这个也太坏了吧，这不是摘桃嘛，难怪有人早就和我说过，快上市的话，有孝敬一定都有给上。。//@赏味不足://@三里河贝塔://@圆周率等于31415926:这个级别就能干涉介入 IPO 了啊…
@财新网
【徐州公安局原局长贪腐内情：低价入股拟IPO企业获利近700万元】已经落马的江苏徐州原副市长、市公安局原局长王巧全曾在一家企业IPO期间低价入股，并由他人代持。近日，中国裁判文书网公开的一份受贿罪刑事裁定书详述了这名资深公安官员受贿共计3031万余元的细节。其中低价入股一事，根据市场价格差额确定的受贿数额为694.92万元。徐州公安局原局长贪腐内情：低价入股拟IPO企业获利近700万元 这份裁判文书隐去了涉案当事人和公司的具体信息，但财新比对发现，其披露的被告人王某某履历与江苏警官学院原副院长王巧全的信息高度吻合。公开资料显示，王巧全1969年7月出生，江苏苏州人，1991年参加工作。他长期在江苏公安系统工作，历任江苏省公安厅经济犯罪侦查处副处长、经济犯罪侦查总队副总队长，国内安全保卫总队副总队长、国内安全保卫局副局长，法制总队（厅直属公安局）政委，法制总队总队长、厅直属公安局局长、行政审批服务处处长。2016年起，王巧全先后在盐城市、徐州市任副市长、市公安局长，2022年9月出任江苏警官学院党委委员、副院长，仅两个月后即落马。 此番披露的低价入股行为发生在2020年至2022年间，恰是王巧全任职徐州市副市长、市公安局长期间。江苏省高级法院的刑事裁定书显示，这期间，王巧全利用职务便利，影速集成在企业经营、上市推进，以及该公司法定代表人傅某某的朋友吴某某职务提拔等方面提供帮助。2020年下半年，王巧全安排陈某某以明显低于市场的价格入股影速集成，后陈某某以1000万元受让傅某某实际持有的股份。
renew
@tombkeeper
“咱哥俩关起门来说啊……老头子这到底是图的啥？论钱，几辈子花不完；论权，还有谁比他权大？媳妇又漂亮，儿女也孝顺——他心里到底还想要啥？”福奇听到这里，抬起头，笑了笑。把烟屁股往地上一扔，踩熄了。又从桌上抓起瓶燕京，一仰脖，只听：“懂懂懂懂懂懂懂懂懂懂懂懂……”
才2100万美金，感觉不贵啊//@八大山债人:3%到8%房价？。。#债见#。。 //@数知实验室:请教专家：这个房子正常的运营维护翻新成本一年得多少啊
@悠然米拉
巨星奥黛丽·赫本在瑞士的故居“宁静居”现以 2100 万美元的价格上市出售了。这座位于风景如画的托洛切纳兹镇的二级保护建筑，距离日内瓦仅 30 分钟车程，曾是奥黛丽·赫本长达 30 年的私人避风港，一直到 1993 年她去世。这座占地 40 多英亩的庄园拥有 12 间卧室和 8 间浴室，配有 5 个壁炉、一间书房和一部电梯。户外设施包括一个 50 英尺的恒温游泳池，和可容纳 15 辆车的停车场。这个庄园还有赫本亲自栽种的白玫瑰灌木丛——这是纪梵希当年为她 60 岁生日送的礼物。🌸🍃
@indigo
Llama 4 发布！多模态理解的 MoE 开源非推理模型，暂时超越 Deepseek 成为 LMArena ELO 第一的开源模型。最大支持一千万 Tokens 的上下文窗口，非常适合私有部署做企业内知识自动化👀 模型按规模分为三个版本：Llama 4 Scout- 参数：17B 活跃，16 个专家，总参数 109B- 特点：同类最佳的多模态模型，性能超越前代 Llama 模型，可在单个 H100 GPU 上运行（使用 Int4 量化）；- 性能：在多个基准测试中优于 Gemma 3、Gemini 2.0 Flash-Lite 和 Mistral 3.1；采用轻量级监督微调（SFT）> 在线强化学习（RL）> 轻量级直接偏好优化（DPO）的训练流程，专注于推理、编码和数学领域的提升Llama 4 Maverick- 参数：17B 活跃，128 个专家，总参数 400B- 特点：同类最佳的多模态模型，提供最佳的性能成本比，可在单个 H100 DGX 主机上运行；- 性能：在多个基准测试中击败 GPT-4o 和 Gemini 2.0 Flash，在推理和编码方面与 DeepSeek v3 相当，但活动参数不到后者一半。其实验性聊天版本在 LMArena 上获得 1417 的 ELO 分数；适用于通用助手和聊天场景，擅长图像理解和创意写作；在多文档摘要和代码推理等任务中表现出色，支持多达 48 张图像的视觉理解；Llama 4 Behemoth- 参数：288B 活动，16 个专家，总参数近 2T- 特点：Meta 迄今最强大的模型，作为教师模型通过蒸馏技术提升其他模型性能；仍在训练中，未正式发布；- 性能：在 STEM 基准测试（如 MATH-500 和 GPQA Diamond）中优于 GPT-4.5、Claude Sonnet 3.7 和 Gemini 2.0 Pro；作为教师模型，通过新型蒸馏损失函数（动态加权软硬目标）提升 Llama 4 Maverick 的性能；后训练中剔除 95% SFT 数据，结合大规模 RL 和动态提示过滤，显著提升数学、推理和编码能力。Meta 的官方介绍文档：Llama-4 原生多模态人工智能创新新纪元的开端 网页链接
//@八大山债人://@高飞://@dingtingli:假期花了几天时间断断续续地看完了 AK 的这个视频，借用梁博的一句宣传语：这是文科生都能看懂的大模型教程。
@高飞
#模型时代# Andrej Kaparthy 3小时讲座4K版：如何深入理解ChatGPT等大语言模型这个讲座Andrej Kaparthy已经发布几天，由于实在是太长，3个半小时之巨。用我的AI工作流处理的时候，也遇到过多次崩溃，但最终还是整理出一个版本。这个讲座的价值意义，就不用我多做介绍了，含金量百分之一万。而且，既然已经很长了，所以干脆传一个4K 版本，这样PPT上的字符更清晰。接下来，直接附上讲座的原始简介，以示尊重（其实是我自己还没听完）：***Andrej Kaparthy：这是面向大众的深度探讨，介绍为 ChatGPT 等相关产品提供支持的大型语言模型（LLM）AI 技术。内容涵盖了从模型开发到思考模型“心理”的心智模型，以及如何在实际应用中最大化地使用它们的全部训练过程。我在大约一年前已经发布过一个“LLMs 简介”的视频，但那只是一次随意演讲的重录。因此，我想重新回来做一个更全面的版本。个人简介：Andrej 曾是 OpenAI 的创始成员（2015 年），之后在特斯拉（Tesla）担任 AI 高级总监（2017-2022 年），现在是 Eureka Labs 的创始人，该机构正在建设一所 AI 原生的学校。他在本视频中的目标是提高人们对 AI 最新技术状态的了解和理解，并帮助人们有效地在工作中使用最新、最强大的技术。更多信息可见 karpathy.ai/ 和 x.com/karpathy00:00:00 介绍（introduction） 00:01:00 预训练数据（pretraining data） 00:07:47 分词（tokenization） 00:14:27 神经网络输入/输出（neural network I/O） 00:20:11 神经网络内部结构（neural network internals） 00:26:01 推理（inference） 00:31:09 GPT-2：训练与推理（GPT-2: training and inference） 00:42:52 Llama 3.1 基础模型推理（Llama 3.1 base model inference） 00:59:23 从预训练到后训练（pretraining to post-training） 01:01:06 后训练数据（对话数据）（post-training data, conversations） 01:20:32 幻觉、工具使用、知识/工作记忆（hallucinations, tool use, knowledge/working memory） 01:41:46 自我认知（knowledge of self） 01:46:56 模型需要 tokens 来思考（models need tokens to think） 02:01:11 分词再探：模型难以处理拼写（tokenization revisited: models struggle with spelling） 02:04:53 不平滑的智能（jagged intelligence） 02:07:28 监督微调到强化学习（supervised finetuning to reinforcement learning） 02:14:42 强化学习（reinforcement learning） 02:27:47 DeepSeek-R1 02:42:07 AlphaGo 02:48:26 来自人类反馈的强化学习（RLHF, reinforcement learning from human feedback） 03:09:39 展望未来（preview of things to come） 03:15:15 跟踪 LLM 的发展（keeping track of LLMs） 03:18:34 在哪里找到 LLM（where to find LLMs） 03:21:46 总结（grand summary） 高飞的微博视频