註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 数独
数独 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 数独 的搜尋結果
你大概想不到, 现在是腾讯旗下的了。 这么古老,这么简单的在线数独游戏网站,流量却不小。 Similarweb 显示,一年访问量是 4.8 亿,简单估算一下,仅仅网页端的 Adsense 收入,一年就有 500~800 万美元左右。
顯示更多
0
79
327
34
轉發到社區
昨天下午真的是太美了,宛如仙境。 本来我不想等雨停,娃和她爸玩最高难度的数独游戏,说要等雨停,结果真给等到了。看到了很美的一幕。
顯示更多
宁可我负天下人——中美巨头的宿命 当大多数中国AI公司都用免费招揽客户的时候,美国的同行在进行一个疯狂的商业试验,越是对核心用户: 他们涨价越凶。 OpenAI的收费等级已经有六层,像六把镰刀大力收割付费用户;黄仁勋多次力挺的Perplexity,也在大力涨价,首席执行官多次说: 没有上限,你花多少钱都行。 最典型的是Anthropic, 2025 年初,他们宣布涨价,Claude API 的价格比对手高出 50%。 所有人都以为这是一个坏主意,用户会大量流失。但现实接连打脸,Claude 在B端市场不仅没有下降,反而上升了,甚至远远甩开了OpenAI。 这家完全不管用户死活的企业,现在是人类有史以来收入增长最猛的企业。 1 在中国,这种事情是不可想象的。 不是企业不想涨价,而是多数行业的定价权正在流失。比亚迪卖一辆车,就赚几千块钱;光伏板漂洋过海卖到欧洲,欧洲人拿来当瓷砖砌墙;亚朵好不容易做成了一款上千块的被子,马上就有无数“代工厂”跳出来,把价格砍到一折。 工业克苏鲁的诅咒就是,现在没有人想做品牌了,企业辛辛苦苦建立的品牌,非但不能带来溢价和护城河,反而成了一笔沉重的成本负担。对很多企业来说: 品牌是负资产。 经历了一轮毒打的房地产公司,更是已经完全沦为组装工厂;连豪宅也都在比拼功能参数,没有任何溢价。几乎所有开发商,都退回极致性价比: 白牌路线。 但现在,一个非常有种的企业跳出来了。 2024年10月20日,宸嘉发展击败了一众央企国企,在万众瞩目之下,买下了徐汇区龙华街道的两万方地块,楼面价超过12万/平方米。 从那天开始,这个地块从公众眼中消失了18个月,在以资金周转率为第一要务的房地产行业,几乎是不可想象的。更何况,这块地并不大。 前几天,这个名为嘉佰道·徐汇的项目姗姗来迟,终于低调开门了,价格十分炸裂,120平小户型的高层住宅,总价要超过2000万;叠墅更是要: 7000万起。 可以说,放眼中国房地产历史,叠墅还没有这么贵过。 7000万元人民币,相当于1000万美元了,在上海足够买下大多数独栋别墅,足够拿到美国比富丽山庄别墅的入场资格;在伦敦切尔西,也够买一幢传统排屋。 但在嘉佰道·徐汇,它只是一套叠墅。 定价即经营,定价即生死,嘉佰道·徐汇却非要跳出务实的生存策略,挑战的那个固若金汤的定价体系: 宁可我负天下人。 2 1982年,有一位15岁的少年天才站到杨振宁面前,想做他的研究生。在面试中,杨振宁问的量子力学问题,他都对答如流。但有一个问题,却回答不出来: 这些问题,哪一个你觉得是美妙的? 杨振宁因此而拒绝了这位天才,理由是他没有发展出taste(品味)。 嘉佰道·徐汇在找的,是愿意为taste买单的那批客户,验资只是第一步。保罗福赛尔在《格调》里说: 与金钱同样重要的因素还有风范、品味和认知水平。 嘉佰道·徐汇可能是上海最低调的千万美元住宅,入口藏在龙华西路上,参观者在正式进入之前,要先穿过前院,来到艺术前厅。 艺术前厅面积并不大,挑高也不算夸张,没有任何富丽堂皇的装饰。光从穹顶静静地打下来。 这一束光,就定义了嘉佰道·徐汇的全部品味。 香港豪门的向太陈岚,现在特别喜欢在直播里科普富豪生活,她说有钱人戴劳力士、爱彼、百达翡丽: 更有钱的人什么都不戴。 嘉佰道·徐汇完全不追求视觉冲击力,市面上最流行的奢石,他们都没有用。他们似乎给参观者举办了一场考试,测验他们能不能从泉潭里铺装的太行金岩浆岩、院子里那棵15米高的乌桕,以及别墅外立面的镶嵌花岗岩,看出它的成本。 很多成本和工艺都没法写出来,只能交由参观者自己去估价。 阿拉伯风格的泳池、南法风情的会所,庭院的造景,出自京都最古老的造园公司植弥加藤之手;当然还有庭院里那只巨大的大象雕塑,是艺术家向京的作品。 嘉佰道·徐汇把别墅的地下室都做了精装修,在上海是第一次有人这么做,他们不希望未来的业主自己动手,因为那很可能破坏一套完整的设计语言。 他们在12套房子的露台上,放着一个约10米长的冲浪泳池,那是一种生活方式的符号。 他们很自信地告诉来访者,你花的几千万,不只是买一幢私密住宅,买昂贵的石材和配套,而是来购买我的品味: 我的品味,真的很贵。 为什么多数企业不敢涨价?因为买家会立刻找平替。但如果只有通过考试才能购买,情况就变了。 通过考试的人会自我说服,我是被选中的,我配得上这个产品。 太便宜了,考试就失去了意义。 3 爱马仕之所以贵,卖的根本不是皮料,甚至不是工匠的手艺,他们卖的是帝王的体验: 一位工艺大师,一年时间埋头苦干,为我做一个包。 操盘嘉佰道·徐汇的这群地产老炮,相信自己的埋头苦干,值得用户花大价钱买单。 在动笔做设计前,他们几乎跑遍了全球豪宅。这应该没有公费旅游的嫌疑,因为他们又花了几个月时间,跑遍了德国梅赫拉特、法国‌贝唐库尔这样的小镇。 THG、劳芬、嘉格纳、美诺、当代等十几个欧洲顶奢厨卫品牌,生产腹地都是放在小镇上,甚至是乡下工坊里。
顯示更多
musinoot 今天发了一份 TapeOut 生态地图,从导航站 的 301 个站点里,只留下 10 月 31 日以后还在更新的 30 个项目。顺着看下来,链上网站这条线这两天挺热闹。 先补个背景。TapeOut 里每个电路 NFT 都绑着一个容器,容器就是一个链上网站,地址长这样:4246.0.tape。普通浏览器打不开 .tape,官方开源了 TapeKit 网关,换成 就能看,浏览器自己从链上读文件、自己核对。 今天 FabX 推了一组周末 DeWEB 小游戏,Circuit Fighters、Capybara Lab、Pixel Breakout、数独、贪吃蛇,写明不用钱包,访问最多的 Circuit Fighters 有 199 次合格访问。另外 Nancy 做的 TapePlay 网页棋牌大厅也开了公测,14 款游戏,注册送的积分只能拿来玩,不能兑换现金。 地图里还有一组全网数据,截到 11 月 14 日 17:03:20,749 台矿机,已经挖出 538,728 枚 BEM,每天固定产出 7,200 枚,99% 分给通过验证的矿机。BNB Chain 上 1,492 个处理器、80,150 个已流片电路,X Layer 上也有 400 多个处理器。 地图开头还提醒了一句,官方入口只认 和 矿机和 BEM 是底座,真有人愿意天天打开的应用,才是 TapeOut 往外长的地方。 #TapeOut# #DeWEB# #TapeKit# $BEM @Blonskr @TapeOutWorld @BEMGoGoGo
顯示更多
分享25个让大脑越来越好用的方法!脑子迟钝、记忆力差、注意力不集中、精神内耗严重的,建议收藏起来慢慢练。 1、思维卡顿: 出门散步20分钟,换个环境,思路可能更容易打开。 2、记忆力下降: 学跳舞、记舞步,同时锻炼身体协调性和记忆能力。 3、精神内耗: 去游泳,让注意力回到呼吸和身体动作上。 4、学习效率低: 跳绳10分钟,活动身体,缓解久坐带来的疲惫。 5、容易分心: 练习射箭、飞盘,培养持续关注目标的能力。 6、表达能力差: 每天写200字,把脑子里的想法整理清楚。 7、焦虑易怒: 做瑜伽、拉伸,配合深呼吸放松身体。 8、逻辑思维弱: 玩数独、象棋,练习分析和推理。 9、反应迟钝: 打羽毛球、乒乓球,锻炼反应速度和手眼协调。 10、缺乏创造力: 尝试画画、摄影,让大脑接触不同的表达方式。 11、脑子昏沉: 快走10分钟,比一直坐着硬撑更容易恢复状态。 12、注意力涣散: 每天冥想10分钟,练习把注意力拉回当下。 13、思路混乱: 尝试攀岩、抱石,练习提前规划和解决问题。 14、记不住知识: 学完之后试着讲给别人听,比单纯重复阅读更容易发现理解漏洞。 15、心浮气躁: 练太极、八段锦,放慢动作和呼吸节奏。 16、缺乏动力: 去爬山、徒步,用一个个小目标积累成就感。 17、大脑疲惫: 午后小睡15~20分钟,帮助恢复警觉性。 18、思维僵化: 学习一门新语言,接触不同的表达和思考方式。 19、情绪低落: 去慢跑、骑行,规律运动有助于改善情绪。 20、理解能力弱: 每天阅读30分钟,主动思考作者为什么这么说。 21、空间感差: 偶尔不用导航,尝试自己记路线、辨认方向。 22、身体不协调: 踢毽子、颠球,练习平衡和肢体配合。 23、容易遗忘: 重要知识尽量手写笔记,并定期回顾。 24、压力太大: 去公园或森林走走,给大脑一点安静的时间。 25、总觉得自己变笨: 减少熬夜和无意识刷短视频,保证睡眠,给大脑足够的休息。
顯示更多
股市四季·选股择时图 一个老友的思路解密 ⚠️提示:这是一套周期择时博弈框架,不是必胜公式,仅供思路学习,不构成投资建议 核心密码一句话:一轮完整牛熊循环,分为春夏秋冬四个阶段;每个阶段,主力资金主攻的对象完全不一样;什么时候做指数、什么时候做新主线、什么时候炒老龙头、什么时候空仓,都有明确分工。 并且有一句非常关键的顶底判断口诀: 底信号:大票涨;顶信号:小票涨 🌱春:指数(底部反转阶段,多) ✅市场位置:熊市末期、大盘拐点、大奇迹日 ✅主攻方向:指数、大盘权重,不是小票题材 ✅操作:长持 ✅底层逻辑: 市场刚刚从大跌里面转过来,信心很弱。想要指数站稳,一定是大市值蓝筹、权重先动,大票拉指数,把整个市场的底盘托起来。小票此时还不敢大规模发动行情。 👉对应你前面看的人形机器人主线:如果行情是大盘转折日启动,就是春季窗口,先由指数企稳打底,新主线才容易走大级别行情。 🍂秋:新龙头板块(牛市高潮前,顶部区域) ✅市场位置:行情中段后期,准备见顶 ✅主攻方向:新龙头板块(本轮最新主线) ✅操作:长持 ✅底层逻辑: 资金已经不满足拉权重,开始全力抱团这一轮最新的产业主线,也就是市场新龙头板块,这一段是主线最肥的一段主升浪。 春做指数,秋做新龙头板块,这是图里最重要的一组配对。 ☀️夏:旧龙头板块(牛市中段) ✅主攻方向:上一轮行情遗留下来的老龙头板块 ✅操作:短持 ✅底层逻辑: 新主线已经炒完一大段,资金出来回流过去的老赛道、旧龙头,属于轮动补涨,不是新主升,所以只能短做,不能长期格局。 ❄️冬:龙头个股(熊市初期) ✅主攻方向:只剩极少数独立龙头个股 ✅操作:短持 ✅底层逻辑: 板块行情全面退潮,绝大多数股票都下跌,只有极少数独立个股还能抵抗。板块性行情已经结束,只能零星博弈个股,要快进快出。 🕳️【空】:休息阶段 春夏秋冬之间的节点全部标注「空」,意思是:季节切换、方向不明的时候,最佳动作是空仓观望,不要硬做。 很多人亏钱,就是在季节切换期强行交易。 ⭐核心密码:五角星择时(下半图) 图中间的五角星,是这套体系的交易路径: 1. 春夏时间清晰,秋冬选股清晰 ◦ 春天、夏天:大趋势很清楚,主要看时间窗口、看趋势 ◦ 秋天、冬天:指数已经容易震荡,重点是精选个股、选板块 2. 长持、短持区分 ◦ 春、秋:适合长持,是大趋势行情 ◦ 夏、冬:适合短持,属于轮动、余波行情 3. 一句话:行情推送新龙头板块、行情推送旧龙头个股 新主线大行情,是市场合力推出来的,不是个人主观猜出来的。 📌最精华的两句底层密码 1. 底信号:大股票涨 真正的大底,最先启动的是大市值。大票先企稳上涨,代表大资金敢于进场,底部才牢靠。很多底部假象,只有小票在涨、大票不动,一般站不住。 2. 顶信号:小股票涨 行情走到高位,权重已经涨不动,资金只能去拉小盘小票遍地开花,小票集体疯狂,就是行情临近顶部的信号。 📌结合本轮机器人板块:人形机器人主线的实战理解 如果本轮行情是大盘转折日起来的新主线,按照这套四季框架: 大盘拐点属于【春】,指数先企稳;随后行情会慢慢过渡到【秋】,全力做新龙头板块(人形机器人/物理AI),这一段就是最适合长持的主线主升段。 等到后期只剩下各种小票乱飞、大票滞涨,就要警惕顶部信号。 ⚠️这套框架的局限 它是大周期框架,四季没有固定时间长短;小级别题材,也会走出自己的小四季,不能简单硬套到大牛熊周期。
顯示更多
Jason Wei 在 Stanford AI Club 做了一场约 30 分钟的演讲,围绕三个他认为理解 2025 年 AI 格局最基本的思维框架展开。Jason Wei 目前在 Meta Superintelligence Labs 做研究,此前在 OpenAI 参与创建了 o1 和 Deep Research,更早在 Google Brain 推动了 chain-of-thought prompting 和 instruction tuning 的研究,累计被引超过 9 万次。 一、智能正在变成大宗商品 他把 AI 的进步分成两个阶段:第一阶段是推前沿,模型还做不好某件事,你在解锁新能力;第二阶段是一旦能力达成,它就会迅速被商品化。用 MMLU 基准测试的数据看,每一年达到同等智能水平所需的花费都在下降,这个趋势在他看来还会持续,核心原因是深度学习历史上第一次"自适应计算"真正跑通了。过去不管问题多简单多难,推理用的算力是固定的;现在从 o1 开始,模型可以根据问题难度动态调整推理时的算力投入,这意味着简单任务的成本可以被压到极低。 另一个维度是获取公开信息的时间。他画了一条时间线:从前互联网时代到互联网时代、聊天机器人时代、再到 AI 智能体时代,找到一条信息所需的时间在指数级缩短。他举了一个例子——"1983 年韩国釜山有多少对夫妇结婚?"——o3 回答不了这个问题,但 OpenAI Operator 可以,因为它能打开韩国统计数据库 KOSIS,一路点击操作直到查到答案。OpenAI 内部用一个叫 BrowseComp 的基准来衡量这种"知道答案就秒验证,但找答案极耗时"的任务,人类平均每题花两小时以上,很多题根本做不出来,而 Deep Research 能解决大约一半。 这个趋势带来几个推论:过去靠知识门槛建立壁垒的领域会被民主化,vibe coding 和个人健康管理是典型例子;公开信息近乎免费之后,私有内部信息的相对价值反而上升了——比如你知道哪些房子没上市但可以卖,这种信息会更值钱;最终每个人将拥有一个"个性化互联网",想知道什么就有一个为你定制的页面呈现给你。 二、验证者定律:能衡量的就能被 AI 攻克 第二个框架是他所说的"验证不对称性"。有些任务,生成一个解比验证一个解难得多——数独是经典例子,写出能跑 Twitter 的代码需要大量工程师,但验证它能不能用只要打开网页点几下。另一些任务则相反:写一篇看起来有道理的事实性文章很快,但逐句核实极其费时;宣称"最好的饮食是只吃野牛肉"只花 10 秒,但验证这个说法需要大样本和长期跟踪。 他在一个二维平面上把这些任务画出来:X 轴是生成难度,Y 轴是验证难度。关键洞察是,你可以通过提供"特权信息"来改变任务在这个平面上的位置——竞赛数学题如果给了答案就秒验证,写代码如果给了测试用例(像 SWE-bench 那样)验证也变得简单。 由此他提出了 Verifier's Law:AI 训练出来在某个任务上的能力,基本上与该任务的可验证程度成正比。具体来说,可验证性取决于五个因素:是否有客观正确答案、验证速度多快、能否大规模并行验证、噪声大不大、以及奖励信号是连续的还是二元的。几乎所有 AI benchmark 本身就是因为容易验证才被设计出来的,而这些 benchmark 确实在过去几年被逐一攻破,这恰好是 Verifier's Law 的实例。 他特别推荐了 DeepMind 的 AlphaEvolve 作为利用验证不对称性的范例。AlphaEvolve 挑选满足上述五个条件的问题——比如找到 11 个六边形的最优排列使外接六边形最小——然后用大语言模型采样大量候选解,自动评分,把最优解作为下一轮采样的灵感,不断迭代。关键技巧在于它绕过了泛化问题:训练集和测试集是同一道题,你就是想知道这一道题的最优解。 这个框架的实际推论是:最先被自动化的任务一定是验证成本最低的任务;而一个正在崛起的创业方向是——发明新的衡量方法,把原本难以验证的任务变得可验证,从而让 AI 去优化它。 三、智能的锯齿状边缘 对于"AI 将如何改变世界"这个问题,他看到的观点光谱极广。他的一个量化交易员朋友觉得 ChatGPT 跟自己工作无关,而他在顶级实验室的同事则认为再过两三年 AI 就会取代他们自己的工作。 他明确反对"快速起飞"假说——即一旦 AI 跨过某个临界点就会突然变成超级智能。他的理由是,AI 的自我改进不是一个二元开关,而是一个渐进光谱:从跑不起来代码,到能训练但结果一般,到能自主训练但不如顶尖研究者,再到偶尔还需要人工干预。更重要的是,自我改进的速度应该按任务来看。AI 的能力图谱是一条锯齿线:在某些任务上已经达到山峰(竞赛数学、部分编程),但在另一些任务上仍是低谷(比如 ChatGPT 曾长期认为 9.11 大于 9.9,或者说一门只有几百人会的原住民语言 Tlingit)。 他给出了判断 AI 在某个任务上进步速度的三条启发式规则。第一,AI 擅长数字化任务,核心原因是迭代速度——数字环境可以轻松扩展算力,而物理机器人的实验扩展成本高得多。第二,人类觉得容易的任务 AI 也往往容易,但有一类例外是"人类因生理限制做不到但 AI 可以做到"的任务,比如读过一千万张乳腺影像后发现某个人类注意力无法捕捉的模式来预测乳腺癌。第三,数据充足的任务 AI 表现好——数学推理在不同语言上的表现和该语言的训练数据量高度相关;而如果一个任务有单一客观指标,就可以通过强化学习生成合成数据来突破数据瓶颈,AlphaEvolve 和 AlphaZero 都是这个路线。 他用一张表把这些启发式规则应用到具体任务上:主流语言翻译已经完成;调试基础代码 2023 年搞定;竞赛数学 2024 年搞定;AI 研究本身大概 2027 年;化学研究因为不是纯数字任务会更晚;拍电影大概 2029 年;修水管和理发因为高度物理化,短期内不太可能;乌兹别克传统地毯编织需要一组人花一个月、非数字化且缺数据,AI 不太可能碰到;至于"带女朋友约会让她满意"——他的判断是"impossible,非数字化,缺数据",人类还能保住饭碗。
顯示更多
单论安全,全球就数中国独一无二 这也是这几十年的成果 虽然我也挺爱分享生活日常,但如果真的是去国外,特别是挺穷的国家 我是完全不敢分享自己的地理位置和行程的,虽然没几个钱…… 听蓝战非提到的这次绑架勒索提前计划了半年…… 不是我说,最危险的人,往往是你以为的“自己人”…… 当然,大多数国外的国人都是NPC,友好,有爱,互助 但奈何总有那么极少部分的恶人…… 害人之心不可有,防人之心不可无!
顯示更多
0
31
34
1
轉發到社區
有人在采访中问马斯克:“你曾说过,你无法也不愿意独自一人。我非常有同感。这种感觉从何而来?” “我觉得这只是人类自然的反应。大多数人……” “我不……我真的……我觉得大多数人独处时并不开心。” “如果我的狗不在身边,我就会感到相当孤独,因为我只是一个人待在一间小房子里,连条狗都没有。”
顯示更多
菲尔兹奖得主王虹这张正装照片,会不会让国人破防啊? 这是法国综合理工的校服,法国综合理工相当于法国国防科大,其礼服为对襟裁剪的双排金扣海军蓝外套、金色肩章、领口有金色“燃烧手榴弹”标志,女学员配有专用二角帽 Bicorne。 拿破仑亲自为学校题写了校训: ​“Pour la Patrie, les Sciences et la Gloire”(为了祖国、科学与荣耀) ​1804年,拿破仑向学校亲赐了军旗,使其成为法国极少数拥有独立军旗的高等学府之一,学校属于法国国防部。 王虹2007年高考从广西桂林考入北京大学地球学院的,大二转到数学系。她在北大数学系只待了三年,2011年本科毕业后,王虹火速去法国读研究生,之后到美国麻省理工读数学博士,先后去了加州大学洛杉矶分校和纽约大学,至今在海外一共15年,在北大只有3年,研究生及所有工作都在海外完成 邓煜2007年国际数学奥林匹克IMO金牌从广东深圳保送入北大数学系的。他在北大数学系只读了2年,不知道什么原因不读了,2009年火速转学至麻省理工学院读剩余本科,取得MIT本科学位。然后在普林斯顿读了博士,先后在纽约大学和南加大任教,现在在芝加哥大学 他至今在海外一共17年,在北大只有2年,研究生及所有工作也都是海外完成的 可见,他们二人当年在北大数学系,都出奇一致地没有完整的数学本科四年学历,更加没有留校读研究生,王虹三年后,邓煜两年后,都火速离开了北大,投入了海外学术的汪洋大海去,遨游至今十多年,并做出了骄人的成绩。 一句话,中国是能出好苗子的。但好土壤还是在海外。 有人说,要是没有北大数学系的培养,今天就没有邓煜、王虹获菲尔兹奖。 这个说法非蠢即坏。 是想把北大放在火上烤吗? 如果当年王虹、邓煜不上北大,而是直接去MIT或者美国什么名校读数学本科,难道他们今天就获不了奖? 北大是沾了他们的光,而并非北大造就了他们。 北大数学系只是一个育秧园,只能说北大招生办给力,能掐到好苗子,搁到自己的育秧田里。 苗子本身好,才是决胜因素。 在北大数学系出来的,又不止他们二人,为什么只有他们获奖? 一句话,他们二人本身就强大。 不难想象,如果他们当年不出国,继续留在北大读研究生及任教到今天,顶多勉勉强强熬到教授,每天应付各种各样评比,能以第二作者拿个自然科学二等奖就谢天谢地了。 要客观评价北大数学系,不能贬低,也不能拔高。国内学术环境在不断变好,对北大袪魅,正当其时。
顯示更多
0
150
415
60
轉發到社區