because an intelligence that seeks truth and understands humanity is far more likely to protect life, expand knowledge and help civilization flourish Elon has spent years warning about the dangers of AI Now he is showing us how to build it in a way that helps humanity flourish: Maximally truthful, maximally curious and pro-human

AI模型评分都是被专项攻坚创造出来的，于是我对比了Fable5，Grok4.5， Kimi K3针对同一个交易系统审计结果进行了对比。 先说结论： Fable5：最适合作为系统级主审核模型 Kimi：最适合作为代码缺陷与一致性专项审核模型 Grok：最适合作为代码梳理和方案发散模型，不适合单独决定策略修改 最佳组合：Fable5全面审核+Grok 4.5代码梳理+K3代码审核 具体细节： 1. Fable5：系统级判断能力最强 Fable5 最大的优势不是代码读得比另外两个模型更多，而是它能把： 代码规则； sizing snapshot； intent ledger； 实际 block 统计； 当前资产 headroom； SELL/REDEEM 回流路径； 放进同一个因果框架。 它使用了几个非常关键的实盘指标： ADD 近 7 天约占新增资金 43%； 84% 资金已经部署； ETH、SOL、XRP headroom 为 0； 近 40 个周期中主要阻塞是：blocked_capital_efficiency=47 blocked_asset_cap=28 deployment cap=0 runway=0 这让它能够区分： “某个机制理论上可能限制资金” 和 “当前实盘真正正在限制资金的机制”。 最终它得出： ADD 对资金流向重要，但当前周转主因在回收端、资产 cap 和效率过滤，不在 ADD 准入本身。 这是三个模型中最接近生产系统审核要求的判断。 弱点 Fable5 仍有一些过度推断： 把 ADD 描述为让资金“锁得更久”，实际上 ADD 的剩余 TTE 通常比 ENTRY 短； 把超 cap 资产总持仓约 $382 说成可以“直接解锁 $382”，没有区分总持仓、超额部分和可成交部分； 把模型中的 redeem_lag_days=2 一度当作实际回款延迟； “$5 仓位几乎不受每美元每日利润门约束”的推理不正确，因为该指标已经按资金归一化； 2-lot 最低 ENTRY 建议可能系统性损失覆盖率。 因此，Fable5 的系统方向判断最好，但具体数字和金融指标仍需二次校验。 最适合的角色 PRIMARY_SYSTEM_REVIEWER LIVE_OPERATIONAL_DIAGNOSIS CHANGE_PRIORITY_DECISION CROSS_MODULE_ROOT_CAUSE_ANALYSIS 2. Kimi：代码缺陷侦测能力最强 Kimi 对代码结构的还原比较准确： 固定 ADD 次数和 interval 已退役； ADD 采用 target-gap 模型； ENTRY 60%，ADD 补到 100%； allocator 是最终数量权威； style 仅作诊断； 现金、集中度、shock、深度共同限制订单。 更重要的是，Kimi 找出了其他两个模型没有明确指出的具体问题： shared_deployable_pool() 读取 account_snap["capital"]["deployable_cash"] 但该字段可能没有实际写入 → 回退到 free_cash → 策略层与 allocator 层资金口径可能不一致 它还发现了： 合同写 debounce 60 秒，代码/配置为 30 秒； 注释周期 16 分钟，实际 loop 600 秒。 这些是典型的静态审核、字段追踪和合同一致性检查优势。 弱点 Kimi 在资本效率和交易语义上的推理弱于它的代码检查能力。 典型错误是： ADD 价格更高，所以边际 edge/day 必然更差。 这忽略了剩余持有时间也缩短。更高 ask 并不必然意味着更低 edge/day。 它还认为： 60/40 会让剩余资金长期闲置； 提高 entry share 会改善周转； CONFIRMATION_NO 应收紧； 增加单市场软 cap 会改善组合周转。 这些结论缺少真实候选竞争、实际 block attribution 和反事实分配数据支持。 最适合的角色 STATIC_CODE_AUDITOR SCHEMA_AND_FIELD_FLOW_CHECKER CONTRACT_IMPLEMENTATION_DIFF LOCALIZED_BUG_DISCOVERY Kimi 很适合回答： “代码是否存在字段没有写入、默认值回退、文档与实现不一致、某个 gate 实际是否生效？” 但不适合单独回答： “应该如何改变交易策略和资本分配？” 3. Grok：代码梳理最完整，但最容易过度设计 Grok 对整个 ADD 路径的整理最详尽： 各层准入条件； risk latch； REDUCE reentry cooldown； 价格带； fingerprint； emergency cap； market target； ENTRY/ADD gap； allocator 的现金、集中度、shock 和深度约束； ADD 与 ENTRY 的评分和 continuity； SELL/REDEEM 对现金回收的影响。 它对当前代码执行模型的概括非常清楚： 能不能加由 headroom 决定；加多少由 target gap 离散为 lot；ADD style 只是解释标签。 因此，在“快速理解一个陌生复杂系统”方面，Grok 表现很好。 弱点 Grok 最大的问题是： 从“发现一个可能的机制副作用”快速跳到“建议修改策略”。 它提出了大量未经实盘证明的改动： TIME_TOPUP 冷却； ADD 1.5 倍 edge/day 门槛； ask≥0.97 限制为 1 lot； 降低 peak target； 提高 entry share； 单次仅补部分 gap； 弱化 continuity； 降低 TTE confirmation 权重。 这些建议表面上都很合理，但存在三个问题： 没有先证明这些机制实际造成了损失； 没有量化被 ADD 挤出的 ENTRY 是否更优； 可能重新引入此前已经修复的低 ADD recall 和 leader fidelity 偏差。 Grok很擅长生成完整优化空间，但容易把： POSSIBLE SIDE EFFECT 升级成： CONFIRMED ROOT CAUSE 再进一步升级成： SHOULD CHANGE PRODUCTION LOGIC 这是生产交易系统审核中最危险的倾向。 最适合的角色 SYSTEM_MAPPING CODE_AND_CONFIG_EXPLANATION HYPOTHESIS_GENERATION DESIGN_OPTION_ENUMERATION 不适合作为唯一的： PRODUCTION_CHANGE_APPROVER ROOT_CAUSE_FINAL_AUTHORITY STRATEGY_SEMANTICS_GATEKEEPER 三个模型的典型思维模式 Grok 发现机制 → 推演可能副作用 → 生成多种优化 → 倾向建议修改 优点：覆盖广、思路多。 风险：过度设计、假设升级过快。 Kimi 追踪代码和字段 → 找实现不一致 → 找局部缺陷 → 尝试从缺陷推导策略改进 优点：代码问题定位强。 风险：局部正确不等于系统结论正确。 Fable5 理解代码 → 读取运行数据 → 找实际 binding constraint → 区分主因和次因 → 按实盘收益排序 优点：最接近生产运营思维。 风险：仍会在个别指标含义和金额口径上过度断言。