@梁斌penny

房子这东西，前几年涨价让很多不具备买的条件的同志买了。。现在降价，让很多具备买房条件的人不敢买。。我认为主要是房子价格太贵了，流动性太差了，激发了同志们的贪婪和恐惧。现阶段，应该有个方案让同志们放心买房，不怕跌就好了。如果继续这么熬着，熬到底部，像日本这样就惨了，时间耗不起啊

@阑夕

郭明錤的推测数据：iPhone 16首周末预购销量和去年同期相比下降12.7%，iPhone 16/16 Plus其实分别涨了10%和48%，但基本款早已不是苹果新品前期的出货主力，iPhone 16 Pro/Pro Max跌了27%和16%，主要原因在于Apple Intelligence也还没有搭载到推送到这批新机上，以及中国市场的竞争。 ​​​

@大河报

【#三只羊所售茅台已有72瓶不符合正品特征#】近日，辛选客服称，在三只羊团队直播间购买了争议商品兔年生肖茅台的消费者，需要提供广州中九检测机构出具的电子溯源码，该机构将会提供7天免费鉴定服务。上述检测机构法人等方面接受@大河报 记者采访时介绍：9月12日至14日，已检测出72瓶“三只羊争议茅台”不符合正品特征。其中一些是“拔头酒”（通过将酒瓶瓶盖拔出，将酒水掉包的方式作假），也有一些是“假盖假喷”酒，以及拔完头，将内盖换掉的酒。#美心月饼直播间晒报关单# 辛选指定茅台鉴定机构称：已检出72瓶“不符合正品特征”

@奶油五花肉s

纹身教学，分步详解一学就会 不吃草莓的小奶瑶的微博视频 ​​​

@t0mbkeeper

昨晚我妈打电话说自己不行了。她说中午开始腹泻，去医院看了，开了药，但吃药也没见好，一下午腹泻十多次，到晚上人已经站不住了，手发凉，嘴发麻，心发慌，说话都没力气。我一听，大概知道咋回事，揣一盒口服补液盐就过去了。到了一看，我妈已经强撑着把洗漱用品换洗衣服都收拾好，装了个包，就等我打 120 送她住院了。我看了一下血生化、血常规、大便常规化验单，又看了医院开的药：两盒中成药，一盒益生菌，一盒抗生素。然后我把补液盐给她泡了一杯，让她先喝着。我告诉她应该没大事，让她别怕。她觉得拉肚子就不该喝水，越喝水不是越拉吗，而且这么严重了，怎么可能喝杯水就好。不过我妈毕竟比较信任我，所以也就拿起那一大杯补液盐慢慢喝了起来。十来分钟后，她说手已经热了，嘴也不麻了，觉得很神奇。然后我就跟她聊天，又过了半个小时，一杯喝完，她感觉自己还魂了，闲不住要收拾屋子，还要给我拿东西吃。我说你别拿，拿了我也不吃，你这是病毒性肠胃炎，是传染的。然后我告诉她如果还腹泻就接着自己泡补液盐喝，这个病顶多两三天就好了，医院开的那些药都不用吃。然后她就很激动，觉得当初送我去学医是很明智的。我说这个跟学医肯定有点关系，但关系也没那么大，你去医院不也没给你开这个吗？PS：世界卫生组织在 1978 年制定的《腹泻病控制规划》中就提出推广口服补液盐，我国卫生部门也积极响应，制定了我国的《腹泻病控制规划》，并提出了感染性腹泻患者口服补液盐使用率 80% 的目标。但直到近几年，这个使用率还不到 50%。

@美食家大雄

#女子吃了冰箱一盘熟牛肉引发败血症#牛肉放了几天没说，是否封了保鲜膜没说，拿出来是否加热后食用没说，冰箱里的卫生情况以及生熟分开情况没说。合着就是怎么惊悚怎么来，吸引眼球吓唬人呗。。。现在的媒体啊。 ​​​

@宝玉xp

去年 Jim Fan 有一个对传闻中 Q* 的预测(网页链接)，现在结合刚发布的 o1 来看基本上都是准确的！ Jim 将 Q* 和 AlphaGo 做了类比，猜测 Q* 可能类似于 AlphaGo，是通过与自己之前的版本进行对弈，自我对弈不断进步，甚至于架构都是类似的。AlphaGo 的架构核心有四个组件：1. 策略神经网络（Policy NN，学习部分）：负责选择下一步最有可能赢的走法2. 价值神经网络（Value NN，学习部分）：评估当前棋局3. 蒙特卡洛树搜索（MCTS，搜索部分）：模拟从当前位置开始落子的多种可能，类似于人类在算棋步（假如我放在A位置，那么对手可能下在哪几个位置，然后我再下一步怎么应对……）4. 输赢判定：根据围棋规则判定谁赢了。这个架构的神奇之处在于整个训练过程不需要人类干预，可以像一个“永动机”一样，完全机器自己跟自己之前的版本学习，自己提升自己。这里面的关键在于围棋有很清晰的输赢判定规则，所以机器可以根据输赢结果知道自己选择路径的好和坏，从而可以对模型行为进行奖励或者惩罚，来提升模型的能力。但对于大语言模型来说，难点在于：1. 它是快思考，没有类似于蒙特卡洛树搜索这样慢思考2. 很难判定生成结果的好坏Jim 认为可以借助数学问题来训练大语言模型，并提出了他对于 Q* 的四个组件的猜想：1. 策略神经网络：由 GPT 生成解决数学问题的思维过程。（从 o1 的表现来看，这一步应该产生的是思维链）2. 价值神经网络：另一个 GPT，用于评估每个中间推理步骤的正确性概率。不仅仅对整体输出作出判断，而是对思考链中的每一步提供反馈。（现在 o1 能写出高质量的思维链和这个有很大关系）3. 搜索：语言模型的搜索不同于围棋中的搜索，这里对应的其实是推理，也就是借助思维链找出推理中的最优解。当然除了CoT，还有思维树（Tree of Thought），将 CoT 和树搜索结合起来；还有思维图（Graph of Thought），将树进一步变成图。（至于 o1 是不是应用到了思维树和思维图，由于其没有公开，现在还不好肯定）4. 输赢判定：有几种可能 a) 根据推导数学问题得出的答案是否正确来判断 b) 根据生成的思维链，判断推导过程的结果，即使答案不对，但是推导过程正确也可以获得部分奖励 c) 将数学问题变成代码，执行程序运行结果。现在已经有 Lean 这样的工具可以将数学问题变成代码了。按照 Jim 的这个设想，负责策略神经网络的大语言模型和负责价值神经网络的大语言模型，就可以相互训练相互促进，有了更强的策略大语言模型后，又可以帮助搜索组件探索出更好的搜索策略，就像 AlphaGo 那样成为一个“永动机”，自己一直训练自己。现在来看，o1 在数学和编程领域表现突出，也侧面印证了它是充分利用了数学问题和代码问题来进行训练。但问题在于仅仅使用数学领域和编程领域的数据训练，能力是否可以泛化到其他领域？这也是决定了 o1 这条路径能否通向通用人工智能 AGI 的关键。从演示和体验来看，在文字解密领域也是很强的，不知道是否是能力泛化的结果，还是也有专门的训练。另外 o1 在写作方面，表现不如 GPT-4o，也许就像 Jim 说的：> 我所描述的仅仅是关于推理的部分。并没有说 Q* 在写诗、讲笑话或角色扮演方面会更有创造力。提升创造力本质上是人类的事情，因此我相信自然数据仍会胜过合成数据。 #openai发布最强模型o1#

@评点一哥

清华专家刘嘉谈各国AI水平: 美国是第一梯队，且是唯一的，然后是英国，德国，然后才是中国，中国应该是第二梯队相对靠后的。建议这位躲在高校做学术的所谓专家，还是闭嘴吧，不是一线研发不从事前沿相关技术，不要动不动高谈阔论。跪久了，不会站直了，还是听听头部科技企业的人是怎么说的吧：谷歌前CEO施密特刚刚在斯坦福演讲，说现在有资格参与AI竞争的只有中美，其他国家只能选边站。