@金融八卦女

王思聪上海的房要卖了，挂牌1亿，据说8500万可以随时成交 ​​​

@新华社

#推动中长期资金入市实施方案#【推动中长期资金入市，六部门联合印发实施方案】#六部门印发中长期资金入市方案# ​​​记者1月22日从中国证监会了解到，近日，经中央金融委员会审议同意，中央金融办、中国证监会、财政部、人力资源社会保障部、中国人民银行、金融监管总局联合印发《关于推动中长期资金入市工作的实施方案》。　　证监会信息显示，方案主要举措包括五个方面：一是提升商业保险资金A股投资比例与稳定性。二是优化全国社会保障基金、基本养老保险基金投资管理机制。三是提高企（职）业年金基金市场化投资运作水平。四是提高权益类基金的规模和占比。五是优化资本市场投资生态。　　方案坚持目标导向、问题导向，加强顶层设计、形成工作合力，既立足当下、更着眼长远，重点引导商业保险资金、全国社会保障基金、基本养老保险基金、企（职）业年金基金、公募基金等中长期资金进一步加大入市力度。

@t0mbkeeper

陈奕迅和赵本山在曼谷的巡演都取消了。过拟合一点的话，那就是泰国庇护的电诈势力也要被打击了。希望不是过拟合。 ​​​

@賣勾靠杯

新加坡媒体太猛了！大正脸和在地铁尿尿的画面直接挂出来！ ​​​

@宝玉xp

模型被问的最多的一类问题是：“你是什么模型？你的开发者是谁？”，然而你有时候并不能得到准确的答案，很多模型会自称是 GPT-4 或者 Claude，但实际上它们并不是。而造成这种问题的原因就是这些模型是用其他模型的数据“蒸馏（Distillation）”而来的。最近中科大、北大、零一万物等六家机构发表了一篇论文《Distillation Quantification for Large Language Models》就是研究这些大语言模型蒸馏程度的。其中蒸馏程度最低的是 Claude、豆包（Doubao）和Gemini，其余模型或多或少都用到了蒸馏的数据。（注：论文中将 GPT 作为了参考模型，所以不在列表中）可能很多人对“蒸馏”还不够了解，模型蒸馏（model distillation）是一种将大型语言模型（LLMs）中的知识迁移至更小模型的技术，旨在构建资源高效且性能优异的模型。如果说 Claude、豆包这样没蒸馏过的模型是师傅（大型、强大的教师模型），那么他们把做菜的流程和秘方（知识）传授给徒弟（体量更小、推理更快的学生模型），使徒弟也能烹制出近似的美味。这样，餐厅每天接待大量客人（处理成千上万的推理请求）时，就可以让徒弟先顶上去——既省时也省钱。不过，“蒸馏”与“非蒸馏”各有利弊。- 蒸馏模型 - 优点：体积小、速度快、成本低，容易大规模部署。 - 缺点：有时会模仿教师模型的回答习惯和视角，甚至失去“自我风格”，导致某些场景下的创造性或差异化不足。- 非蒸馏模型（“原生”大模型） - 优点：拥有更多参数、更完整的知识图谱，能够展现更高的上限性能，回答可能更有深度或创造性。 - 缺点：运行成本高、资源占用大，对硬件依赖度较高。简单来说就是蒸馏模型速度快成本低但能力要弱于非蒸馏模型。所以现在处于领先地位的还是那些拥有非蒸馏模型的公司，之前就有传闻，说这些顶尖的模型研发公司，都会先把内部最庞大、最先进、但也最昂贵的大模型“藏”起来，让它做幕后“教授”，为外部用户提供的是经过它蒸馏、但同样性能不俗的“学生模型”。这样做有两个主要目的：一是减少大规模使用所带来的昂贵算力消耗；二是将先进大模型用于内部继续迭代和产生更强的训练数据，形成良性的自我升级循环。蒸馏和非蒸馏技术上没有绝对好坏，从我们普通用户的角度来说，一方面希望模型能力越来越强，这就需要那些如GPT、Claude、豆包、Gemini等“非蒸馏”核心技术做支柱，让模型越来越强；另一方面又希望模型能便宜高效，这就需要从这些先进的模型中“蒸馏”出接近这些模型能力，但更快更便宜的小模型出来。有兴趣的可以看看《Distillation Quantification for Large Language Models》这篇论文：网页链接

@微博美股

【#特朗普回应发币#】特朗普回应发币：我不知道它（TRUMP币）是否获利，我对它了解不多，只知道我推出了它。我听说它非常成功。TRMUP币短线跳水，短线一度下跌10美元，最低报35美元水平。 ​​​