七步民主教主席、发币革命先驱多伦多方脸说我批评川普是反对美国，还是受人指使。还把OpenAI的一篇报告作为佐证。我之前知道他坏，但不知道这么坏。这事倒是可以给大家做个网络水军科普。 我作为一个自媒体人，邮箱每天都会收到有组织，成规模的水军邮件骚扰。这些邮件应该来自国内缝纫机大军。除了谩骂威胁的之外，比较明显的就是OpenAI报告中提到的“伪装投稿”。这类邮件有两个目的： 一是挑拨离间，他会根据自媒体人之间的互动，伪装成某个大v的粉丝，故意谩骂，挑拨关系，以达到掀起骂战的目的。二是伪装成华裔民众，针对美国当下的争议问题投诉，以期转述。这也是OpenAI报告中说的内容。 但是这些水军邮件由于是成批量发送，其行文几乎一模一样，很容易就被识破和拦截，所以一般情况下我根本不看。更不要说受什么影响。我的邮箱和X平台的信息接受都设有限制，这类信息现在直接转垃圾。 我评判时事，比如批评川普的政策，那是2020年国会山事件就开始了，谁能鼓动？美国是美国人的美国，爱它的人才会真正关心的。发币赚钱、喊粉丝“冲鸭”的革命市侩当然不能理解。 多伦多方脸一样会收到这类的信息，只不过内容不同。他揣着明白装糊涂。前天在被我批评之后，恼羞成怒，开始矢志不渝的抓特务了。不过不要紧，大家可以多了解一下。那些天天标榜自己最革命的货色，最终都会走向郭文贵的结局。

在蒙特利尔唐人街一品湘饭店闹事的人（第一张照片），真的是所谓“反共斗士”多伦多方脸（后三张照片）吗？他在X平台上拥有近80万粉丝！如果真是他，此人的人品实在令人失望：口头上高谈民主、自由、人权，现实中却表现得像流氓无赖，不尊重“穷、最低工资的工作人员”，甚至不尊重女性，未免过于虚伪。希望民运人士不要都变成这种样子。 也希望懂照片比对、图像鉴定的专业人士能够协助辨认；同时，也请多伦多方脸本人出面回应众多读者的质疑，明确作出肯定或否定的说明。

反共义和团还在鼓吹一切都是中共大外宣，然后费力谄媚青鸟大本营Threads。 在青鸟大本营里，多伦多方脸这种舔绿义和团一样是“潜伏比较深的第五纵队。”

今天OpenAI 发布了一篇报告 报告显示，中共水军曾经尝试利用ChatGPT生成辱骂性内容 其中辱骂的对象包括李老师，徐某人，多伦多方脸和悉尼奶爸 除此之外，这次OpenAI在报告里还提到了一种新的战术 其中比较典型的案例是，一名前中共警察，在美国的知名YouTuber 中共水军会利用AI伪装成居住在美国的中国移民、留学生和该名YouTuber 进行沟通 目的是鼓励这名前中共警察、YouTuber 发布一些反对美国的内容 OpenAI表示这是一种新的方法，中共利用AI生成的，虚假海外华人身份来影响某些博主，让这些博主不再反对中共，开始反对美国 除此之外，这篇报告还提到 中共的水军会伪装成美国人，批评美国企业建设算力中心的行为，引导美国民众反对算力中心建设，以此来赢得AI竞赛 生成各种文章，批评美国的关税政策，指责美国奉行孤立主义和霸权主义，同时反对以色列和犹太人 利用AI生成舆情监控系统等等 并且除了针对美国人和海外异议人士，台湾也成了中共水军的攻击目标 中共水军公司，会要求生成日语，繁体中文内容以影响台湾用户

【37年后，谁还在谈 #六四？】# 【一场跨越两代人的对话】 37年过去，亲历六四的一代正在老去，而更多年轻人是在审查与封锁中认识这段历史。 #王丹# 和 #多伦多方脸。# 一个是六四亲历者，一个来自互联网时代。 他们如何看待六四记忆的传承？

【#六四纪念馆# 遭破坏】 【“第二届中国论坛”如期举行】 就在“第二届中国论坛”举行当天，洛杉矶六四纪念馆遭不明人士闯入，馆内摄像头被破坏，多件展品遭喷漆损毁。 尽管如此，论坛仍如期举行。#王丹、##林培瑞# 及“#多伦多方脸”等与会者聚焦一个主题：如何推动中国民主运动的跨世代合作。#

据《多伦多星报》报道，加拿大金融交易和报告分析中心（Fintrac）在内部备忘录中判断，加拿大相当一部分加密场外兑换商明知仍协助洗钱、规避制裁，相关活动主要涉及伊朗、毒品收益及跨国有组织犯罪。数据显示，2022 年 3 月至 2026 年 1 月，相关商户累计交易约 3.66 亿美元，完成约 3 万笔提现和近 4 万笔存款。Fintrac 表示，部分商户未按规定报告可疑及大额交易，并存在客户尽调薄弱、记录不一致及隐瞒业务性质等问题。2026 年以来，Fintrac 已撤销 123 家加密企业注册，并对 17 家企业处以合计 2.05 亿美元罚款，向执法机构移交 55 起案件。

AMD 已签约收购多伦多 AI 芯片公司 Taalas，想解决一个很实际的任务：让代码助手、 AI Agent 这类大量生成文本的服务，回答更快，推理成本更低。 Taalas 的办法很激进：把模型权重直接固化进芯片，省掉频繁从外部高带宽内存搬数据的时间和功耗。 其首款 HC1 跑 Llama 3.1 8B，自测达到每位用户约 1.7 万 token/秒。 但这个数字不能直接理解成所有模型都能快十倍。测试用的是较小且已经过时的模型，还采用激进的 3/6 位量化； Taalas 自己也承认，输出质量比 GPU 基准有所下降。 更麻烦的是选择权。GPU 可以换模型，专用芯片却把效率押在一个模型上。模型若有较大改动，就得重新流片； LoRA 这类小规模微调仍能保留，但赶不上如今模型频繁更新的节奏。 所以它最适合的不是普通公司试用新模型，而是模型已经稳定、调用量巨大，愿意用前期制造成本换长期推理成本的平台。 AMD 买到的是一条更便宜、更快的生成通道，也把“选错模型后怎么办”的风险交给了客户。