与「V超」相关的搜索结果

本日 #隻眼の残像 公開直前！# SPファンミーティングが開催されました📡⋆͛ ￣v￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣ 超豪華声優陣に加え、 ゲスト声優の #山田孝之# さん､#山下美月# さん ┋コナン┋蘭┋小五郎┋が登壇🎤 アフレコ時の感想や本作の見どころなど たくさん語っていただきました👓

VTuber楽曲DJイベントの #VMusic# DAY 2では犬山たまきくんのコスプレでMCをさせていただきました！ すごく盛りあがってて楽しかったです🐶🌟 #ニコニコ超会議2024# #ニコニコ超会議2024コスプレ# #超Vのあそびば#

✨📺#ニコニコ超会議2024📺✨# ◤ 超VTuberのあそびばステージ ◢ 🎵レギュラー番組ステージ 🎧VTuberミュージックVMusic 🎤超VTuberのうたいばステージ 🎹バーチャルピアニスト ポルタメタ VTuberとお客様、みんなで盛り上がる企画が盛りだくさんのステージです！ 出演者などは画像と公式サイトでチェック👀✨ #超Vのあそびば#

彻底癫了 又是行情疯癫的一天。 今天a股成交额3.6万亿，刷新了历史纪录。很多人在讨论巨额成交量意味着什么，我打个比喻，成交额差不多相当于是股市的心跳，心跳太低说明a股在睡觉或者缺乏运动，一旦a股情绪激动或者剧烈运动，心跳就会攀升，但心跳太快对身体是一种负担，像今天3.6万亿的成交额大概相当于每分钟200下的心跳，已经是超频运转，这个状态不可能一直持续的，否则会出事的。 今天市场的中位数+1.2%，其实涨的不算很多，但局部板块被资金疯狂推高，形成了高烈度的积聚效应。商业航天继续暴涨6.4%，脑机上涨5.1%，除了这两个当红炸子鸡外，还新出了一个GEO概念（生成式引擎优化）。 要解释GEO，先解释一下SEO。 我早年刚创业的时候做过互联网网站，当时为了获得免费流量，会进行专门针对搜索殷勤的优化。具体操作是给网站加一些伪原创文章，用几个账号来回对话假装讨论很热烈，另外还会找其他网站交换友情链接，目的是让搜索引擎觉得我的网站很繁荣，很有料，很体面，增加在搜索结果里的推荐权重。 这种就是SEO优化，有专门的公司做这类业务，我当初刚创业，为了省钱就自己做，效果当然不好，就是瞎搞。 知道了SEO后就知道GEO是什么了，SEO是针对搜索引擎（主要是百度）的优化，GEO就是针对AI引擎（豆包、元宝等大模型）的优化。给品牌批量写一些宣传内容，投喂到ai日常搜索的语料库里，这样ai在回答用户的提问时就会主动替品牌说好话或者进行推荐。 为什么GEO概念今天突然爆发了呢？其实还是和马斯克有关，因为他说要在7天内公布X平台（就是以前的推特）的内容推荐算法，并且以后每4个星期更新一次。 马斯克这么做是为了化解欧盟等多国监管压力，回应算法偏见、影子禁言等质疑以重建用户信任，是经营层面的选择。但传到a股这边就被解读成算法公开后，会刺激针对算法的GEO发展，至于谁来做GEO生意，暂定a股的传媒板块。 于是今天传媒+8%，顺带把影视+6.5%和游戏+6%也带飞了，因为这三个板块的个股是大量重叠的。 其实我觉得这个概念炒作是不靠谱的，首先目前只有X愿意开源，其它大模型并没有跟进，其次x在墙外，国内ip无法访问，业务关系不大。当然最重要的是就算后面有GEO产业，我也不相信a股哪些传统传媒公司能做好，没这个基因。 只是这次概念发明的太快，等不及了，直接找个以前的老登板块，戴个头套就先上去表演了。牛市的时间窗宝贵，一天都不能浪费。 我昨晚给你们说过牛市的本质，就是情绪饱满，流动性溢出，这个时候大部分的股民都处于fomo的状态，着急寻找共识板块，挣大钱，挣快钱。现在一天涨2-3%都很难满足散户的胃口了。 这种时候最容易凝聚共识的就是超级机构或者超级大v，马斯克正好就承接了这个角色，他说的话会被放大，然后映射到a股，热钱积极炒作投机。你问那些追涨停的游资大户有几个真的相信商业航天、脑机、GEO，他们根本不在乎，只要在退潮之前卖掉股票，后面就算天塌下来也无所谓了。 …… 今天有6个板块是绿的，保险、油气开采、农化制品、房地产、石油加工、煤炭开采，在这种群魔乱舞的交易日里亏钱也是够糟心的。另外像汽车、制药、银行、高速公路、养殖这些传统行业今天也涨的很少很少，这些都是本轮行情的失意者。 很多人在股吧和社区论坛上咒骂，诅咒科技板块的泡沫风险，痛骂市场不理性，其实就是没给自己的持仓抬轿。 我前面也说了，牛市时间窗宝贵，资金都在追随最强共识。这些滞涨的传统行业缺的就是共识，没业绩，没故事，没流量，你在牛市里买这些股票，亏钱风险小，但是浪费了机会成本。 除非出现超级事实，或者超级机构、超级大v来创造共识，不然都扳不过来，只能等那些热门概念玩透了，玩崩了，资金逃出来的时候看看能不能高低切反弹一下。 …… 1、黄金和白银又涨起来了，黄金已经到4600了，白银今天最高也超过85了，前几天挖的坑都填回来了。4500以上的黄金我停止定投了，虽然还是没有买到我满意的仓位，但过去半年好差还是加了一些，就先这样了，黄金后面没有大调我暂时不买了。 对了，前几天说的那个白银lof，其实一直有溢价，一直是可以滚动套利的，就是限购金额有点少，在这个牛市的大环境下，一天十来块钱都不好意思提了。 2、伊朗外长称政府已经和抗议者展开对话，局势得到控制。但就我看到的信息而言，局势先不说恶化，反正是没有好转。我教大家看一个信号，什么时候在国内官媒上看到关于伊朗的大面积报道了，说明那边确实不闹了。 大致就这些吧，今天很多股民在讨论目前的行情合不合理，那肯定是不合理的，涨幅能算出来的那是熊市，牛市的行情一定是突破技术指标，突破估值模型的，因为牛市完全由流动性和情绪驱动的。这个时候看财务的书，看技术的书，还不如看点行为心理学的书更实用。 记住你现在已经不是在投资，接下来的时间就是标准的博弈投机。 发射～

充了一次超充，再充回家充桩有种背德感 都说家充7kW对电池好，所以一直用家充桩，虽然充的时间比较久，但是都是晚上回来，定了0点到8点用谷电，虽然细水长流，但胜在便宜稳定，不用跟别人抢桩 这种感觉，直到充了超充桩，那股快感，800v高压快冲，10分钟一下子从10%冲到了80%，虽然贵，但是那股招手即来，随冲就有的快感，是以往家充桩给不到我的，虽然知道，频繁快冲，对电池并不好 用完超充桩，身心一阵放松和空虚，陷入贤者模式，随之而来的是背德感，是对家充桩的背叛感。害怕再回家，会嫌弃家充桩慢，会对电池不好

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

智谱认领神秘模型 Ox Alpha，计划开源权重 一款名叫 Ox Alpha 的匿名模型突然出现在 OpenRouter 和 OpenCode 上，没有厂商署名，只挂着 “Stealth” 供应商标签，预览期完全免费。它主打编程和长时间智能体任务，上下文窗口约 104 万 token，最大输出约 13 万 token，同时支持文本、图像和视频输入。上线后调用量暴涨，很快登上 OpenRouter 用量榜首，用量超过 DeepSeek 两倍，被平台称为历史上规模最大的一次模型发布。 社区很快开始“验明正身”。分词器指纹、视频编码器行为、API 报错特征高度指向智谱 GLM 系列。8月26日，智谱向彭博社确认：Ox Alpha 就是其 GLM 系列新版本，并计划当晚公开模型权重。代号 “Ox” 也与近期热映电影《牛来》有关。 值得关注的有三点 第一，这是智谱把主推理模型和视觉能力往一条线上合的信号——过去 GLM 主模型和 GLM-V 是分开的，这次新版本直接吃图、吃视频。 第二，免费预览加超长上下文，把真实开发者流量冲到平台第一，比发布会跑分更有说服力；Stripe 收购 OpenRouter 的 CEO Patrick Collison 也公开称表现“非常令人印象深刻”。 第三，权重今晚若按以往 GLM 路径开源，开发者就能自己部署、二次开发；但一周免费期过后怎么收费，目前还没公布。 早期小样本编程测试一度打出很高分数，后续更完整测评有所回落，整体仍处一线阵营。对中国模型来说，这次意义不在“又一个新名字”，而在于：先匿名扔进真实生产环境，用用量说话，再认领、再开源——这条路已经被小米、美团等用过，智谱这次把规模做到了最大。

HBM越堆越高的逻辑，可能要反转了 瑞穗证券昨晚发了份研报——他们的分析师刚跟SemiAnalysis总裁Doug O‘Laughlin吃完晚饭，信息量很大。 美股投资网挑几个最核心的结论先说： 内存还是AI最大的瓶颈。但这个瓶颈的形状，正在变。 HBM层数可能不升反降。GPU出货量反而能增加20-30%。 听着矛盾。往下看你就明白了。 HBM层数：风向在变 瑞穗刚把美光目标价从1375美元砍到1300美元，闪迪从1900砍到1875。应用材料从650砍到590，泛林从370砍到365。 砍价理由不是需求不行——是 "DRAM降规风险" 。 Doug跟我们聊到一个关键判断：GPU厂商未来可能在HBM上只堆4-8层，12层的吸引力在下降。16层、20层HBM和混合键合，在未来的DRAM世代里充满不确定性。 市场一直预期HBM会越堆越高。 现在剧本可能反过来。 一个关键的逻辑反转：HBM少了，GPU反而更多 Doug的原话是：HBM转换比率在下降，从3:1降到5:1。 逻辑链条非常直接： 每颗GPU用的HBM层数减少 同样数量的DRAM晶圆，能造出更多GPU GPU/AI芯片出货量可能增加 20-30% 更多GPU出货 → 更多训练和推理需求 → KV Cache总DRAM位元需求反而增长 少即是多。 内存含量下降，出货量上升，总需求不降反升。 铜缆和光互联：正在抢跑 Doug对铜缆的态度很明确：AEC是AI机架内连接的核心方案。 CRDO走在最前面。 Lumentum那边，NPO（近封装光学）被管理层定位为"增量机会"，预计2027年底到2028年进入市场。InP衬底的需求已经严重超过供应。 CPO（共封装光学）呢？还得等2-3年。 短期赢家是铜缆AEC和NPO/SiPh/InP。CPO还早。 800V可能推迟 聊到数据中心电力方案的时候，Doug提了一个很有意思的观察：数据中心运营商对800V高压直流方案有抵触。 原因很实际——变化太大，员工需要重新培训。 数据中心正在转向±400V双极双路机架。在传统400V直流布局上爬坡更容易，对SiC和辅助设备的需求反而减少。 800V推迟 ≠ 电力需求减少。只是换了一条更慢、更稳的路。更多的电压调节模块会补上来，继续支持GPU出货。 2027年的两个大数字 Doug还提到了2027年的两个预期： XAI/USPCX的10GW电力 5000亿美元的NOCL资金 BIC 2027年会给这些项目带来顺风。 10GW是什么概念？ 一个典型核电机组约1GW。10GW就是10座核电站的电力，全砸进AI数据中心。 这顿饭的核心结论：内存还是瓶颈，但瓶颈在变形状——层数在降、出货量在升、总位元需求不降。 短期赢家： AEC铜缆（CRDO）、NPO/InP（LITE） 短期承压： WFE设备商（AMAT/MKSI/LRCX），目标价已被下调 需要观望： CPO（还要2-3年）、800V（可能延迟） 大方向没变： AI算力需求还在往上走。只是技术路线在微调，供应链的赢家和输家在重新洗牌。 美股投资网认为，这顿饭最有价值的信息不是某个目标价上调或下调，而是HBM层数可能见顶这个信号。 如果市场一直按"HBM越堆越高"的逻辑在给内存和设备商定价，那这个预期的松动，就是最大的风险点。 $CRDO $LITE $AMAT $MKSI $LRCX #美股#