翹班結束了！！！ 兩夜一天屏東解放之旅～ 唱歌唱到破音 聊天聊到天亮 生魚片吃到扶牆 聚餐一直加菜加不停 一群瘋狂的人在一起 最大的陰謀論就是： 「誰都不放誰回家！！！」 🤣🤣 從白天魚池邊悠閒拍照 到晚上抱成一團死不放人 再到深夜互相參觀胸器還拿手機放大特寫的究極療癒環節😂😂😂 這趟真的徹底玩壞了 屏東，我們下次繼續不回家❤️ @D9530530 @wei5205301 @Y_Y_D_S_520 隱藏+N #屏東兩夜一天# #翹班解放# #誰都不放誰回家# #互相參觀胸器# #朋友就是用來坑的# #拉高點#

【颱風“米克拉”致台灣多地淹水 民進黨被批不治水只會潑髒水】 受颱風“米克拉”外圍環流及西南氣流影響，全台出現強降雨，多地出現淹水災情。不料，積水迅速消退的台北市成綠營眾矢之的，災情更嚴重的高雄、屏東等南部縣市卻“無人問津”；台當局領導人賴清德更藉水患催審“總預算”，遭批滿腦政治算計。在民進黨“執政”下，這場水災正演變成一場荒謬的政治鬧劇。 6月25日，台北市降下短時強降雨，內湖區多處發生積水，水深甚至淹至成人大腿根部，部分山坡地更發生土石崩落，造成該區域20年來少見的大淹水。台北市長蔣萬安首當其衝，台北市政府則被質疑“調度緩慢”。 台北淹水災情很快演變成“政治攻防戰”。民進黨的議員、“立委”將矛頭直指蔣萬安，稱其施政無能、“市政神話破功”，親綠媒體隨之“帶風向”，“青鳥”（台灣綠營的激進支持者）則在社媒平台放話“這就是選蔣萬安的代價”，並為民進黨台北市長參選人沈伯洋造勢。據傳“深夜勘災”的沈伯洋本人更是“刷了一波存在感”，被綠媒直誇“看起來已經像台北市長”。 面對質疑，今天（26日）前往內湖勘災的蔣萬安回應，根據台北市各個雨量測站數據，在25日雨量排名前10的測站中，有7處都在內湖區，其瞬時雨量甚至超過100毫米，超出排水系統保護標準，造成積淹水災情，但也可以看到水排得非常迅速，代表市政府定期都有在做各項清疏工作。蔣萬安也表示，雖然積水很快消退，但仍為許多居民、店家帶來生活上的不便，“我們感同身受，也會持續檢討”，同時宣布只要符合災害救助標準，每戶最多可申請2萬元（新台幣，下同）救助金。 值得注意的是，全台多地發生淹水災情，台北內湖雖一度積水，但積水在1小時內就消退，但蔣萬安和台北市政府幾乎“霸屏”新聞版面；反觀淹水災情更嚴重的高雄、屏東、台南等南部縣市，卻得不到輿論關注。台灣網友直言：“為什麼只關注台北？”“青鳥看到綠色就眼瞎？” 不少輿論指出，這種落差背後，濃厚的政治操作意味不言而喻。年底選戰將至，蔣萬安作為藍營“明星市長”，民調持續領先民進黨參選人沈伯洋。曾有分析直言，除非蔣萬安“自己犯錯”，否則沈伯洋很難贏。 對此，藍營直指民進黨“不會治水，只會潑髒水”。國民黨“立委”陳菁徽批評，過去民進黨“在野”時，說治水責任在台當局，如今民進黨“執政”，看到水患卻只會見獵心喜，攻擊地方政府，完全是潑髒水、甩責任的政治操作。曾任中國國民黨發言人李明璇也發文質疑，綠營第一時間不是關心災情和後續的家園整理，而是“出征出征再出征”，“除了沒有人性，更沒有擔當”。 但最令人錯愕的，是賴清德的態度。賴清德25日聲稱，台當局總預算案還沒過，若發生災害，當局“拿什麼錢去救災”，遭台灣網友諷刺“有錢又怎樣，還不是要自己爬屋頂”。藍營也隨即反擊，痛批賴清德身為台灣地區領導人，竟帶頭製造恐慌，這不是負責任的防災態度，而是政治甩鍋。新黨台北市議員侯漢廷表示，全台淹水，民進黨卻只想到政治攻防，“值得唾棄”。 台灣《聯合報》指出，即使台當局總預算仍在審查，台當局仍可動支上年度已核准的經常性、延續性業務預算，目前台當局手上至少有147億元治水經費，救災工作根本不受影響。賴清德當過市長、“行政院長”，心裡比誰都清楚，如果不是從選舉攻防出發，何出此言？真相卻是，藍白放行治水等民生預算時，民進黨“立委”全數投反對票。如果台當局真的沒錢救災，民進黨才是元凶。 在台灣，民生議題政治化已不是新鮮事。淹水災情四起，當政客及輿論都忙於政治攻防而不是救災時，議題就已失焦。對此，台灣網友不由感慨：“以前不管哪裡淹水大家都是互相關心，現在淹水大家都是互相攻擊、嘲笑。這就是民進黨‘執政’十年帶給台灣人所謂的‘團結’。”（來源：香港新聞網） 詳情：

月之暗面 Kimi 很可能成为新王。刚和 JS 姐 @diamondhandjs 聊天的时候她提到一个很实际的发现，就是国产这些模型其实就是在互相吸血，只有 Minimax 下来了智谱才起来，那么一旦有新的大模型表现出竞争力了，直接会导向智谱被吸血的结果 只玩新的不玩老的，就是这么残酷。看好 Kimi 上市之后的二级表现（个人有参投）

持续学习到底怎么落地？Mind Lab 用 LoRA 给了个解法 刚看 Mind Lab（Mindverse 旗下前沿实验室，成立还不到一年）出了 Macaron-V1 正式版。路线挺特别的，重点不在卷参数，是想让模型能从经验里接着学。 做法是用 LoRA 做后训练 RL，成本只有全参微调的 1/10。LoRA 模块像可插拔的经验单元：聊天、代码、UI、个人助理各训一个，基座共享，跑任务时按需组合（他们叫 MoL）。这么一来，模型就不再是训完定死的一套权重，能不断分化、把新经验吃进去。 感觉挺长一段时间里，LoRA 都被默认成“全参微调的打折平替”。他们这里有个我觉得挺有意思对 LoRA 的重新理解：base model 承载共性，adapter 承载个性（偏好、技能、工具习惯），说白了就是一块可写入、会随交互慢慢变的记忆。也是continual learning 这条路线，我目前看到最工程化的一份答卷。 Macaron-V1-Venti = 744B 的 GLM-5.2 基座 + 4×1B LoRA，一共 748B，原生支持 2M context： L0 Chat 管对话和指令 L1 Agent 管长程、动态工具任务（并入了Preview的OpenClaw LoRA） L2 Coding 管代码、SWE、终端 L3 UI/A2UI 管UI4A渲染和操作 至于为什么要拆成好几个 LoRA，他们的想法是：这些能力的思考流程差太远，全塞进一套 post-training 权重会互相干扰。MoL 让相似的技能共用一个 LoRA，差太多的各自单独训，再路由、组合；新增领域就加一个 adapter。 等 adapter 多起来，再让它们分工、组合、投票，就是他们所说的群体智能。 这条路也不是 Mind Lab 首创，John Schulman（OpenAI 联创、Thinking Machines首席科学家）那篇《LoRA without Regret》就是同一个方向。但全球能开万亿参数模型 RL 训练的 infra，目前就 Mind Lab 和 TML 两家。 不过Mind Lab是直接用国内最好的开源模型，最早2025年底在万亿参数Kimi K2上验证过RL后训练，Preview用GLM-5.1、Venti用GLM-5.2、Tall用Qwen-3.7-35b。拿这些现成的强基座来做，比 TML 从头做 Inkling 会更快（Inkling 现在的表现也明显还打不过 GLM 和 Kimi）。 商业化也很快：据团队披露，7 月启动商业化后2周达到 1000 万美元 ARR。 其实我会关注 Macaron-V1，很大一个背景是持续学习这个方向本身。 持续学习想解决的，是模型部署之后就不再进化这个老问题，让它能在真实使用里边用边学。 这方向最近越来越多重量级的人在点名。之前强化学习之父 Sutton 和 David Silver 提出“the era of experience”，说下一代 AI 拼的不再是喂数据，是从真实经历里持续学，他自己也去创业做了 Oak Lab 专攻这个。梁文锋最近四小时闭门会流出来，他给 DeepSeek 排的路线是 CoT → Agent → 持续学习，还说下一代模型不能持续学习，就不配叫下一代。 Macaron-V1 至少证明了这条路能工程化、也能商业化跑通。这种方向靠一两家撑不起来，挺期待接下来更多团队砸进来、多拿几个硬成果。真卷起来，应该会挺有意思。