感觉金额不大啊//@八大山债人:这人当了省jw常w，才开始贪，前面都很清明？。。。#债见# 。。。//@一米单车一米路:平均一年500万？//@91道格苏:Leader 苦啊……//@麻辣牛肉干2024 :无人生还//@圆周率等于31415926 :乖乖隆地咚，倒茶到上世纪
@财新网
【20岁当副局长 60岁高官商黎光受审】20岁当副局长 60岁高官商黎光受审 边腐边升24年，山西省委原副书记、政法委书记商黎光被控受贿1.04亿余元。据洛阳中院微信公众号消息，10月24日，该院一审开庭审理了商黎光受贿案，披露上述信息。商黎光被控受贿的行为始于1999年。洛阳检方指控，1999年至2023年，商黎光利用担任河北纪委常委、秘书长、副书记、常务副书记，秦皇岛市委副书记、市长，沧州市委书记，河北省委常委、秘书长，山西省委常委、政法委书记，山西省委副书记等职务上的便利以及职权或者地位形成的便利条件，为有关单位和个人在企业经营、工程承揽、案件处理、职务晋升等事项上提供帮助，直接或通过他人非法收受上述单位和个人给予的财物，共计折合人民币1.04亿余元。检方提请以受贿罪追究商黎光的刑责。
@观察者网
【美国智库出主意：咱们去偷中国工程师】#美国智库总监建议去偷中国工程师# 中国人工智能初创企业深度求索（DeepSeek）的成功引发了硅谷的震动，有关吸引中国工程师的言论开始在华盛顿悄然传播。据香港《南华早报》报道，当地时间1月30日，在美国国会参议院外交关系委员会召开的听证会上出现了有关美国应欢迎中国最优秀的科学人才进入其大学，以与中国大陆在人工智能领域取得的成功进行较量的言论。“让我们偷走他们最好的工程师。”总部位于华盛顿的美国智库大西洋理事会的全球中国中心高级总监哈特（Melanie Hart）说。谈及DeepSeek模型背后的中国人才时，哈特称，“如果这些工程师在美国工作，我们的处境将会更好。”她继续说道，为了实现这一目标，必须让来自中国大陆的学生在美国感到安全。她声称，在让中国科学家感到安全这一点上，“我们可以击败中国”。
这位可能来自百度戒色吧……//@来去之间:这法律怎么执行…//@慕有枝613:哈？
@internet-garcon-pdf
终于轮到美国男的了，密西西比州拟禁止男性手淫密西西比州民主党参议员布拉德福德·布莱克蒙（Bradford Blackmon）本周提出一项法案，旨在禁止男性在 “无意图使胚胎受精” 的情况下自慰或进行其他性行为。这项名为《避孕始于勃起法案》（Contraception Begins at Erection Act）的提案规定，“任何人在无意图使胚胎受精的情况下排放遗传物质” 均属违法，但精子捐赠和使用避孕措施防止受孕的情况除外。该法案于1月20日提交，拟对初犯者处以1000美元罚款，第二次违规罚款5000美元，后续违规每次罚款1万美元。尽管该法案在共和党主导的州议会通过的可能性极低，但若意外通过并由共和党州长泰特·里夫斯（Tate Reeves）签署，将于2025年7月生效。布莱克蒙在向电视台发表的声明中称，近年来各州议会提出了大量针对女性生殖健康权利（尤其是堕胎和避孕）的法案，而男性责任却长期被忽视。“全美各地，尤其是密西西比州，绝大多数关于避孕或堕胎的法案只聚焦女性义务，而男性本应承担50%的责任，” 他写道，“这项法案旨在强调这一事实，将男性的角色纳入讨论。人们可能愤怒并称其荒谬，但这不会困扰我。”自2022年最高法院推翻 “罗诉韦德案”（Roe v. Wade）、废除宪法堕胎权以来，共和党主导的州持续收紧堕胎及避孕限制。据健康政策研究组织KFF统计，目前包括密西西比州在内的12个州实行完全或近乎完全堕胎禁令，另有6个州禁止怀孕6至12周后的堕胎。支持堕胎权利的研究机构古特马赫研究所（Guttmacher Institute）数据显示，截至2024年中，全美8个州已通过或提议限制女性避孕权利。#2025新愿加载中# //
“我也在体制内干过很久，我理解文宣喉舌们这些激昂故事的作用，毕竟放着房地产不救去搞新质生产力本身就要很大的勇气，在中国这么个看似很团结其实很不容易团结的社会里，多打打鸡血总比不大鸡血强。”
@投知君君
人与人之间的无法共情，大部分来源于彼此的经历各不相同。比如有部分小粉红会骂君君，你似乎对于Deepseek能战胜美国，并不高兴，所以会线性外延的推定，我是假的理中客，是美帝国主义的狗腿子。换位思考一下，如果我是他，刷到一堆热烈的情绪里，蹦出我写的这么个玩意，大概率也会做出类似的情绪感知和逻辑判断。而事实上“我并不感觉到高兴”的底层原因，是我有过很类似的“打败美国”的科研和产业化项目经历，我压根没觉得美国就如何如何了，在很多领域超越它，难道不是很正常的事么？在我那个不起眼的细分芯片技术领域，我算是国内培养的第一批纯土鳖博士之一，我们最开始起步的时候，就是导师从加拿大拿回来的那几本书，几页纸，我们也是从盗版EDA软件上一点点这么被卡着脖子做起来的，我过去科研圈很多朋友，他们都有类似的经历。包括被美国和欧洲同行带偏技术迭代方向的事，那都是家常便饭了。在我那个领域，某著名前美国芯片公司（现在已经被中国某上市公司收购了）最开始很少搞process pre-simulation，因为他们不相信数据模型化的工艺流程，更倾向于做USD玩家，就那么一个LOT，一个LOT的run，然后数据SIMS分析出来了，再一股脑灌到仿真器里硬怼建模。我们这些国内土鳖那时候哪有这种财大气粗的烧包搞法.....都是靠一群国内自己培养的半导体物理博士生一个个理论模型去试，内部PK拿到最接近实际工艺表现的模型，再去对着它小心翼翼的下工艺参数去做recipe，拿到一组SIMS结果像宝贝一样，大家轮番上阵去做模型调试去逼近它。最后结果怎么样？他们被我们收购以后，看到我们只用了它20%不到的验证成本，获得远超过他们的工艺验证能力以后，也很坦诚的修正了自己的工作流程，向我们靠拢了。而且，这个相互纠偏的过程里没什么仇恨，大家都是为了生意，你抄我的，我抄你的，每年开IEEE的那些会，大家都是捧着啤酒杯聊技术，该聊黄一样聊的嗨起。技术开发这个领域，它不是停留在文宣喉舌上的那些慷慨激昂的故事，它更多的是细水长流，潜移默化，技术最核心的生产力，是人，对家想卡住技术是它的自由，它投入了资本不愿意共享，那就这样咯。只要我们有人，在现代这个技术扩散路径早就全球化的当下，保持资本投入我们早晚也能搞出来，焦虑个茄子......我也在体制内干过很久，我理解文宣喉舌们这些激昂故事的作用，毕竟放着房地产不救去搞新质生产力本身就要很大的勇气，在中国这么个看似很团结其实很不容易团结的社会里，多打打鸡血总比不大鸡血强。但是，要允许，宽容更多元的声音，总不能要求，我们走过某些路径的人，都和没接触过这些过程的小粉红一样，很激动吧？激动不起来我总不能骗自己去激动，哪有那么多戏.....一个国家的自信，就是走路走出来的，我走过了，不激动，你也走过了，也不激动了，这个国家也就真的不用每年喊自信了，朋友圈这东西，缺什么才喜欢晒什么，啥时候不晒了，才真说明这玩意很富裕了。要接受一部分平视美国的声音，不敌视，不代表是在舔他，真正的敌人都在自己内心，在自己内部。至少在技术进步这个领域，我们中国不需要敌视任何人，我们也是在为人类福祉努力，我们要大胆喊出来，而不是骂过去。如果让幻方的梁总出来回复大家，我估计他也会耸耸肩，用“敌人“的语调说，“relax, take it easy”
当年美苏争霸是真的争霸。莫斯科觉得自己是罗马-君士坦丁堡的继承者，华盛顿也觉得自己是第三罗马帝国。而且两边都是基督教文明，而基督教文明就忍不住要传教，美国到处推广自己的意识形态，苏联也到处推广自己的意识形态。两边在生态位上针锋相对。中国和美国的竞争关系其实主要是经济上的。近半个世纪来中国对于输出革命已经没有兴趣。事实上中国目前的这套体系在没有儒家文化传统的地区可能也根本转不起来。但也正因为两边文明差异比较大，距离比较远，建立信任也比较难。但只要类似难民涌入小红书这样的民间交流多一点，也不是没有可能。从另一个角度来看，韩国无论地理上还是文化上距离中国都很近，但韩国人最讨厌的国家就是中国（参考：theqoo.net/square/3244632546）。
今天的盲猜关注列表活动开始啦！//@成天干饭的安保们:这不是反串通稿吗？
@t0mbkeeper
有人说这些正能量饲料可能是 DeepSeek 写的。我看了一下，DeepSeek 写的应该比这强。
预训练过程主要是学习文法，句法，和基本的常识回答，这部分主要是概率生成阶段，回答不了非常复杂的问题，非常复杂的问题主要靠SFT和RL。也就是在监督环境下，给大模型投喂高水平的（有答案）的数据。这个答案可以是人类答案，也可以是机器答案。问题可以是人类问题，也可以是机器生成的问题。现在预训练需要的数据，各家都基本差不多了，但是有监督的训练数据是真正的竞争要点，这种有答案的数据（也可以说是有标注的数据）能给大模型提供足够大的误差（Error），从而获得高水平参数调整的机会。小扎说今年是非常激烈的一年，我认为，技术的发展非常快，应用的发展显然慢了一些，垂直数据，特定数据的需求还没有井喷，市场成熟需要时间，我们作为最接近市场的，会随时给大家带去最新报道，谢谢。
有网友问，“数据标注都标注些什么，你提到用大模型来标注，大模型标注的数据给大模型训练，大模型不是永远没法提高嘛？”这个问题，首先要从大模型的原理出发，大家可以想象大模型是一个内容发生器，根据一个序列信号，生成下一个信号，然后这个生成的信号加上之前的信号，再生成下一个信号，循环往复，直到达到某个约定的停止条件。大模型标注也好，人类的标注也好，准确性肯定都是不够的，大模型准确率差，成本低，人类准确率好，成本高，需要结合起来用。举个例子，大模型判断一个图片里面有没有老虎，这个准确率是70%，那么用大量图片过这个大模型，得到100万张老虎图片，70万张真老虎，30万张是错误的，当然，图片数据集可能还有200万张老虎图片没有识别出来。现在人类对这100万张老虎图片，随机抽取1万张，来打标，7000个图片是人类判断的真老虎，3000个机器认为是真老虎，而人类认为不是真老虎。于是把这1万张人类判断过的图片给大模型SFT，模型能力得到提高，对100万张老虎图片用升级后的模型再来处理，此时可能90万张被判断是真老虎，10万张是假老虎，再对10万张假老虎，再用人工打标其中一小部分。循环往复，大模型就会不断提高召回和准确率。最终依靠人类智慧，逐步提高大模型对老虎的识别能力。机器+人工的过程如果能够理解的话，仅靠大模型来标注是一样的，假定模型A和模型B在识别老虎方面有差距，那么就拿模型B对数据打标后喂给模型A做SFT，那么模型A的水平就逐渐提高了。更关键的是，这一点非常关键，随着模型越来越强大，最终各家大模型水平都差不多的时候，要想脱颖而出，提高正确性，必须让模型自己能推理，合成出新数据出来解决标注数据不足和质量不够的问题。最终一定要甩开人类的羁绊，才能奔向真正的自由探索之路，毕竟人类太慢了。。人类搞围棋搞这么久，几个研究员稍微搞个Alphago就远远超越了人类数百年的探索。同志们，硅基智能目前还在婴儿期，离不开人类标注的辅助，但这个拐棍迟早要丢掉的，同志们。不过硅基智能的探索也要有边界，也需要坚持党的领导，坚持应有的路线，所以人类标注永远不会完全丢弃，毕竟要为人类服务。