//@安全_云舒:可能结婚之后也不住一起是最好的，或许折中一下，结婚后一个住主卧一个住次卧，各有各的卫生间衣帽间，保持住隐私和边界。
@网易浪潮工作室
#为什么很多情侣都熬不过同居# 有人说，“很多亲密关系最终都败在生活细节上。”热恋时，满心满眼都是对方，偶尔见面也总有说不完的话。可一旦朝夕相处，风花雪月变成柴米油盐，人们对爱情的滤镜便碎了一地。在一个屋檐下，每个不起眼的小缺点都被无限放大，一点小事都可能引发一场争吵。很多人同居久了还会发现，明明这段关系没有出轨、没有家暴、没有外界阻拦、没有异地隔阂，但依然在日常琐碎中归于平淡，甚至像花束般凋零。情侣同居，为什么会这么难？#微博知识+#
一个世界首富，把那么多好玩的东西放在一旁，跑来搞DOGE为人民服务，却眼睁睁看着自己的政治理想被摧毁，那肯定会觉得被骗了。所以马斯克彻底不装了，连“皇上圣明，奸臣误国”的套路都不用了： 查看图片
@tombkeeper
#马斯克怒批特朗普法案# 特朗普搞的《The One, Big, Beautiful Bill》，简称 OBBB，直译就是《一个、大、美丽法案》。这个名字带有浓郁的特朗普语言风格，哪怕和美国两百多年来所有的法案一起丢到棒球场上，你也能一眼认出来。对于这个法案，白宫官方网站表示有“五十赢”。当年郭嘉给曹操鼓劲儿，也只挤出来“绍有十败，公有十胜”。这“五十赢”不知出自哪位的如椽巨笔。马斯克投奔特朗普，不拿工资搞 DOGE，是出于对传统共和党价值观“小政府”的追求。然而马斯克没想到自己抠了小半年帮政府抠省的那点钱，跟《一个、大、美丽法案》将要花出去的相比，简直不值一提。特朗普其实并不是共和党——当然他肯定不是民主党，但他也不是共和党。他的政治追求既不是共和党的也不是民主党的，而是凯撒的。他追求的是皇图霸业青史留名。然而，皇图霸业要花钱，全靠大家交的税。
各家公司风控策略对 iPhone 的信任权重都比较高，所以即使 iPhone 6s 也是有价值的，可以用来起号。
@tombkeeper
在网上别生气。你生气的对象可能在这些架子上。 tombkeeper的微博视频
比如：搜索引擎回答不了“林徽因老公的弟弟的舅舅是谁这种问题”，后来谷歌搞了知识图谱解决了一部分推理问题，但非常有限，最终大模型解决了这种泛化问题（语料中没有的间接知识，但是通过推理得到的新知识）。//@盐你一脸喵:泛化能力跟搜索引擎没有自己的理解不是一个事儿吧
@梁斌penny
“梁博，我昨天一个实习面试搞砸了，面试官问我用一两句话概括对大模型的理解，解决了什么问题，为什么能解决这些问题。我一下子就懵了，我一个大四学生，哪能有很高的理解水平呢，又向往大模型公司，这个问题要怎么回答呢？”答：我认为大模型的核心价值2C来说是压缩信息差，此前搜索引擎做到了一部分，但是缺2个。第一个是泛化能力，搜索引擎相当于从自己知识库找到相关性高的答案给出，没有自己的理解。第二个是受限于阅读习惯，只能按照按一定排序算法顺序给出参考，距离最终答案还需要人工做最后解读和整理。而大模型解决了这些问题，一步到位直接给答案，极大的压缩了信息差，实现了信息进一步公平。2B来说是整理数据的能力大大提高了，我们此前整理数据，使用了各种各样的自然语言处理工具，整理效果和性能都不行，大模型把这方面能力大大提高了，这也使得中美两国，包括一些拥有巨大数据的公司，Palantire，彭博，还有一些对冲基金公司的数据被更高效的整理，整体价值大大提高了。至于为什么大模型解决了这些问题，有两个特别牛逼的结合，第一个是注意力机制，这个解决了对输入的精准理解。第二个是残差网络，这个解决了深度神经网络训练梯度消失，梯度爆炸的问题。而深度神经网络可以拟合任何输入和输出的特性，加上上面2条改进，就成为无敌的利器。当然我的回答可能还是繁琐了一些，如果简单来说，2C是压缩信息差，2B是提高数据整理能力。核心改进是注意力机制（首创）和残差网络（借鉴），这么回答基本可以过关了。。
“梁博，我昨天一个实习面试搞砸了，面试官问我用一两句话概括对大模型的理解，解决了什么问题，为什么能解决这些问题。我一下子就懵了，我一个大四学生，哪能有很高的理解水平呢，又向往大模型公司，这个问题要怎么回答呢？”答：我认为大模型的核心价值2C来说是压缩信息差，此前搜索引擎做到了一部分，但是缺2个。第一个是泛化能力，搜索引擎相当于从自己知识库找到相关性高的答案给出，没有自己的理解。第二个是受限于阅读习惯，只能按照按一定排序算法顺序给出参考，距离最终答案还需要人工做最后解读和整理。而大模型解决了这些问题，一步到位直接给答案，极大的压缩了信息差，实现了信息进一步公平。2B来说是整理数据的能力大大提高了，我们此前整理数据，使用了各种各样的自然语言处理工具，整理效果和性能都不行，大模型把这方面能力大大提高了，这也使得中美两国，包括一些拥有巨大数据的公司，Palantire，彭博，还有一些对冲基金公司的数据被更高效的整理，整体价值大大提高了。至于为什么大模型解决了这些问题，有两个特别牛逼的结合，第一个是注意力机制，这个解决了对输入的精准理解。第二个是残差网络，这个解决了深度神经网络训练梯度消失，梯度爆炸的问题。而深度神经网络可以拟合任何输入和输出的特性，加上上面2条改进，就成为无敌的利器。当然我的回答可能还是繁琐了一些，如果简单来说，2C是压缩信息差，2B是提高数据整理能力。核心改进是注意力机制（首创）和残差网络（借鉴），这么回答基本可以过关了。。
renew
该内容请至手机客户端查看 查看二维码
我见过一个人非常认真地把“我还没有财富自由”作为损人利己的理由，并毫不避讳地说出来。当然，由于其天资所限，虽然确实损人了，但没有实现想象中的利己。好消息是，十年过去，这个人还没有财富自由。
在网上别生气。你生气的对象可能在这些架子上。 tombkeeper的微博视频 Translate content播放视频播放当前时间 00:00/时长 00:22加载完毕: 44.44%媒体流类型 直播试图直播，当前实时播放直播 播放速度2x1.5x1.25x1x（默认）, 选择0.5x倍速高清 720p, 选择标清 480p流畅 360p720p小窗播放试试“小窗播放”，边刷微博边看视频 全屏静音This is a modal window.tombkeeper+ 关注 复制视频地址 正在小窗播放中点击展开00:22 1047次观看