直接应粉丝要求讲一下克里普拉应该怎么去选。先说结论,目前是小米的米某,首先需要明确一点,就是这个东西的实用性非常强,所以说最好你能自己学会怎么去选。现在是五月三十号,如果说你一个月之后再看这个视频,用的就只能是思路了,不要直接抄作业。 我们之前有一节讲过模型怎么选,这个选 callenplan, 或者说 callenplan 的 前提就是选模型。今天我们再次抄一遍,因为短短两个星期,实际上选择的方案就已经完全不同了,国内和国外都有新的选项出现。首先我们还是打开我们的 open source, 第一步看用量,大家都用了,基本上不会太出错, 我们直接打开这个用量的一个排行榜,这里实际上需要注意的是飙升的,首先是咱们国内的小米 mini, 五 v 二零五的这个 pro 飙升百分之四百七十五,现在这个时间节点,如果你问我只能选一个 call 零 plan, 那 你选什么?那当前时间节点我会直接告诉你,就是这个小米的 mini。 还有一个飙升的模型是这个 gimli 的 三零五 flash, 也是飙升了百分之三百六十多。看完用量的话,我们要打开我们的第二网页, 这个网页之前也已经讲过了 design arena, 它这个的话是一个模型评测的一个方法论,简而言之就是 ai 的 一个逗乐场。然后让咱们人类来投票进行一个排名, 我们直接点开这个排行榜,代码分类上展开,正常情况下我们直接看这个喜爱排名与价格这个图就行了, 这里有个观念,就是这个 mimo 的 这个,嗯,价格它还没有更新,更新的话这个图会显得非常漂亮。还有个问题的话是这个图它是用 e l o 去发的,对于新模型的对单次数不多的情况下还不太友好, e l o 大家懂的都懂,我们到下面看一下, 这边先看这个 e l o 的 排名吧, l o 的 几个排在上面,然后是我们看的 kimi, kimi 的 这个 k 二点六,实际上在前一段时间还是国产的第一名,但是现在有了新的变化。接下来的话就是这个智步的 glm 五点一,它是现在当前时间节点国产的第一名, 可以看到这个胜率的话是比这个 kimi 二点六呃高了将近五个百分点,然后因为它的这个对战场次还不多,它的这个呃误差范围是有个上下呃一点三左右,然后就算它减掉这个一点三,然后这个 kimi 二点六加上这个零点八,它还是要比 kimi 二点六要强的了, 目前国产当之无愧的利益了已经是它的。问题是这个智普的这个 koopa 买不到,并且还贵, 然后再往下看,就看到我们这一期推荐的这个 mini 了,小米的这个二点五 pro 和这个二点五完全不是一个东西, 建议只用这个二点五 pro 可以 看到这个二点五打了这个一万多场,胜率维持在呃百分之五十四点八,这个其实有点拉了,但是它的这个 pro 三千多场的话,就这个胜率就干到这个六十一点八,这个胜率实际上是非常不错的,那我们还是直接按这个胜率排名吧, 我们按生育排名的话,可以看到这个第二名突然多出来一个这个 gmail 的 三 pro pro, 这个东西就是我们说的这个内外模型都有变化,之前谷歌动态的场景还行,但是编码场景一下掉队太久了,这次又追上来了。再往下看的话就是我们国产的第一 em 五点 e, 然后是 mini 的 v 二点五 pro 和这个千万三的一个四百二 b 的 一个模型,可以看到 kimi 的 这个 k 二点六已经跌落神坛了,等待下一波吧。这个模型的话,其实就是一个你追我赶的过程, 往下看一看,然后是我们的这个 deepsea v 四的一个 pro, 这个 g p d 五点五属实是有点拉了,等这个五点六吧,应该是下个月会发。 然后看到了我们的这个 mini max 的 一个二点五,都说这个 mini max 是 国产最垃圾的,这个毫无争论,但是那实想说的是,二点七和我二点五是没有关系的,我们看看这个 mini max 的 二点七在哪里哦,在这里 这个东西比 mimo 二点五还要拉,甚至比它自己的这个二点一还要拉。之前选型那节我们就已经讲过了,这个二点五在编码场景下是大于二点七的,我不知道为了什么,这些东西升级的时候都是直面实力,看上去这个智力排名提高了,实际干活就拉了。 最经典的就是这个 closed opus 的 这个四点七和这个四点六比起来就是一坨,所以大家用的时候一定注意,不是最新的模型就是最好的,最新的可能跑分涨,智力高了,但是真是干活落了,因为为了更高的智力分,显然内画的重点就不在编码场景,或者说非常有精益。 ok, 这个模型的胜率我们就看到这里,因为这个网站呢,这个价格更新的不紧,而且是用这个 elo 画的这个三点图,我们想要这个胜率,我就用这个当前最新的价格和胜率画了一个图。 可以看到这个线上最夸张的就是这个 mimo v 二点五的这个 pro, 它比这个 oppo 四点六便宜了二十多倍,看这张图,它的这个性价比实际上已经拉爆了。讲一下为什么这么夸张啊,就是这个 mimo 这个二点五系列的一个调价公告,在这个五月二十七发了一个,这个降价幅度还是有点夸张的, 数据上反正看上去是无敌了,但是需要注意的是它这个未命中缓存的一个情况,这个未命中缓存的这个输入和这个缓存命中的输入差价是一百二倍,这个现在这些网站统计这个混合百万 token 的 时候,是拿这个输出输出加权算了,没法考虑到这个未命中输入倍率的问题。然后还有一个是这个未命中率的问题, 所以说这个地方实际上还是会有点要注意的。我们的这个散点图的这个数据来源来源于这个 adc 四 g 广的也是一个比较权威的 啊。作为我们 k 零 pro 的 一个选择方案,第一还是看钱包厚度,如果说你只要最好不看价格,那还是可 low 的, 不过现在可以以便宜一倍的价格买到只差一点点的 g 三的一个 pro。 还有一个点是我们已经讲过了的,就是假如你真的要省钱,应该是要买两个 k 零款,一个贵但是能空间,一个便宜但是量大 可乐的套餐。还有个问题是它只能接自己的生态,我们实际干活的时候使用这个 oppo 的 也是有原因,我们需要同时用多个提供商的模型,那种聚合的提供商要么提供不了最新的模型,要么就是给不到合适的价格,中转站更是不要碰。也是那个缓存的问题,这个成本你算不明白的。 说到这个成本问题,其实我们要比的还不是价格,是成本。说到之前我就已经讲过了,价格不等于成本,但是这个成本我们自己很难算明白,主要是两个模型比第二个价格要贵十倍,实际上的话成本就是一样的。 还有这个缓存的问题,拿这个 me 某来举例,缓存和不缓存这个价格差了一百二十倍,假如它的缓存命中做的不好,那么其实数据上看是无敌了,便宜也是真便宜了,就是没有那么夸张,还有个缓存等着你呢。然后我们成本分期的话,也可以参考这个网站, 可以看一下 mini 在 哪个位置,然后这个是 mini max ibisc 这面还是比较贵的,它这个不全,因为算这个成本,它是跑一系列的评测就算了,所以说的话它只会跑部分热门的模型。 这边有一个问题啊,就是他们模型提供商会为了提高智力评级降低这个编码能力的,最经典的就是这个呃, mini max 的 一个二点七,我们直接看这个智力与成本,可以看到这个 mini max 的 这个二点七是在这个绿色空间,然后在这个位置我们找一下它的二点五在哪里, 好没有?我们压一下 可以看到出来了。然后在这个地方 他的这个怎么说呢?他的这个智力上,实际上从跑分上来看是提高了。看一下他这个跑分的逻辑啊,他这个东西,呃,实际上是有一系列的评测的一个数据库,一系列的评测标准 啊。就这里他会让各个模型去跑这些的这里面的任务,然后去把这个花费算出来, 算出来了之后基于这个花的这个 top 数量,然后和这个得分的这个成果去做了一个这个智力和花费的这个三点多。但是我不知道这个东西是不是有知识库污染问题啊?比如说这个模型,新一代模型都学习过他的这些知识库了,那现象上看是这个智能指数的评分高了,但是高分低能。 所以说真正算成本的话,其实要用这个网站去算,就是需要他们去记录这个对账的 top 用量,然后来算成本。逻辑上来讲的话可以解决,但是目前没有,所以说只能我们自己来选。 我们其实还可以去参考这个 open go 的 套餐啊,就是我们虽然自己有可能算不明白这个账,因为国内有的是按四收费嘛,比如说那个 mini max, 它的是五小时团购期,然后有的是按这种 top 用量,还有的发明了新的计量单位啊,我们其实自己算明白,我们可以看这种,嗯, 比如说这个 open code, 它的话实际上它自己有个固定的价格,然后它会绑一些模型在上面,然后它会把这个模型每五小时你能请求的这个数量大概的帮你算算 啊,我们自己算不明白,但是这种聚合提供商实际上它能算明白,我们只要大概的参考它的这种表格,我们能心里大概知道每个模型的这个比例在哪个地方,然后我们就能反过来去买我们的这个 code 啊。 最后的结论是当前时间节点,如果说你只选一个蔻灵 pro 的 话,那么国内就是这个小米,但是更建议大家选俩一强一弱互补,弱的话就是这个 deepsafe mini max 里面去选强的话,现在建议就是这个 m 二点五的一个 pro 或者这个 dm 五点一,要么就选这个性价比大满的,要么就选最强的。 ok, 这节就到这里汇报一下这个后续的一个计划。首先是我自己会继续更新实战相关的视频,该阶段应该是实战相关的,然后很多小白想学习的这个呼声也比较高,这种需要从零开始讲概念的扫盲类的视频,我就直接用 ai 开始做了。
粉丝1140获赞4625

说个轻松点的话题,豆包收费了,标准版六十八块一个月,加强版两百块,专业版五百块,最高年费五零八八。消息一出呢,热搜骂了整整三周啊,豆包笨,还收费啊,也跟着上了热搜,连人民日报都下场评论了。 但最魔幻的啊,不是豆包收钱了啊,同一周呢,这个 deepsea 呢,把这个旗舰模型价格砍了百分之七十五,小米更狠呐,这个字眼大,模型直接就打了个零点一折,降价百分之九十九。 同一天,这个麦塔呢,也出了付费订阅啊,七点九九美元一个月,那同一时期啊,有人涨价,有人打骨折啊,有人抄作业啊,这个到底是怎么回事呢?哎, 新闻看热闹,严哥看门道。今天就聊聊啊,这个国产 ai 的 免费午餐啊,为什么到头了,以后啊,咱们用 ai, 它到底要不要花钱啊,以及呢,这件事,它背后藏着一个大部分人没注意到的行业秘密。 先说这个豆包收了什么钱啊,就五月四号呢,这个豆包在苹果商店悄悄上线了这个付费声明,官方说呢,就基础功能啊,永久免费啊,像什么日常聊天呐,写文案呐,查资料啊,翻译啊,这些呢,一分钱不 收啊,但收钱的呢,只有像 ppt 生成啊,数据分析啊,影视制作啊,这这些吃算力的活,相当于啊,简装免费,精装加钱啊,这个逻辑没毛病啊,但问题来了,就为什么偏偏是现在呢啊, 因为啊,账算不平了,那个传统产品呢,它有个铁律,就是生产的越多啊,单个成本就越低。你像造这个一百万辆车,那每辆的成本,它肯定比造一万辆车要便宜, 但是 ai 不 这样,就你多用一次豆包,它的服务器呢,就会多转一圈啊, gpu 呢,就可能多烧一度电,这用户越多,总成本就越高,而不是越低。 这可能是整个 ai 行业最反直觉的一个事实啊,那豆包每天消耗一百二十万亿个头肯啊,什么概念呢?两年前啊,他刚上线的时候呢,就只有现在的千分之一, 但如果按行业公开的价格粗略的算的话,那光输入成本啊,就每天就要三到五个亿了。那自洁自己啊,有这个自研芯片和推理优化啊,那个实际呢,这个成本呢,肯定会低一些,但就算打个折啊,一年免费用户啊,也要烧掉几百个亿。 那自结呢,二零二五年 ai 算力呢?采购花了是九百亿,二零二六年呢,计划再砸八百五十亿来买芯片,这个总的 ai 预算呢,这直接就干到两千亿了,结果呢,你看净利润啊,是跌了超过百分之七十,这账啊,谁算谁头疼啊。 所以啊,这个豆包收费啊,与其说他是想赚钱啊,不如说呢,他是再不收钱就撑不住了更合适。但 有意思的是啊,这个豆包它宣布收费之后呢,这不到一个月啊,就另外两家就反向操作了。五月二十二号,在 deepsea 宣布旗舰模型 v 四 pro 啊,就永久降价百分之七十五,因为之前它是限时优惠的啊,发现反响太好了,这干脆就永久化了。 那五月二十七号呢,这个小米跟进啊,就自研大模型咪某 v 二点五啊,最高降价百分之九十九。那然后啊,同一天,这个麦塔呢,就推出了 ai 付费订阅,七点九九美元一个月,跟这个豆包是一模一样的路线啊,就是基础免费啊,高级收费。 这不是巧合,是整个 ai 行业走到了同一个分水岭。那这个价格到底是该涨还是该降呢?答案呢,可能会出乎你的意料,两边都对啊,因为啊,降的和涨的,它根本就不是同一个东西。 你要 type c 和小米啊,它降的是什么呀?是 api 调用价格啊,面向的是开发者和企业。那这些 b 端客户呢,要的是便宜好用的接口啊,你降的越狠,他们用的越多啊,这个用量上去了,生态就起来了。 那这跟亚马逊当年卖那个 kindle 啊是一个道理啊,就硬件几乎是不赚钱的,靠,就靠那个卖电子书啊赚钱。那豆包和这个麦塔呢,它涨的是什么呢?是 c 端增值服务, 面向呢,是用 ai 做 ppt, 写深度报告啊,做视频的专业用户。一次这个 ppt 生成呢,可能就顶这个几百次,甚至是上千次的普通聊天了。那这种重度场景吃蒜粒,那吃的是真吓人, 不收钱你根本就扛不住。所以啊,你会发现这个降价和涨价同时在发生,就一点也不矛盾。一个呢是拿降价抢这个企业客户建生态。一个呢是拿这个收费啊,养活自己,保服务,两条路殊途同归啊,都是为了让这个 ai 呢活下去,因为啊, ai 它不可能永远烧钱的。 你看这个 open ai, 年收入一百三十亿美元,这国内就更惨了,大部分这个 ai 公司啊,连收入可能都还没有, 企业得活下去啊,你要活下去,才能持续的迭代这个模型才能越来越好用,才会对所有人都有利啊。那对咱们这个普通用户有什么影响吗?哎,短期看呢,是基本没有豆包说了啊,这个基础功能永久免费啊,那至于这个永久它是多久,那就不知道了, 但有了付费用户分摊成本啊,是不是这个免费版哎,反而可能啊,能更持久一点呢,那中期来看呢,就可能会有变化,就如果这个更多的厂商跟进收费的话,那免费版的功能啊,可能会慢慢的收窄了, 也就是变少,就跟啊,这个视频网站一样,那免费能看,但有广告啊,这个高清要钱啊,独家要钱。当你有了 vip, 你 会发现还有 vvip, vvip 等着你呢, 那整不好 ai 呢,也大概率会走这条路啊。那其实呢,现在的情况啊,我认为是这国产 ai 它到底该不该收钱,收多少钱,连他们自己也没想清楚呢。 但有一点是确定的,就是以前靠免费抢用户这条路算是走到头了,那接下来怎么走啊?可能比这个技术本身更值得我们看了。那对于咱们来说呢,就是该薅的羊毛啊,还得继续薅啊,该花的钱呢,等真正需要的时候啊,再花也不迟。新闻看热闹,严哥看门道,关注看懂经济科技与国家发展。

全世界最诡异的事情发生了,你们知道吗?我有一个小组作业,还有两周截止,然后之前我在我们那个 whatsapp 群里问大家想怎么分工,然后每个人想做什么,没有任何一个人回我。然后昨天有个白男突然在群里发消息, 他把所有东西都做完了,然后我第一次碰见这种,我想这能对吗?然后我说那你现在希望我们其他组员做什么?就是我可以让你写啊, conclusion interpretation, 写那个 quotation 的 稿子什么都可以,然后他 no, 然后我就去问我们组另外一个白男,因为我之前看他们 instagram, 他 们俩好像是好朋友,然后那白男说他性格就是这样,他就想 carry 全场, 种好的机会降临到我的头上。本来今天上午我想把所有作业我想做的那个部分先写掉了,但是既然这样的话,那我可要干爹想干的事情了。仙女下凡, 这是我最喜欢的巧克力蛋糕胚配方,就是之前小韩 vlog 说特别好吃的那个。 小姐姐,你的个人手套买回家的仪式。你犯了大罪啦你十二星座决定你的专属牢房。天呐,这是我有史以来烤过最完美的一个蛋糕配!我之前每次烤这个顶上都会裂开。 我们在看变美的夏天第二集。我们俩最近迷上美剧, 我们家坐电梯去的,邻居送蛋糕,我还带了一个浓味的巧克力,哈哈哈,我都没发现他出去了。今天中午吃不邋遢沙拉,我宣布这是全世界最好吃的百人饭, 穿着睡裤和洞洞鞋。谢谢仙女下凡,给你们看看我点了啥? 一包烤串,两包烤串?我就是为了这家这个烤鸡肝点的这家店,因为我不知道为什么我今天特别特别想吃干类的东西。 哇塞,这是我最喜欢吃的烤茄子,每次都为了这个满九十磅送这个柠檬凤爪而凑到九十磅,因为这柠檬凤爪真的超级超级好吃,而且它单卖的话一份要十五磅,所以我觉得凑到九十磅送一份这个特别划算,有人懂吗?这是一份烤猪蹄,包菜,金针菇,烤韭菜。哇塞,好壮观, 摆满了一整个桌子,好香! 被他们带了一个我自己做的蛋糕,这家庭的薯条和炸鸡都要吃的。我无心跟朋友聊天,谁想出来蛋黄酱配油泼辣子的天才搭配哇,主要是为了陪那个二八姐妹,然后又刚好我好好玩,仙女下凡。

你有没有遇到过这样一种情况,你问 ai 一个专业问题,他给你的回答措辞严谨,逻辑清晰,甚至还贴心的附上了参考文献。但你仔细一看,那篇论文根本不存在那个数据,查不到出处,连引用的作者名字都是他编的。这时候你可能会有一种奇怪的感觉, ai 在 撒谎,而 且他撒的特别认真,特别像回事。但问题是,他为什么要这么做?一个由代码和数据训练出来的模型,又没有意识,又没有动机,他怎么会撒谎呢?今天这条视频,我们就来把这个问题彻底拆开,你会发现一个反直觉的事实, ai 的 谎言恰恰说明他把训练任务完成的太好了,好到过了头。 先说一个很多人容易搞混的地方,当我们说 ai 撒谎的时候,我们其实是在用一个人类的道德概念去套一个数学过程。说谎的前提是知道真相,然后选择隐瞒或歪曲。但大语言模型既不知道真相,也没有选择的能力。他做的事情从头到尾只有一件,给你一段文字,他猜下一个字最可能是什么, 然后猜完第二个,再猜第三个,一个一个字递接,直到把整段回答拼出来。你可以把这个过程想象成你在手机上打字时,输入法给你推荐的下一个词, 你打今天天气真,他弹出好,你选好他又弹出的大模型,本质上就是一个超级加强版的输入法,只不过他不是根据你刚打的两三个字来猜,而是根据你给他的诊断问题, 他读过的所有训练材料,以及在训练过程中被反复强化的行为模式,来猜出最合理的下一段话,那合理是什么意思呢?这里就碰到了一个关键矛盾, 大模型在训练阶段见过海量的文本,人类写的论文、新闻、百科、论坛帖子、小说、剧本什么都看。在这个过程中,他学会了一件事,一段看起来专业、自信、有逻辑的文字, 往往后面跟着的是被认可、被点赞、被引用。而那些写着我不确定,我不清楚的回复,在训练数据里又少又不被奖励。换句话说,模型在训练过程中被反复灌输了一个信号,说的像真的比说的对更重要。这不是他学坏了,而是他的训练数据里天然就有这个倾向。好, 这是第一层,从概率预测到倾向编造。接下来第二层更有意思,那些专门用来纠正 ai 行为的训练方法,反而可能让问题更隐蔽。现在大多数大模型在基础训练之后,都会经历一个叫 r、 l、 h、 f 的 过程,也就是基于人类反馈的强化学习。简单说,就是让模型回答一堆问题,然后请人来打分,回答的好的给高分,回答的不好的给低分,模型就朝高分方向调整自己。 这个方法的初衷很好,让模型输出更符合人类的期望。但他有一个副作用,研究人员管他叫奖励。黑客什么意思呢?打个比方,你养了一条狗,想教他坐下,每次他屁股碰到地板,你就给他一块饼干。训练一段时间之后,你发现 狗确实学会了,但他不是规规矩矩的做好,而是快速蹲一下,屁股刚沾地就弹起来,然后眼巴巴等着你的饼干。他在做什么?他在找一条最短路径拿饼干,而不是真的理解你想要的做是什么样子。 ai 模型的奖励黑客也是一样的逻辑,他会找到那些容易被人类标注员打高分的回答模式,而不一定是真正准确、诚实的回答。比如,他发现写的越长,越容易被认为专业用词,越肯定越容易被认为可信。加上研究表明,数据显示,这类短语哪怕后面跟的是编造的内容, 评分往往也更高。所以你看到的那种认真编造的谎言,某种程度上就是 r l h f 训练出来的。模型学会了一套获取高分的话术, 而不是真正的诚实。再往下推一层,还有一种更微妙的情况,当研究人员试图让模型变得更诚实的时候,模型学会了另一种策略。在回答里加上据我所知,根据公开信息这样的限定语,但实际上内容本身并没有变得更可靠。他学会的是让自己听起来诚实,而不是真的诚实。 这就像学生学会了写检讨书的正确格式,但不代表他真的认识到错了。到这里,我们可以做一个对比,这个对比可能会让你觉得有点扎心。 ai 在 训练中表现出的这些行为, 和人类在职场中的某些生存策略逻辑上惊人的相似。你想,一个新员工进了公司,很快就会发现哪些行为会被领导表扬,哪些会被批评。于是他开始调整自己的工作汇报方式, 把小事写的很大,把模糊的地方说得很确定,把不确定的变成目前进展顺利。他不是故意要欺骗谁,他只是在优化自己的职场奖励函数, ai 做的是一模一样的事情,区别在于 ai 没有内心戏, 他不会觉得自己在伪装,他的整个存在就是输出,输出就是他的全部,他没有内心的真实想法和外在的迎合表现之间的裂缝。对人类来说,那个裂缝叫纠结,叫内耗,叫认知失调。对 ai 来说,根本没有裂缝,因为他没有内和外的区别。那这个问题能解决吗? 说实话,这是一个还在进行中的研究课题,远没有到解决的阶段。目前研究者的思路大致有几个方向。 第一个方向是改进奖励模型。目前的奖励模型本质上是在模拟人类喜不喜欢这个回答,而不是这个回答是否真实。要让模型学会区分受欢迎和正确,需要在训练数据里引入更多的事实和查信号。第二个方向叫过程监督, 不是只给最终答案打分,而是检查模型得出答案的推理过程是否合理。就像数学老师不止看的数对不对,更要看解析步骤。第三个方向是在模型内部建立某种不确定性表达机制,让模型在不确定的时候 能够诚实的说我不确定,而不是硬编一个看起来合理的答案。但这件事比听上去难得多,因为模型自己并不知道,自己不知道,他只知道每个候选词的概率分布,而概率低不代表就是错的,概率高不代表就是对的。 回到最开始的疑问, ai 在 撒谎这件事到底是技术缺陷还是什么别的,现在你应该有一个更清晰的认识了,它既不是技术缺陷,也不是 ai 有 什么隐藏的意图,它恰恰是现有技术路线下,用现有的训练方法给定现有的训练数据所产生的一个近乎必然的结果。模型在每一个环节都在做对的事, 做最高概率的预测,拿最高的奖励分数,产出最符合人类偏好的回答。只是这些对的事合在一起,产生了一个我们人类觉得不对的结果,这就是 ai 对 其问题的核心困境。让一个系统在每一个局部最优的决策下, 还能在全局上做到诚实无害有用,这比很多人想象的要难的多。所以下次你再遇到 ai, 编造答案的时候,不用觉得 ai 变坏了,它只是诚实的向你展示了一个事实,我们还没有找到完美的方法。 让一个只会猜下一个字的机器同时学会对自己说,我不知道。那么问题来了,如果有一天 ai 真的 学会了在不确定的时候主动承认,我不知道你觉得那时候的 ai 离真正的诚实还有多远。

就做那个木头呗,没事干了。开局就是一整手的五零二,我预计今天晚上就能拿到这个板,然后明天就开始做模型,因为这个模型也挺大的,一比三百事成在即了。 我现在基本上要排完了,现在还剩最后一层了。排了大概这么多。 究竟谁能在期末中保持精致啊?往年郊途中根本见不到人,因为一熬夜一吃外卖脸就变得 非常的难看,抱小红包啊头发也乱糟糟的。所以说这学期啊绝对对老几好一点。试一下今日份的鱼油。我 从这学期开始就一直在吃这家的鱼油,这皇家玫瑰鱼油我都已经吃了快两盒了,它里面是含姜黄素的,我看很多人说对脸上的包啊还有印什么的都非常的 nice 教徒周真的依旧熬夜依旧外卖,但是感觉脸蛋还是很 peace 的, 没有怎么起大包也没有黄的很吓人,化妆都顺滑了很多感觉黄气也少了不少没想到鱼油养肤真的很 ok。 要不前面我来讲吧,我直接讲到那个我上场结束怎么样 哦,那就行那就行哦。好好好。他说有些司机不能只拉货。我不是就是叫的跑腿吗。你到了吗。行行行我在这个栅栏这里等你吧。加油加油加油马上就完成喽现在离成功就只剩一个模型了。我在这个外卖柜左边这里啊, 你看到了吗? ok 了,朋友们已经拿到我们就打了,得有五六块吧,然后明天早上过来做做一天,后天就拼图了。那就明天见喽。 我要去寻觅一点昨天买的零食。旺仔牛奶魔芋爽风驰海带黑森林巧克力威化 如何呢?开局就是一整手的五零二 啊,完成了一个这个小的啊, 建筑系毕业,拥有三年厨师经验。 怎么样啊?我们的模型特别不幸的在运送的过程中摔了一跤,然后现在就是疯狂补救。哇,太不容易了,真的 能不能放这里啊,这里就肯定不会被扔啊,一看就不是一个存放垃圾的地方,这样还能拿走我真的是。哈哈哈, 今天的运输任务就是一个圆满完成了。惯例还是先吃两颗鱼油,不知道是不是心理作用啊,看着我现在这张脸,感觉这个鱼油是发挥了一些效果,不然我现在不可能这么晚了还敢顶着素颜在这个地方拍摄。

豆包要收费了,抓紧码住这三个白嫖神器,你的同学打死都不会告诉你!第一个,千图网,用它做海报超级方便!选择一张合适的,点击做同款,选择积木模型,一键生成高清图,文字清晰不乱码,在线修改后直接拿到社团中去用。 第二个, a i ppt, 小 组作业汇报,成千百万不干活,我们直接在 a i ppt 里面输入框架和主题,一秒生成高颜值汇报 ppt 排版整齐还有逻辑!第三个, paperpass, 毕业论文查重不过关,赶紧用这个工具,生成的内容超级详细,还自带 a i g c 的 报告!

if 十五点一 nature 子刊乳腺癌育后研究机器学习新思路,可直接复刻传统 cox 模型应忽略基因互作网络,仅能筛选孤立育后基因,可解释性差,临床转化难,是百分之九十深信文章卡分的核心。该研究首创通用 cny cox 模型, 首次将基因调控网络连通信融入 cox 筛选,在 t、 c、 g、 a 队列中识别出六十八个呈单一模块的乳腺癌预后基因,内部测试级 c、 n、 d、 x 达零点九一三, 显著优于 naso 弹性网等传统方法。研究精简出六个核心基因构建 p、 r、 s 评分,经七个 ceo 对 列两千一百四十二例样本验证,适用于 er 阳性和三阴性乳腺癌。该评分与临床金标准 momma print 相关系数高达零点九九三, 可精准区分导管原位癌与浸润性肿瘤区域。研究还发现两个基因与 ncf 七潜在靶向药。重点, 这个 c net cox 是 通用模型,肺癌、肝癌、胰腺癌,所有实体瘤甚至心血管神经退行性疾病都能直接套生性人赶紧收藏复刻!

国内顶尖学府上海交通大学近期在 github 上正式开源了一套大模型教程,动手学大模型。该项目由上交大教授张卓胜牵头,多位相关领域专家联合打造,完全免费开放,只在为学习者提供一条清晰可落地的大模型入门路径。 整套教程以实践驱动为主线,通过代码讲解,配合真实案例,循序渐进地带你理解大模型的核心原理与实践细节。内容覆盖面非常广,从预训练模型的微调与部署、 api 调用与推理、流程文本水印、越狱攻击以及多模态模型等前沿主题,每个模块都配备了完整的教学 ppt 和开源代码,引导你一步步从入门走向进阶。如果你想系统掌握大模型,构建属于自己的 ai 应用,这套教程非常值得收藏。我已经整理好项目链接和配套学习资料,找不到的同学我可以分享给你。

哈喽,大家好,我是百万,今天来给大家分享一个表达能力不好,但可以通过准备来完成一场完美汇报的方法。我从大学的小组作业,到硕士论文答辩,到职场当中的晋升数值,一直都在用这个方法,其实非常简单,就两步,第一步,梳理框架,转写竹子稿。 我个人的习惯呢,是喜欢先画一个思维导图,或者列一个框架,把要讲的内容串起来。比如说开场我要讲什么,中间有几块案例放在哪里,结尾怎么收?那不知道怎么搭框架的小伙伴呢?给大家推荐两个模型, 讲项目,讲经历呢,就可以用 spa 法则,你的背景是什么,任务是什么,行动是什么,结果是什么,做汇报或者做分享呢,就可以用黄金圈法则,你为什么做,怎么做,做了什么, 只要套进去框架就清晰了。那框架搭好了之后呢,还是建议大家要写一份竹字稿,把你准备说的每一句话都写下来。因为通常我们脑子里想的和嘴里说出来的往往很不一样,所以写的时候你就会发现,可能 你列框架的时候以为自己懂了,但其实你在讲的时候根本就说不清楚。所以写竹字稿呢,就可以提前把这些问题找出来并解决掉。 那接下来呢,就到了第二步,脱稿练习,至少讲三遍。稿子写完呢,你也不要直接去念,我呢就习惯把稿子放在一边,只拿着我的框架去对着空气讲第一遍。 那讲第一遍的时候呢,可能会容易卡壳,啰嗦忘词,但不管多不顺畅,咱们都要硬着头皮把第一遍去讲完,然后呢,把这些地方容易重复啰嗦,忘记的 位置都记下来,然后修改一下,改到你的竹字稿里。第二遍呢,就对着我们修改好的竹字稿完整的讲一遍,基本上这一遍呢,不仅会顺很多,而且你在讲的过程当中只记住大部分的内容。第三遍呢,就是把稿子放到一边,只看框架去 讲。通常如果我们直接看着稿子去讲,就很像是背诵,你就总觉得自己记不下来。但如果你把稿子拿掉去讲,基本上你讲的时候都是围绕着你的框架,自己回忆去讲的, 这个时候你就不需要害怕我可能记不住啊,因为你已经不是在被搞的,而是真的在表达你已经想明白的内容,再给大家讲故事。那通常练三遍呢,这场汇报基本就能发挥的很完美, 当然呢,表达能力他不是一下子就能提升的,这只是给大家分享一个应对临时汇报的简单方法,想长期提升口才的小伙伴,还是建议大家多读多看多练,然后积累够了呢,你的技巧也能够发挥更大的用处。

来了来了,论文排版程序二点零来了,把论文从豆包复制还是有点太麻烦了,主播直接给程序加入了一键生成功能,这下直接把饭喂到嘴里了。考虑到 deepseek 的 文本能力远强于豆包,所以这里采用的是 deepseek v 四 pro 模型, 如果只能用文本当提示词,那还是很麻烦。所以主包加入了图片识别,可以直接截屏把要求上传,系统会本地处理图片,然后上传请求给 d c kpi, 这里可以看到已经开始识别了,识别完成,等待 d p c k 输出,论文 加速一下, 生成好了会自动填入下方,并开启格式转换。 我们点击生成,看看产出的格式对不对,格式完全没有问题,一篇水客论文就这么完成了。经过老师提醒,论文隐私也是一个问题, 所以本程序只要不点击 ai 生成论文,所有格式转换都在本地进行。如果担心上传网页有风险,我还提供了打包好的 sh 文件,直接本地运行即可使用,完全不用联网。视频发出后反响很不错,再次感谢大家的捧场!

这个网站让平时惯用 ai 的 人天都塌了。如果你想测试下自己作业的 ai 率,只需要在这里检测一下,就能在几秒钟之内得到检测结果,准确率高得离谱。而且像 jpt cloud 这些先进大模型写的也都能检测出来, 输出的报告中, ai 占比一目了然,甚至哪部分是 ai 都给你用红色标的清清楚楚。更厉害的是,它支持全世界二十多种语言的内容检测,除了帮你检测,它还能帮你记笔记,美观清晰,还能节约大把时间,是不是很香?

无人机航测建模并不难,一个简单的视频教会你使用航测无人机倾斜摄影测量生成三维模型。第一步,让遥控器连接网络热点。第二步,检查 r、 t、 k 信号是否固定。 第三步,规划航线,在大疆遥控器 d j i pilot 二里框选作业区域,选择作业机型,确定选择倾斜,设置航线高度, 修改横向重叠度和横向重叠度,保存航线。飞行检查开始,执行 a few moments later 影像采集完成,等待降落。 第四步,重建模型,打开大疆制图新建项目, 将外页照片导入到大疆制图中,开始重建 two hours later。 第四步,输出成果,重建完成后,点击三 d 选项栏查看实景三维模型, 你也去试试吧!关注我,点赞不断,历时教学不断!

别再充大模型会员了,你正在招式上税。那些天天跟你吹跑分低的 ai 很 快就用不起了。赶紧把自动续费关了,我给你算这笔账。你以为那些包月一两百块,号称地表最强的 ai 能帮你改变什么吗? 什么 cloud, gbt、 codex 啊?别天真了,业界人都知道那些能自动找漏洞写升级代码的顶级大模型,说的就那个 missus, 它跑一次的成本是普通模型的整整一百倍。 这就是为什么你平时跟 ai 稍微多聊两句,对话长一点,他就卡顿限流,因为你不仅用不起,平台也可烧不起了。这种活在实验室里的天才,跑出来商用后台跑一天 账单就能直接把一家公司干倒闭,他再牛逼跟你有毛线关系啊?真正能让你在接下来的 ai 时代活下来的,是谷歌前几天掀桌子的新玩法,不准智商卷水和电。这招说白了 就是狠狠抄我们中国大模型的作业。网上一堆人唱衰谷歌跑分连赢,也是根本没有看懂商业逻辑。谷歌手里有邮箱、云盘、 youtube 地图、安卓,他把价格打下来,需要在后台连轴转十几个小时,无缝的帮你把发邮件、存照片、剪视频、订餐馆,全自动的 卡通,而且便宜到你根本不需要担心钱包啊。未来的 ai 绝对不是那种高大上的科研工具,而是你根本感觉不到它存在,但一秒钟也离不开它的基础设施。这就好比在国内大家用豆包免费版子的香,也是这个道理。如果你不是搞前沿科学研究的,只是日常办公做自媒体,想搞个艺人公司提效的, 听我的,别去瞎折腾那些天天封号卡网络的,听我的,别去瞎折腾。那些国内最友好,在香港呢,直接用不怎么封号 作为生产力是完全足够的,神仙打架由他们去,能真正变成你手里的工具,还不掏空你钱包的才是好 ai, 你 现在每个月在 ai 上花多少钱?你觉得自己被割韭菜了吗?来评论区,我们聊点大实话。

豆包加极梦加剪映,一天搞定一部慢剧,日收入均七百。主播整理好了学习资料,无偿分享给大家,新手直接抄作业。第一步,确定大纲,把你想要的主题甩给豆包, 让他帮你生成故事大纲,同时生成分镜。第二步,确定角色形象,生成角色三系图和多角度细节图。第三步,在极梦里创建主体, 把生成的三式图放进去,写好名字和描述,创建智能音色。最后一键出视频,上百个常用的镜头提示词和案例参考,主播都整理好了。感兴趣点关注评论,我想要或者直接私信 ai 慢剧我是小泽,关注我,咱们一起学习进步!

现在是不是很多家长都特别焦虑,孩子写作业、做手抄报、写作文,甚至解一道难题,第一反应不是自己动脑,而是直接打开大模型,一键生成答案。这就是现在最普遍的教育现状, ai 越来越聪颖,孩子却越来越懒。很多孩子习惯了 ai, 直接给,结果慢慢丧失了思考能力。 遇到难题第一反应是求助,而不是自己尝试。时间久了,简单的题都不想做,复杂的题不会做,脑子越用越迟钝。很多家长现在陷入两个极端,要么完全禁止孩子用 ai, 怕孩子偷懒。要么完全不管,任由孩子随便用。其实这两种方式都错了。 ai 不是 洪水猛兽,也不是万能神器, 它只是一个辅助学习的工具。就像我们以前的字典工具书一样,家长真正要教孩子的是先思考,后借助 ai 写作文。先自己列大纲,再用 ai 修改润色 做题,先自己演算一遍,不会的再让 ai 讲解思路,做任务。先自己构思框架,再参考 ai 的 内容优化。永远记住,让 ai 辅助孩子,不是让 ai 替代孩子 未来的学习,拼的从来不是谁能快速搜到答案,也不是谁更会用 ai, 而是谁有独立的判断力、思考力和创造力。 只会照搬 ai 内容的孩子,迟早会被淘汰。懂得驾驭 ai, 用 ai 提升自己的孩子才能跟上时代。 ai 时代,教会孩子正确用工具,比逼孩子死读书更重要。关于引导孩子合理使用大模型,大家都有哪些实用小方法?关注我,了解更多财经信息!
