男生約會前都超有自信 說要把我操死 說要陪我大戰三百回合 說自己一天可以10次 一次1小時 結果約會當天： 我昨天太興奮沒睡好 一直想著今天要見妳 男人… 別只會唬爛好不 要就用實力來證明！ #大E小F# #羊入虎口# #說到做到的在哪# 留言跟我說

別問我胸部怎麼變小了....我大學畢業前是大D小E 後來自體脂肪隆乳成F 再來懷孕後變成G 然後現在30幾歲了 也胖了 不少 胸部已經來到H 算是幸運沒變小🥰

你們還記得我上禮拜還上上禮拜去買內衣嗎 猜猜我現在什麼cup … … 等登登登登～ 大F小G🙂 我整個嚇到ㄟ 那個服務員小姐姐說她幫我拿G罩杯讓我試穿的時候我幾乎用高16度的音說G???! 她說不然妳之前都穿什麼 我說E啊 … 對我就是這麼久沒買內衣了 然後應該也是因為突然變好胖的關係🥲

今日快讯（由HK雷氏小N为您播报）： 1:💛 alpha项目 #slx# 老鼠仓上线就出？ 2:💛DWF团队继上个月 #ARIA# 崩盘后又炮制了 #esport，到目前共卖出1276wu# 3:💛前两天时间线美股少是因为股市周末不开盘。谢谢！！！！！ 4:💛郡主的儿子长得非常像迷你0xsun 5:💛传说盘古牢大-莫大，又又要出狱？ 6:💛cz无恙，出事的是ONDO founder 7:💛疯狂宣传华为新技术的人基本不用华为 8:💛中日双方唯一共识是日本AV 9:💛目前p小将的颜值吊打上一批 10:💛96说要5e挑战100e，地址：0x45fd36c9cdd500c1b372d99ba3bd79da0d358504 要上快讯征婚的，掏钱，越丑越贵。 0xd88790bf32151710df31ee702130664c48da7191

信任成本和名片化增信： “一场真金白银投入的friendtech” @dotyyds1234 ，龙王。sat1按我的算法我亏了30e左右，但bio他带我赚了个相当不小的数字。我身边不少人因为他喊了，直接往bio塞。我当时有多信他呢，我round 2塞了很多，round2.5涨价了还继续塞，场外群一个不出，捏到上bn开盘浇完解锁的。一把掏出了我的翻身钱。小机会更不用说，他曾经分享过背k线找小市值壳，我完整的按他说的思路背了四十个小币k线，之后开始买壳，每天起床（国内中午11-12点）看看持仓选个涨起来的卖掉。如此往复也不是一笔小收入。讲的再大一点，10.11他的便宜货思维，在那天的窗口期你可以跟开超市一样买海量的小市值壳子，不带杠杆的收益是3-5x。你觉得我会怨恨他吗？不会的。他的名字在我认为他擅长的领域就是增信。他确实减少了我的投资成本，放大了我的收益。我不想和大家吵fomo，拉盘，博弈问题。你都来这里了，要允许大家在一个相对任何互相规则和道德的地方玩就行。 @luyaoyuan 喊过plasma存钱，研究过一个项目叫card，喊我买过低位eth。我都赚钱了，每一个倍数都让人开心，那么laolu下次call一个项目，我天然性的历史归纳总结他选项目眼光高，减少我的初始决策成本，效率优化成先上车再研究。 我还有个炒美股的朋友叫umi，23年就认识了。他玩土狗的水平比99%的人强，自bome时代按M砍下利润后转型去了美股做投研，通过聊天归纳，他选的票2-3三个月后我才会说服自己接盘上车。那么他的美股水平我相信，我能提供给他的只有吃加速。 比如说我97-100$梭哈了第一次intc，连杠杆带期权。我们俩这三年下来没少挣钱，他发现的早，我敢重仓。2u的trump他发给我，我当时在打麻将，麻将都不打了直接跑出门提币梭哈一条龙。他说：该我挣钱。 我还有个炒山寨的朋友叫辉哥，老粉丝也都知道。我和辉哥老是相互cx，十次有七次冲高了不太赚钱。我俩相互没什么怨言，他总是勉励我要一直有信心。我俩冲出了moodeng，冲出了pepe。24年辉哥cx我土狗都是：如果这个xx上不了100M，我以后再也不给你推了。我记得是sol链上一个猫？他总是充满信心。 认识很多大哥，很幸运都蛮照顾我。都在各种角度帮了我不少。有时候没那么懂，也慢慢学会更早一点听劝。 子曰：君子不器。做投资不可避免要接触人，要筛选契机与信息。你的修养决定了你怎么看待人，解读信息。多有一些中肯的身边人，多看一些事实与理性，不要泡在情绪中，一直赚到钱晚上睡得着觉是第一。 “人与人拉开差距的是专注，执行力。再下一步是学养与修养。”

日读论文： From Context to Skills: Can Language Models Learn from Context Skillfully? (Ctx2Skill) 互斗写书，越斗越偏 ──────── 医生想用一份刚出的临床指南调整治疗方案。50 页文档，密密麻麻全是术语，规则之间还交叉引用。他真正需要的是把"什么病合什么药"变成几条能照着走的步骤。直接把整份指南扔给 GPT-5.1 让它答题，全 benchmark 平均对率 21%——大模型读完了，用不出来。这不是它"长上下文"不行，是 *它没把规则提炼成可以反复调用的小手册*。 老办法是把人类标注员请来给文档画重点：把规则、流程、注意事项提炼成自然语言"技能"，附在 prompt 前面给模型用。但这条路有两个死结：一是*标注成本爆炸*——50 页技术文档，标注员要把整套领域逻辑读到能复述，几小时才标一份；500 份这么搞，人累死也搞不完。二是*没有外部反馈*——如果想让 AI 自动写技能，怎么验证它提炼对了？没有 ground truth、没有执行结果、没有标准答案，它瞎写你都不知道。已有的"自动写技能"方法（AutoSkill、SkillX 等）都需要环境给反馈信号——比如"代码跑出来对不对""任务完成没"——可面对一份纯文档，没人替你判对错。 作者说不需要外人。让模型自己跟自己打——一个出题，一个解题，第三方判 pass/fail。每一回合，错题让解题方反省"我漏了什么知识"，过得太轻松的题让出题方反省"我出题不够刁"。两边各自维护一份自然语言的"技能手册"，回合结束之后改写各自的手册。这套循环不依赖人类标注，也不依赖任务本身的对错反馈—— *只用模型互相之间的胜负就能把技能写出来*。 ──────── 按常识，5 个回合互相磨练完，第 5 回合的 Reasoner 手册应该最强吧？ 错。论文做了固定回合的对照实验（GPT-4.1）：*单调下降*。越练越差。 为什么？作者起了个名字： *adversarial collapse*——对抗坍缩。Challenger 越来越凶，开始出"考钻牛角尖"的题；Reasoner 为了应付这些极端题，把手册改得越来越歪——专为对付怪题而存在的条目挤掉了通用知识。两边都在围着一个不代表真实任务分布的"病态点"打转。 更阴险的是， *这种崩塌在循环内部察觉不到*——Judge 每一回合只看当前题，没有信号告诉你"之前学会的事是不是被新条目挤丢了"。 ** 怎么找回早期的好手册：Cross-Time Replay 既然不能信"最后一版"，得回头挑。但凭什么挑？ 办法：在 5 个回合里偷偷攒两套小探针—— - *Hard probe*：每回合败得最惨（评分点通过率最低）的那道题 - *Easy probe*：每回合解得最轻松（评分点最少）的那道题 循环跑完，把 5 个版本的 Reasoner 手册*回去重做*这两套探针。每个版本算两个分：在难题集上的解题率 ρ_h、在易题集上的解题率 ρ_e。 *选哪一版？* 让 ρ_h × ρ_e 最大的那一版赢。 为什么是乘积不是相加？*乘积惩罚"舍弱保强"*——一个版本如果为了多解几道难题、把易题做塌了，乘积立刻塌（一个 0 拉低全场）；加法只算总分，掩盖短板。消融：换成加法 → -0.6%。 ──────── *你的对手如果只服你一个人，他会变成你的镜子，不是你的镜鉴*。 Self-play 跑久了，Challenger 出的题不再代表真实世界，只代表 Reasoner 当下还不会的边角；Reasoner 的手册也不再是知识，只是这场私局的应试手册。两个人在屋里关久了，一起走进自己造的回音壁。 破解的办法不在循环里——*在循环之外保留一份"代表性参照"*，回头挑哪一版没飘走。Cross-Time Replay 是这个论文真正的灵魂，不是某个技术细节。它在说：*对抗优化必须配一个不参与对抗的判别器*，否则一定会塌。这个判别器不一定是人，可以是从对抗自己内部偷出来的、有代表性的小样本——但它必须独立于"当下这一刻在追什么"。