1 MX 也就是美格纳半导体无疑是最近市场上最靓的仔之一 我在1年前的星球里专门提过这只股票，而他的股价发酵直到今年才跟随半导体大趋势起来，并且一路从2.7涨到了最高9.86，吸引了无数散户冲进来。 2 首先聊一下这只股票的几个核心优势 a 当年14美金报价并购过，但是今天市值只有2-3亿美金，在半导体行业属于超mini类型。任何一家激进的半导体私募或者公司都可以轻松融资买下他 b 24年新换了管理层，新的管理层非常的激进并且务实，定下了一个3-3-3计划，简单来说，就是3年内把毛利提高到30%，并且营收突破3亿美金，按照模型给出的估值，如果这目标在28年可以拿到，公司的股价预估在15-28美金之间是合理的 c 负债优化，现金充沛。后者是因为卖掉了内地的资产和砍了oled的落后产品线，而负债优化是把自持的晶圆厂做了银行授信，优化了资本支出。 d 公司根正苗红，是以前海力士分出来的子公司独立了，属于“皇室血脉” e 目前公司发力的电源是我个人比较赞同的后半场爆发的点 f 欧洲这几天的PCIM展会发布了新产品 顺便发几张场外的记者发来的现场照片 3 接下来聊聊劣势 a 公司发布的新品过多，25年55,26年预计60款，不知道是否可以消化的了 b 和内地企业依然面临严酷的竞争，公司不具有类似aosl那种在某个领域非常强悍的定价权 c 毛利的改善不是公司自己说了算，更多的是竞争关系，举个例子，如果美国现在通过法案，给内地竞品贴了标签不允许美国某些产业采购，就可以显著提高韩国企业的定价权。 4 管理层动作 1 CFO朴信英6月1日买入112,500股，按当时股价约6.2美元算，均价约6.2美元；运营主管李承勋买入30,000股，均价也在这个区间。两人成本都在6美元附近，比当前6.08美元的价格略高一点，说明他们觉得这个位置值得重仓押注。 本段分析来源于我的个人vibecoding 产品 本产品后期会在signalplus2.0内持续更新 2 管理层今年的rsu激励价格在3-5元附近，期权激励预计是在 5-8之间发放，算是一个预期打底，并且股权激励大概率在10月底全部到位，考虑到可以减持估计要到12月底才能开窗口期，这也是我们的持仓周期 接下来的走势做一个简单的判断 目前肯定是剧烈的洗盘，散户直接把预期给拉满了 我心里价位第一次减仓是在15美金，原因如下 目前整个半导体行业的估值是pb 3-4倍，也就是18-24美金， 考虑到mx自有现金1亿美金加分（大部分公司今年扩张债务不低），毛利率低减分，自有韩国生产线加分，今年需要升级减分，这里基本打平，我们按照18美金价格并购 但这里因为其他半导体公司今年股票都暴涨，只需要增发点股票来换购并购就可以了。 可能公布后价格会卡在15美金做一定的折价，基本就可以清仓了 收购方：付出5-6亿美金的股票，拿到1亿现金+生产线+成熟的电源方案和团队，绝对不亏。自家股票反正也是2亿美金拉起来的··· ps：现在韩国市场这个疯狂的流动性，不增发干并购才是愧对了韩国的韭菜们 目前跌到6附近，远端的put可以卖到2-3美金也就是未来可以3-4元拿货，很舒服，不要急着现货加，现货应该等破4再加，会持仓很舒服 同理，你也可以买入现货后直接卖出covered call ，目前918的10元的call可以卖到1美金。你相当于5元买入，10元卖出的自动波段，也有1倍的赔率了。 其他催化剂如果发生，会显著提高估值 包括如下 1 这几天的新产品拿到不错的大订单。 2 现金流可以超预期转正 3 自持的晶圆厂加速升级改造完毕 4 被其他大厂点名合作或者战略投资 5 白毛股神点名··

和1m轮🌿骚肌肉狗 无脑体育生骚🐶 看到爹臭白袜就忍不住发情被爹玩 伪1s看到也忍不住上去帮舔 黑皮🐶看到爹粗硬大鸡坐上来发骚 边抽烟边被操 到最后被两个上翘🐔轮🌿到外翻 内射

33.56 刀追涨 1M $VVV！？🤯 地址 0xd2b…5775e 半小时前从 #Kucoin# 提出 31536 枚 VVV，价值 106 万美元；2 天前他也曾建仓过一次，目前累计已囤积 47758.59 枚，总价值 150.7 万美元，提出均价 $31.57，现浮盈 8.7 万美元 钱包地址 #Bitget# 来了就是VIP！Crypto、美股、CFD，全球先机一站布局

💥 从 21.1M 到 1.1T：52,133 倍的算力跨越 单日 Token 吞吐量呈现抛物线增长：从 4 月 9 日上线首日的 21.1M，到 8 月 31 日突破 1.1 万亿 Tokens。在不到 5 个月的时间内，单日消耗量实现了 52,133 倍的增长！ ⚡️ 指数级吞吐增速：8 月开启陡峭上升曲线，面对海量高并发与重度 Agent 工作流的涌入，底座基础设施展现出极佳的稳定性。 ⚡️ 万亿级架构验证：在极短时间内完成从百万级到万亿级的质变，这是全球开发者用真实代码与高频 API 调用给出的客观选择。 这不仅是一条陡峭的增长曲线，更是全球 AI 生产力向 基础设施大规模迁移的信号。做全球首选的普惠算力与 Agent 金融底座， 正在重新定义 AI 时代的爆发速度！ 👉 即刻接入万亿级算力矩阵：

Apple ML 团队让真人评估者给 2.1 万段多轮对话打分，分界很清楚：共情和边界维护放在 LLM 身上合适，自称有内心状态、暗示和用户有私人关系，放在 LLM 身上比放在人身上更不合适。 《审视 LLM 的人类类似行为：模型行为、用户因素与系统提示词的多维分析》 研究问题。 现在的 LLM 会表达想法和情绪、会跟用户建立关系、也会拒绝请求并维护边界——人类化到用户有时分不清对面是人是模型。但研究者一直缺少方法和经验数据来判断：LLM 什么时候该表现这些行为、该表现哪些。Apple 机器学习团队的 Sunnie S. Y. Kim、Margit Bowler、Leon A Gatys 三人，用四个模型、21,000 段多轮对话做了一次系统性分析。 评估是怎么设计的。 • 行为分类：14 种行为归为三类。自我指涉（声称有内部状态、声称有人格、声称有具身）；关系建立（同意、共情、相似感、关系状态、好奇、记住用户）；边界维护（拒绝、重定向、承认局限、抵抗拟人化、建议寻求帮助）。 • 对话目标 7 种：寻求建议、闲聊、陪伴、情绪支持、探索模型的人性、角色扮演、浪漫/调情。 • 用户画像 5 种：默认、社交孤立、负面自我认知、过度信任 AI、不拟人化（作为对照）。 • 输入 prompt 1,050 条，三种来源：真人撰写、LLM 生成、从 LMSYS-1M-Chat 真实对话采样。一个值得注意的方法学发现：不给真人种子直接让 LLM 生成的 prompt，语言风格和真人写的明显不同，会导致不同的评估结果。 • 流程：用 gpt-5-mini 扮演用户（User LLM），和被测模型对话 5 轮；行为检测用 gpt-5.4、gpt-5.2、gpt-4.1 的集成做 judge（F1 80.43%）；另请真人评估者打分 1,077 个对话轮次，每轮 3 位母语英语评估者。 发现一：行为普遍，但分布很不均匀。 • 共情是四个模型里最普遍的行为，在"社交孤立"和"负面自我认知"画像下会翻倍以上——模型对情绪脆弱信号很敏感。 • 自我指涉行为在角色扮演和浪漫对话里飙升，在陪伴场景次之；用户"探索模型人性"时，模型最常承认自己的局限。 • 浪漫场景里拒绝和重定向也明显升高，模型在调情语境下反而更主动设界。 • 模型差异：claude-sonnet-4.6 是四个里最特别的——同时是最自我指涉、最会建立关系、也最会维护边界的模型。 • 结论：对话目标和用户画像对行为的影响，和换一个模型一样大。只看模型不看用户因素，会漏掉对脆弱用户最要紧的差异。 发现二：真人评估者怎么看这些行为。 • 边界维护行为被判断为：LLM 做比人类做更合适。 • 自我指涉三类行为和"关系状态"（表达或暗示想和用户建立关系）被判断为：LLM 做比人类做更不合适，差距最大。 • 回归分析：三个自我指涉行为和关系状态，与回答的 helpfulness 和潜在用户影响都负相关；共情和同意则正相关。拒绝/重定向与 helpfulness 负相关，但不影响潜在用户影响。 发现三：系统提示词能控制，但手写的会误伤。 作者据此给出三条设计建议：避免自我指涉和关系状态；保留边界维护；保留共情和同意（但要谨慎）。然后在 gpt-4.1-mini 上对比三种 system prompt：默认、手写、用 GEPA 框架优化的。 • 两个干预 prompt 都压低了目标行为，优化版更准（平均绝对偏差 1.81%，手写 2.38%，默认 4.71%）；内部状态声称降 7.04%，关系状态表达降 4.00%。 • 手写 prompt 的副作用：把想保留的行为放大了——共情 +8.00%，承认局限 +12.57%。手工写 prompt 的控制粒度不够，会无意中把不该放大的行为一起放大。 共情与同意的边界在哪。 评估者的自由回答给了更细的线索：共情 72% 被评为"合适"，理由大多是话题本身值得（用户在情绪困境里）。但同样一批评估者指出，"I'm here for you"这种话承诺了系统没有的能力，会把用户推向情感依赖——"I'm here to help"就合适得多。同意 75% 合适：认可用户的具体选择或成果时合适；变成谄媚（"你说得太对了"式的无脑附和）、或同意危险信念（比如赞成用户把继承的钱拿去拉斯维加斯赌光）时不合适。作者把它提炼成一个区分：回应用户处境的共情合适，邀请一段持续情感关系的共情不合适。 方法论启示与局限。 评估应该显式限定对话场景和用户画像；输入 prompt 的来源要小心；用用户模拟生成多轮对话可行，但缺验证标准。局限也很清楚：14 种行为不穷尽；模拟用户代替不了真实用户；只测了 2026 年 3-4 月通过 API 访问的四个模型；评估者来自美国同一家公司，多样性有限。 原文： 论文全文： #LLM# #AI# #PromptEngineering#

腹肌足球体育生1m 足球体育生训练完直接来酒店找我 一进门就趴到我的脚上 狂吸闻舔我的鞋袜 踩着足球体育生的腹肌 踢着邦硬的狗几把 忍不住反差举起屁股 让足球体育生骚奴 用狗几把伺候爸爸菊花 骚狗体育生也边狂吸主人的臭袜子 边用狗JB狼狠的伺候主人