与「SG」相关的搜索结果

一块榴莲千层蛋糕，保质期居然长达 9 个月？？ 这两天董宇辉新品牌“禾与春时”首发的猫山王金枕榴莲千层（16 分钟卖光 15 万单）因为“9 个月保质期”吵上热搜（#董宇辉蛋糕检测报告多达60多页## 阅读破 1490 万）。有人拿它跟山姆的冷藏千层拉了张实拍配料表对比图，还用大红圈把底下一串化学名圈了出来，质疑是不是“科技与狠活”；品牌方则直接甩出了 62 页的 SGS 检测报告。 普通吃瓜群众谁有耐心去逐字核对糊图的配料表和 62 页报告？ 正好蚂蚁百灵刚发了原生多模态模型 Ling-3.2-flash（官方称已落地灵光 2.0，总参数 560B、单步激活 25B，支持 1M 原生长上下文，主打复杂图文理解与视觉反馈自检），我直接打开 Ling Studio 网页端，把这张打满红圈的网传配料表对比图和 SGS 核心指标丢给它，让它生成一张「深色系单文件 HTML 一图流鉴定卡」，顺便看看它会不会掉进红圈的节奏里。 【测试环境与配置】 • 测试入口：Ling Studio 在线网页端（左上角确认模型为 Ling-3.2-flash）。 • 工具配置：关闭联网搜索/时间/天气插件（纯靠模型原生多模态读图与推理），开启思考模式，最大推理生成长度 262144。 【实测第一轮：它从糊图里看出了什么？】 原本我以为第一版生成的 HTML 样式多少会有点错位，结果它第一把直出的深色系鉴定卡（直接内置在 Preview 预览窗里，自动分了 01~06 六个模块，右上角甚至自己写了个“🖨️ 打印/存为 PDF”按钮）排版居然一次成型，完全没崩。更让我意外的是这两点： 1️⃣ 一眼戳破“红圈添加剂”的伪命题：网友红圈重点圈出来的那个名字吓人的「羟丙基二淀粉磷酸酯」，它直接对比左右两栏配料表指出：“两边（禾与春时与山姆）都有『羟丙基二淀粉磷酸酯』→ 不是决策差异点！红圈成分是口感稳定剂（防冷冻解冻出水），不是防腐剂。” 所以这波还真不能算翻车，它本质上是用 -18℃ 冷冻链 + 杀菌工艺 + 隔氧包装做出来的速冻甜品（果肉 ≥50%，适合冷冻囤货），而山姆是 0~4℃ 冷藏即食（果肉 33%，适合大分量尽快吃完）。 2️⃣ 极强的“反幻觉”克制：原图右边山姆那一栏被网友画的大红圈挡住了净含量和保质期，而且最底下有几行压糊的重影错字。很多模型遇到这种图会自己脑补瞎编，但 Ling-3.2-flash 直接在表格里诚实标了「图中未显示」，并在表底主动写了一行小字：“右栏底部小字分辨率不足，未采信”，同时声明无联网条件下未核验 62 页报告原文，仅按摘要呈现。 【初版版面有什么不足 → 第二轮反馈怎么改？】 虽然第一版逻辑和样式都很稳，但从直接截图分享的角度看，初版 Preview 渲染画面还有两个可以打磨的细节： • 初版版面不足：一是初版把 01~06 六个模块做成了纵向长页面布局，高度超出一屏，手机端一屏截不完（见图3）；二是焦点成分的定性结论融在文字段落里，缺少一眼就能看懂的视觉标签。 • 反馈与微调：第二轮我直接针对渲染结果让它收紧版面，它用时 63 秒把原本 6 个纵向长模块重构成了三栏紧凑布局（控制在 100vh 一屏内看完），还主动把「羟丙基二淀粉磷酸酯」的国标分类（GB 2760 / INS E1442 变性淀粉）做成了显眼的红绿胶囊标签——「质构·口感稳定剂 ✓」「防腐剂 ✗」，并加上了一句金句总结：“名字长 ≠ 防腐剂，与保质期无因果关系”（见图4）。 【真实体验判断：值不值得用？边界在哪？】 • 能打的地方：据官方介绍，Ling-3.2-flash 采用 7∶1 混合注意力架构，在 DesignArena 的 Image-to-Frontend 前端生成评测拿了 1238 分（注：官方披露在 Hopper GPU、约 30K 上下文及 DSpark 投机推理加速特定条件下解码均值达 280 tokens/s）。实测下来，这个 1238 分确实没水分——直出单页 HTML 的审美和结构完成度很高，尤其是「看不清的糊字宁可标『未采信』也不瞎编」这点非常讨喜。 • 客观边界：一方面，无联网条件下模型仅对用户提供的图文与报告摘要做结构化呈现，不能替代专业检测机构或人工对 62 页原始报告的最终复核；另一方面，官方也坦诚指出，目前模型在长程跨应用任务状态维持、复杂三维空间推理及 3D 细节保真度上仍有客观差距，在线网页端也不直接内置官方演示里的 Blender 等外部软件环境。 搞了半天，所谓“9个月保质期千层蛋糕”根本不是加了防腐剂，而是把千层做成了「-18℃ 冷冻速食」。如果是你，你会买这种能冻大半年、果肉 ≥50% 的冷冻千层，还是买冷藏 3 天内必须吃完的现做千层？👇

【招聘｜AI Agent 工程师 · 预测方向】 📍 新加坡 / 远程（新加坡时区）｜全职 💰 SGD 8,000–14,000 / 月 🤖 生产级 LLM Agent 帮客户招一位 AI Agent 工程师。团队在做能预测未来、并公开记分的 AI：政策、市场、地缘事件的每一次预测，都在结果揭晓前锁定，再由现实检验对错。团队精干，已经和机构伙伴合作，只看你做过什么，不看头衔。 你要做的： 构建能自主搜索、阅读、逐步推理并给出校准概率的 Agent，跑大规模多智能体政策与市场模拟，让每个预测都可审计，并作为生产级服务交付给机构客户。 我们希望你： 1. 3 年以上软件工程经验，至少上线过一个有真实用户在用的 LLM Agent 或多步骤 AI 系统 2. Python 和后端扎实：异步服务、API、数据管道、数据库、云 3. 评测思维：先建评测，再谈效果提升 4. 熟悉工具调用、检索、结构化输出和上下文管理，用过多家模型及开源模型 5. 每天用 coding agent，能用英文清楚表达技术决策 加分项： 1. 有自己得意的预测机器人、Agent 项目或公开战绩 2. 做过多智能体系统，或市场、机构、人群的 agent-based 模型 3. 搜索与信息管道：爬虫、新闻流、带时间维度的检索 4. 有预测、预测市场或金融数据相关经验 📩 感兴趣的朋友，欢迎到 moledao 搜索「AI Agent Engineer, Forecasting」投递并给我留言，附上你最得意的 Agent 或代码仓库（链接见评论 👇） 欢迎转发给身边合适的朋友！ #新加坡招聘# #远程工作# #AIAgent# #招聘#

说说我认识的贾潇一 写这个没有任何其他意思，没有人拜托我写，更没有什么广告植入或者付费写作， 纯粹是看太多人讨论百科事件，所以我想写写我认识的这位当事人，以及我印象中的潇一，来给大家做一个参考。 作为2017年入圈老韭菜，他在火币时代我们并不熟悉，也没有过多来往，我只是知道他是当时的火币生态投资经理，出席一些活动的时候，打个照面而已。 后面去 Kucoin 更没有什么交集。 真正熟悉起来是在他在 BG 时候的一次线下聚会上，我们会探讨和交换一下自己的仓位和原因，有些一见如故的感觉， 有意思的是，每次我们见面后，都会迎来一波大涨，所以后面每次不管在 HK 还是SG 遇到对方都会称又到了上涨会面时刻。 潇一对市场见解很深，也比较圈内老人的做派，和我一样，谨慎的把大部分仓位放在主流资产，2024年我们交流了 ETH 和 BTC 的换仓以及 Sol 的价值底层逻辑，给了我不错的启发，让我换了一部分仓位到 BTC 和 Sol 拿到了不错的结果。 可能是因为差不多同时期入圈，所以他给我的感受就是比较亲切一点，毕竟那个时期的老人，能还在圈内的其实并不多。 后面 潇一 去了 OKX ，负责增长这块，线下见到后每次都会和热心的给我介绍一些朋友，他刚去 OKX 那会儿，我给他推荐了我长期在玩的双币盈，还给他展示了我的赚钱思路和战绩，我还笑称你看，作为OKX增长负责人，我还给你增长了知识，当然这是他刚去的时候，现在肯定不可同日而语。 总体下来，认识这么多年的一位真诚的朋友，我觉得突然开始攻击潇一，说他就是百科，我感觉有些不可思议，我看了很多网上的线索，一些确实写的头头是道，但是说实话也都捕风捉影，并无确切的事实根据。 写这么多，只是给大家展示一个我的视角的贾潇一，给大家一个参考角度来判断他到底是谁，以及他到底是不是百科。 这些年来，我看到的是一个热心、真诚而且愿意交流的老友，我希望大家如果攻击一个人的话，还是要做到有理有据有事实和实锤，而不要人云亦云比较好。 因为我们任何人都可能会成为被攻击的对象！

又一个核弹级无审查模型杀出来了！ MoonMath-ai 刚放出最新巨作：DeepSeek-V4.1-Flash-1017-uncensored，763B 的满血大底座直接被切除了道德枷锁！ 很多人以为无审查模型都是降智魔改版，但 MoonMath 团队这次的工程表现极其残暴： · 闭式权重直接手术：不搞有损的重新微调和梯度训练，底层直接通过闭式权重编辑，手术级剥离拒答方向，384 个路由专家权重分毫未动！ · 智商零损耗甚至反超：实测基准跑分，MMLU-Pro 几乎零波动，在 GSM8K 和极限难度的 GPQA-Diamond 推理测试中，得分甚至反超了官方原版！ · 误拒答率暴跌：不仅彻底架空了敏感审核层，连日常写复杂代码、逆向工程时经常碰到的“神经质误拒答”也彻底被切干净。 · 工业级全套生态支持：原生 FP8 权重，无缝支持 Transformers、vLLM、SGLang 和 Docker Model Runner，拉起来就是一台无拘无束的生产力炮台。 763B 满血推理能力 + 零降智去审查，绝对是搞红队安全研究、底层自动化逆向的工业级大杀器，建议兄弟们先马住！ 开源地址： 在跑 700B 这种级别的大模型时，你手头更习惯用 vLLM 还是 SGLang 做高并发推理后端？ #DeepSeek# #AI# #开源# #大模型# #逆向工程#