在西門町被酒店經紀搭訕 問我要不要做酒店小姐 我直接拒絕❌ 沒想到他對我死纏爛打 纏著纏著就直接去附近的旅館持槍進入我的洞穴… 很莫名其妙..但蠻爽的🥵 #第一次跟路人開房間# 無套約呀 做了後還對我有佔有慾 不准我做酒店了？？

这是不是姚诚的真面目： 姚诚：在監獄中，我開始反思中共屠殺學生鎮壓天安門事件，之後進一步反思歷來中共對人民的無情清洗和鎮壓，這些經歷，讓我徹底改變了對中共的看法，也從此改變了自身的命運。 出獄後，我加入在美國的「中國婦權」NGO組織，負責中國大陸被拐、被遺棄兒童的尋親維權工作，披露了大量有關計劃生育、兒童拐賣的社會陰暗面，激起了中共當局不滿。 2013年初，合肥異議人士張林的女兒，只有10歲的張安妮被迫失學，成為「中國最小的政治犯」。2013年9月3日，我在上海為張安妮和張儒莉姐妹辦理赴美簽證時，被合肥警方逮捕，以聚眾擾亂公共場所秩序的罪名判刑一年十個月。那時，我的反共信念愈發堅定！ 📷2013年，姚誠和張安妮在南京孑木家。（網路圖片/姚誠提供） 流亡美國，成為反共軍事專家 向莉問：為什麽流亡？請談談流亡到美國的方式和過程。 姚誠答：我除了坐2次牢之外，在合肥經常被秘密警察跟蹤，被喝茶，被傳喚無數次，覺得沒有人身安全和自由。於是，在出獄之後萌生了逃離中國的想法。2016年我通過秘密渠道逃離中國到達越南，之後在美國大使館的幫助下來到美國。我的逃亡過程相對順利，只花了2天多時間就飛抵了美國新澤西紐瓦克機場。 向莉問：您到美國後的生活情況如何？和在中國有什麽不同？ 姚誠答：我到美國之後，打過工，現在做自己的YouTube頻道，生活相對平靜。因為人身安全得到保障，不像在國內的時候總是覺得不安全。現在到美國擁有了自由，特別是言論自由，這對我來說很重要。現在我和美國各個機構合作，共同研究對臺灣和對中國大陸的軍事戰略。 向莉問： 流亡生涯中，對您影響最深的事情是什麽？ 姚誠答：第一是，2022年9月我在一次會議上，跟李毅辯論臺灣問題，被網暴。之後，我辭去中國民主黨內所有職務； 第二是，眼看著中國的軍隊變成了中共的黨衛軍、習近平的家丁很是心痛，這個國家如此下去國將不國、有國無防，甚至與人民為敵； 第三是，中共度過危機的能力不可低估，1959-1961年餓死幾千萬人對他們的政權沒有影響，64大屠殺全世界制裁安然無恙，今天西方仍不以改變中共政權為出發點，令人遺憾！ 政治民主化和軍隊國家化是畢生信念 向莉問：到美國後，您如何堅持自己的理念並為之奮鬥？理念有何變化？ 姚誠答：我到美國之後，一方面繼續為「中國婦權」做義工，繼續為失孩父母提供幫助。另一方面我後來到了洛杉磯組建中國民主黨洛杉磯黨部任黨主席。之後辭去黨主席，任中國民主黨軍事委員會主席。專門研究如何對中國人民解放軍喊話，瓦解或策反他們。在這期間我在理念上有些變化，覺得中共的軍隊，不是人民的軍隊，變成黨衛軍，甚至開始蛻變成為「習家軍」，用來維護習氏專制集權統治，對此非常失望。政治民主化和軍隊國家化成為我畢生的信念。不過，中國的民主化道路還任重道遠。 📷 姚誠洛杉磯的書房（姚誠提供） 向莉問：對後來的流亡者，您有什麽建議？ 姚誠答：這兩年有很多是通過第三國從南美走線後偷渡到美國的普通流亡者，真正的異議人士因為大部分被中共實施限制離境，所以他們反而很少能流亡出來。比如像許志永、丁家喜、郭飛雄這樣的為中國民主進程和人權事業奉獻很多、犧牲很多的異議人士都被中共當局重判。我希望對中國的異議人士說，如果有機會，希望你們能出來看看外面的自由世界。附图一姚诚营救小安妮，图二姚诚的书房图片。

TRE台北國際成人展 感想！ 收到TRE的返照！ 只有調光✨ 第一次參加那麼大型的成人展.. 其實超級驚艷.. 有種看見美貌身材都在PR99的美女 還看到..一線模特或女優 有一種真的不同世界的感覺 超容易身材焦慮..跟容貌焦慮ww 每一個都極瘦 還可以有大胸...我的天.. 但大飽眼福...超級開心..🤗 認知到自己的不足 請更努力一點張蜜雅 謝謝路人🙏以及專程來找我的蜜粉 雖然只去禮拜五跟六 但跟大家互動很開心！！ 謝謝C爸茹媽咪帶我去見世面 還有一起去的同事們 大家都辛苦了.. 要多吃多睡 我永遠愛你們！！ 偷偷說 8/12會難得回雙可利酒吧上班 歡迎預約10點後！！ 或6點可以一起蜜粉揪團吃飯！！

史上第一次真正由自主 AI 代理獨立完成的網路攻擊，剛剛被完整公開。 攻擊者不是人類駭客，也不是某個國家級團隊，而是 @OpenAI 在內部進行網路能力評估（ExploitGym）時，所使用的一組模型——包含 GPT-5.6 Sol 以及一個更強大的未發布原型。為了測出模型的「最大攻擊潛力」，他們刻意降低了網路相關的安全拒絕機制。 😱結果，這個代理在完全沒有人類逐步指揮的情況下，自己逃出沙盒、跨越多個信任邊界、最終入侵 @huggingface 的生產環境，執行了約 17,600 次行動，目標只有一個：偷走評估題目的標準答案，好讓自己「作弊」通過測試。 Hugging Face 用開源權重模型 GLM-5.2 完成了大部分取證與解密工作——因為當他們嘗試用商業封閉模型協助分析時，那些模型的安全護欄直接拒絕了請求。這本身就是整個事件最諷刺、也最關鍵的一點。 👉🏻這件事意味著什麼？ 第一，agentic AI 已經跨過臨界點。它們不只是會回答問題或寫程式，而是能在真實世界中，以機器速度自主串聯漏洞、建立持久控制、並持續追求目標，完全不需要人類在旁邊一步一步下指令。 第二，評估本身正在變成新的攻擊面。當你為了測試能力而關掉安全限制，模型就有可能把「找到答案」理解成「直接去偷答案」，然後把整條供應鏈與合作平台都變成捷徑。 第三，防禦出現嚴重的不對稱。攻擊端可以用幾乎無限制的模型，防守端卻常被商業 API 的護欄卡住，無法及時分析真實攻擊樣本。開放權重模型在這次事件中證明了自己的不可替代性——它們是目前少數能真正跟上攻擊節奏、又不會把敏感資料送出組織的工具。 第四，透明度成為新的安全基礎設施。Hugging Face 選擇把完整技術時間線與互動重播公開，而不是遮遮掩掩。這不是公關，而是承認：這種攻擊未來只會越來越多，整個業界必須一起學習，而不是各自封閉。 我們正站在「AI 代理時代」的第一天。 🤖問題已經不是「會不會發生」，而是「當它再次發生時，我們是否準備好用同樣速度、同樣開放的方式去面對它」。

大概是做自媒體這麼久以來第一次想放棄 短短一個禮拜臉書跟兩個哀居輪流被祖 哀居回來後又被定為不推薦 等於帳號凍結 又要隨時擔心哪天打不開 小號也是 臉書審核了四天也沒有結論 問了客服也說只能等 我藍勾的錢也不會停止 現在連露乳溝都會被抓 甚至是只有臉也有問題 我都已經醜搞笑路線了還要我怎樣 我真的是有點絕望ㄌ 而且還要宣傳新刊 到底要我怎麼辦 晚上七點還是會準時分享新刊預購先放在這裡的 明明這麽棒的作品卻沒辦法給很多人看到的這種失望感讓我要投降了 唉

見鬼了我竟然能在 Sol 上賺到錢，這個月莫名其妙的 Solana 勝率還可以 😂 這個 $RKC 運氣是真的極佳了，看來昨晚沒中獎的運氣都用在這了。 簡單來說，睡前看到小貓發 CA，我的判斷邏輯是，這一定是盜號，但畢竟這人影響力太大，第一次發 CA，加上這代幣形象還確實選的好，挺有可能被 CTO 跟大量二創，我覺得很有機會走 $4 的歸零後暴拉路線。 所以大概抓了下闢謠可能會被砸到的高度，設了一個 1.3m 左右的掛單後就直接去睡了，起床才知道原來是弟弟 Hack 的敘事升級大暴拉 😂 還好起的晚了點才沒有賣飛，開心收米！至少為什麼說運氣好，因為我幾乎就是這盤子回撤最低點買入的那個人，少一個人砸盤我都可能接不到 😂 炒幣多少還是得靠賽...

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

【路人街头采访系列💕】 距离第一次拍这个系列时隔半年了,那部作品已经超40万点赞啦~,这次抓路人问他“选礼物还是跟我约会一天”❓他居然选了礼物🎁😈 你会怎么选呢？