NSFS-046 🔞 #織田真子# Oda Mako #菊池リナ# Rina Kikuchi #人妻# #溫泉# #3P# 患上綠帽癖的丈夫，他的終極願望是讓妻子被多個男人抱在懷裡！巨乳人妻在溫泉被丈夫當衆壓倒後入猛幹，更邀請陌生人三人輪姦，再進房間騎乘位、傳教士位深插到底，浪叫連連、高潮崩壞‼️

“期末考砸了，茸茸的受罚时间…” 训诫老师📏：优雅的棠棠的老师@NoirBegonia 协助捆绑者🪢：邪恶的南方@nanfang92607237 受罚对象👧🏻：可怜唧唧的茸茸@gaigaijiejie 记录被罚时刻📸：吃瓜的阔阔@MakkuroFilm

惩戒剧情向： 考试考砸了棠棠同学说亲自给我安排‘补习’，于是就这样出现了被绑成这样悬挂在黑板前，扭头看到她优雅地坐在讲台上看我挣扎…… “呜呜呜，这是补习吗？” “其实我磕的，请狠狠惩罚我！” 👧🏻： @gaigaijiejie & @NoirBegonia 🪢： @nanfang92607237 📸： @MakkuroFilm 🏠： @LiangCunSW

中美在今天举行了一个小范围会谈。中方参加人员： 习近平 蔡奇 王毅 何立峰 马朝旭 谢锋 ； 美方参加人员： 特朗普 驻华大使珀杜 国务卿鲁比奥 财政部长贝森特 战争部长赫格塞思 贸易代表格里尔。

最近在看麦道夫的纪录片，1990年代他的资金渠道向私募基金业(feeder funds)延伸。纪录片中提到1999年有策略公司(Rampart Investment Co)觉得麦道夫稳定月化1%的‘期权策略’（所谓Split-Strike Conversion策略，买蓝筹股篮子 + 买OTM看跌期权对冲 + 卖OTM看涨期权）应该可以复制出来，也分一杯羹，于是安排他们的策略经理Harry Markopolos去研究。策略经理发现策略无论和股票收益率还是债券收益率的相关性极低，立即断言这是骗局。他没有办法拿正常策略和骗局去竞争。他最多能做到的是月化1%的收益率，但是可能最差情况会损失50%。不出意外地没能引起客户的兴趣。 Jim Simons投过钱给他，并且对RenTech的同事说：我们的期权模型要升级，看看麦道夫是怎么做的？他的同事说：要不你把麦道夫雇过来？（这段我是在Simons的传记里面看到的） 一个takeaway是，量化公司的老板们在听到所谓的策略描述时，并没有立即反应出来这个收益风险比是不可能的，而是安排同事去研究。这说明了量化公司老板更多是个资源管理者，对具体的衍生品细分领域并不熟悉。很多quant基金的成功依赖“人才工厂”而非单一天才对所有细节的掌控。

跳出固有信息圈层，多看些真正有用的硬核财经内容。 给兄弟们整理了油管十位优质财经博主： Graham Stephan，511万订阅：深耕房产与经济分析，内容通俗接地气，擅长用日常小事拆解经济逻辑。 Andrej Jikh，272万订阅：视频制作精良，不鼓吹快速暴富，专注分享稳健储蓄与理财规划，干货很落地。 Meet Kevin，204万订阅：高产持续更新，作品接近六千条，主打宏观政策解读，适合关注大环境走势的人。 Nate O'Brien，129万订阅：很适合学生和职场新人，分享存钱技巧、理性消费方法，简单好照搬。 Minority Mindset，227万订阅：不止聊理财收益，更剖析消费与投资背后的人性心理，观点新颖独特。 The Financial Diet：结合生活视角谈理财，平衡日常品质与存钱储蓄，实用性很强。 Marko-WhiteBoard Finance：白板图文讲解模式，把复杂金融知识通俗化，新手入门毫无压力。 Ryan Scribner：侧重实操经验分享，风格务实，不讲虚话、不画大饼。 Joseph Carlson：风格沉稳，专注价值投资与长期理财思维，节奏平缓耐看。 FinancialEducation：内容储备海量，覆盖全面基础财经知识，适合慢慢系统学习。

DeepSeek真的是性价比和技术双重斩杀线... 有同学看不懂DSpark是啥, 简单给大家写个小教程讲讲. 推测性解码(投机解码)这个技术是用来提升大模型输出速度的. 本质是让小模型给大模型接话, 大模型判断小模型说的对不对. 因为现在模型普遍卡内存带宽, 而GPU算力是富余的, 所以大模型的prefill速度(看字)比decode速度(吐字)快很多. 那么让小模型沿着大模型的思路先说一段话, 大模型判断对不对(只需要看字), 只要小模型猜对了, 那么这就利用了prefill速度, 吐字就会成倍的提升. 但问题来了, 外挂小模型也要看字(prefill), 也要占用显存, 也要吃显存带宽. 那么有没有更好的方法来解决呢? 来了, 这就是DSpark. 看我的这个图(左侧DSv4架构图是 @rasbt 大佬的), DSpark 接在了 Final RMSNorm 过程中. 不是接一个完整的小模型, 而是一个3 层的MTP(多Token预测)微型Transformer堆叠. 大模型算完前面60多层后, 刚把当前这句话的"高浓缩概念"(特征向量/隐藏状态)推到 Final RMSNorm 这个出口，还没来得及翻译成具体文字时，DSpark开始截胡: 首先是半自回归极速脑补 (MTP + Markov Head), DSpark自己有一丢丢参数, 然后它就瞬间并行猜5个字(特征向量), 然后再用自己内部的一个串行网络理顺逻辑. (注意啊,先并行然后串行消除并行导致的逻辑不连贯). 然后, 它会有一个置信度预测头, 预判自己猜的准不准, 比如5个字的后2不准就直接砍掉, 防止后续送回大模型浪费算力. 最后把留下的3个字塞回词表映射层, 把向量翻译为token. 到此为止DSpark工作就做完了. 然后就是大模型扫一遍DSpark输出的对不对(只用prefill，不decode), 一旦正确了, 就直接吐字, 这样之前模型一次只能吐一个字, 现在就能吐3个字了! 最后, 推测性解码是不会降智的, 速度能提升60%-85%! 之前是雇一个小模型帮忙写草稿, 现在则是直接脑子里植入芯片了. 目前SGLang已经有这个特性的PR了(29538), 而且DeepSeek刚在自己的HuggingFace主页发了一大堆小模型的DSpark魔改版. 大胆猜一波未来发布的模型会不会标配DSpark? #dspark# #deepseek# #投机解码# #推测性解码#