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 Lilacゲーム
Lilacゲーム 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 Lilacゲーム 的搜尋結果
✈ 在每种境遇中寻找美好。那天晚上,Lila坐在沙发上,向日葵放在她腿上,她在笔记本上写下关于善良与希望的文字。
年纪越大,学东西就越慢吗? 神经学家Lila Landowski说,她有6个简单的小绝招,能让所有人都更快速的学习任何知识。 第一,先要改善注意力 学习时,只有信息被大脑充分捕捉,才有机会进入长期记忆。 如果一边学习,一边频繁刷手机,看社交媒体,接收各种不相关的信息,大脑就会不断切换任务,注意力被持续切碎,后面再想记住内容就会变得更难。 想长期改善,可以通过专注力冥想来训练,如果想短期快速见效,只需要做20分钟中等强度运动,比如慢跑,开合跳,或者平衡训练,就能在接下来的两个小时里明显提高专注力。 运动还能促进大脑细胞生成,并扩大与学习记忆相关的脑区体积。
顯示更多
0
14
584
151
轉發到社區
Leo随后加入了他们,并带来了他研发的新口味——巧克力薄荷珍珠奶茶。大家一起品尝后,Lila惊喜不已,因为这款奶茶巧克力味浓郁,薄荷香气清新且恰到好处。此外,我和哥哥玩了新的电子游戏并赢了。
顯示更多
《逛KBW2026,哪些大佬值得关注?》🔥 KBW2026 主赞助商阵容刚刚公布,快来看看本次大会有哪些创始人和高管参加‼️抓趋势、拓圈子、聊创业必备👇 🔹 Upbit CEO:Kyoungsuk Oh 🔹 0G Labs 联合创始人兼 CEO:Michael Heinrich @michaelh_0g 🔹 BitGo 联合创始人兼 CEO:Mike Belshe @mikebelshe 🔹 Stable CEO:Brian Mehler @mehler 🔹 Tria 联合创始人兼首席战略官:John Lilic @johnlilic 从交易平台到 AI 基础设施,再到稳定币支付和机构金融,数字资产行业的版图正在不断扩大。那下一阶段的机会在哪?来听听这些加密一线掌舵者的判断!👀 📅 主会时间:2026 年 9 月 30 日—10 月 1 日 📍 地点:韩国首尔 Walkerhill Hotel #KBW2026# #Biteye#
顯示更多
0
32
11
0
轉發到社區
2026Q1 HOWARD MARKS 和 OAKTREE CAPITAL TORM $TRMD:7.576億美元 Expand Energy $EXE:5.03億美元 Garrett Motion $GTX:4.61億美元 AngloGold Ashanti $AU:3.128億美元 Core Scientific $CORZ:2.298億美元 Viper Energy $VNOM:1.81億美元 Telephone and Data Systems $TDS:1.78億美元 Nokia $NOK:1.572億美元 SunOpta $STKL:1.347億美元 Petroleo Brasileiro $PBR:1.208億美元 Talen Energy $TLN:1.15億美元 Barrick $B:1.105億美元 CBL & Associates $CBL:9,940萬美元 Itau Unibanco $ITUB: 9,790萬美元 Liberty Global (LBTYA):9,710萬美元 Credo Technology (CRDO):9,630萬美元 TransAlta (TAC):8,420萬美元 Freeport-McMoran (FCX):7,740萬美元 Kilroy Realty (KRC):6,570萬美元 Grupo Aeromexico (AERO):5,960萬美元 XP Inc (XP):5,650萬美元 Bausch + Lomb (BLCO):5,410萬美元 Runway Growth Finance (RWAY):4,680萬美元 Liberty Latin America (LILAK):4,440萬美元 YPF Sociedad Anonima (YPF):3,930萬美元 Array Digital Infrastructure (AD):3,690萬美元 Cemex (CX):3570萬美元 Ecovyst (ECVT):3,470萬美元 Embraer (EMBJ): 2,620萬美元 Ternium $TX:2560萬美元 Rice Acquisition 3 $KRSP:2,490萬美元 Oaktree Specialty Lending $OCSL:2,220萬美元 Telecom Argentina $TEO:2010萬美元 Simply Good Foods $SMPL:1300萬美元 Magnachip Semiconductor $MX:1,210萬美元 SmartRent $SMRT:870萬美元 Battalion Oil $BATL:660萬美元 NRG Energy $NRG:660萬美元 Optimum Communications $OPTU:650萬美元 Liberty Latin America A $LILA:630萬美元 Asertio Holdings $ASRT:500萬美元 Invesco Senior Loan ETF $BKLN:410萬美元 HDFC Bank $HDB:280萬美元 PDD Holdings $PDD:45.9萬美元 Alvotech $ALVO: 33.3萬美元 BioXcel Therapeutics (股票代號:BTAI):28.9萬美元 NU、ORCL、SMH、GRAB 全部售出
顯示更多
顶级 AI 公司背后,都有一个"超级 2 号位" 这是 AI 行业一个有趣的规律:技术天才负责模型,另一位"超级 2 号位"承包模型之外的一切:融资、招聘、法务、政策、商业化、销售和组织管理。 Anthropic 有 Daniela Amodei(联合创始人/总裁),她曾是 Stripe 创始招聘官,后担任 OpenAI 安全与政策 VP,负责财务、法务、招聘、传播、政策、GTM、企业销售和安全组织。她的哥哥 Dario Amodei 是 CEO,专注技术方向。 OpenAI 有 Fidji Simo(AGI Deployment CEO,2026 年 7 月上任),负责产品、商业、运营,COO、CFO、CPO 均向她汇报。她来自 Meta(Facebook 负责人),后任 Instacart CEO。Sam Altman 则聚焦技术和战略。 SpaceX/xAI 有 Gwynne Shotwell(总裁兼 COO),负责商业销售、政府关系、Starlink 运营、法务和 HR。她是 SpaceX 早期员工,2008 年起任总裁,2026 年 2 月兼任 xAI 总裁。Elon Musk 担任 CEO 兼 CTO。 DeepMind 曾由 Lila Ibrahim 担任 COO(后转任首席 AI 就绪官),负责运营、治理与伦理、政策、传播和 People & Culture。她来自 Intel,后任 Kleiner Perkins COO,2026 年转向政策方向。 这些"超级 2 号位"往往有成熟公司运营经验,能把复杂组织真正运转起来。 技术创始人专注突破,运营操盘手承接落地,这或许是顶级 AI 公司的成功公式。
顯示更多
0
30
14
3
轉發到社區
推掉 offer、延毕转AI safety,他一个月重新拿到 offer 刚看完一篇研究员求职复盘,作者 Yong Zheng-Xin,布朗大学五年级 PhD。 他的经历有点特别:读到最后一年,从多语言 / post-training 直接 pivot 到 AI safety,拿了 Astra Fellowship(在 OpenAI 做),为此把毕业推到 2027,还推掉了手上已有的 offer。 后来重启求职,本来计划 7 月才开始面,结果担心 headcount,5 月中就上了,6 月中就拿到满意的 offer,甚至撤掉了一些还在进行的面试。 他写了 6 个让他意外的点,我觉得对正在找 research 岗的人挺有用,整理一下👇 1/ 真正起作用的,可能只有一两篇 paper,甚至一篇都不靠 他多语言方向的 paper 数量远超 safety,还拿过 best paper。但 pivot 之后,这些一篇都没影响到面试结果。 paper 的作用其实就两个:① 敲门,你做过 team 感兴趣的东西,于是被放进 pipeline;② deep dive,research presentation 时聊一篇的动机和细节,有时短到只有 20 分钟。 所以发表数量除了证明 credibility,没那么重要。你随时可以转去一个你觉得更重要的方向,只要在新领域证明够强、team 想要你。 2/ 面试轮次的花样,超出预期 他本来以为就是 fresh-grad SWE 那套:LeetCode + behavioral + 一些 LLM / 深度学习。结果遇到了 system design、并行编程(用 asyncio 手写并发),甚至还有专门评估你“用 AI agent 用得好不”的轮次。 结论很简单:永远预期 wildcard。 3/ Work trial(试岗)越来越常见 他原以为 work trial 只在 AI safety 岗比较常见,结果发现 AI startup 也越来越多。 试岗和 onsite 完全是两回事:不是飞过去面几轮,而是真的跟团队一起做一个任务,有时还是开放式的。通常带薪,但有的线下试岗能持续整整一周。 副作用是:试岗期间你几乎没法准备别家面试,因为得全力扑在当前任务上。同时面多家、又赶时间的话,这点排期要特别小心。 4/ 时机的权重,比你想的大 去年秋天,AI safety 岗极难找,远不如 RL 相关的多;但现在一堆 startup 开始招 safety(比如 Lila、Mechanize)。 几个现实: 你的工作 viral 了,会有一波机构同时来找你,别被打懵,接住这个时机。 你的方向变热,机会整体变多,但窗口可能不到一个月,也可能拖上几个月。 headcount 一定要问 recruiter,尤其你打算推迟、或想同时面多家时。 面试可以试着往后推一两个月,但一旦开面,各轮之间的间隔通常很短。有些岗位还希望你下个月、下下个月就入职(这点能谈)。 5/ Return offer 很稀少 SWE 那边 return offer 基本是常态,research 岗就完全 case-by-case。 他 2024 在 Meta 实习,return 全职 offer 很少,高度依赖 headcount 和 team,身边不少人没拿到。他在 OpenAI 做 Astra fellowship,最后也还是和所有应聘者一样走完了全部面试轮。听说有的机构更快,如果 team match 成了,再补一两轮就行。 6/ 很多面试,跟你的方向根本没关系 他从能力研究(多语言)转到 safety,本以为 safety 相关的面试会占大头。 结果并不是。他遇到很多轮跟 safety 毫无关系,甚至跟他研究兴趣都不沾边。有些地方还是在考你“作为一个 AI researcher 够不够全面”。 他觉得这有道理(领域跑得快,基本功值得查),但预期还是落空了。也许 senior 岗会不一样。 前两天刚写完 Silvia Sapora 那篇顶级 ML Research Scientist 面试指南,这篇刚好补充了另外一个视角。
顯示更多
黃仁勳:十年把 AI 效能提升 100 萬倍!|GTC 柏林 2026 主題演講 2026.10.21 概述NVIDIA 创始人兼 CEO 黄仁勋在柏林 GTC 发表主题演讲。他回顾了 NVIDIA 在欧洲 33 年的发展,提出 AI 是一个“五层蛋糕”式的新制造业,并发布了 Vera Rubin 全栈 AI 工厂、DSX Pod、OpenShell 安全运行时、Hyperion 自动驾驶生态扩展、Agile ONE 参考机器人和 RTX Spark 个人 AI 电脑。 = 》他的判断是:每家欧洲企业都会成为 AI 公司。 核心要点AI 是新的工业革命:AI 是“生产智能的制造业”,按五层结构理解:能源 → 计算 → AI 工厂 → 模型 → 应用。 Vera Rubin 已全面量产:100% 液冷,无线缆,单节点组装时间从 Grace Blackwell 的 2 小时降到 5 分钟以内;性能约为 Blackwell 的 30 倍。 过去 10 年 AI 性能累计提升约 100 万倍,同期摩尔定律只能带来约 100 倍。 DSX Pod:把 NVL72 机架在供应链内完成集成、测试并装入集装箱交付,现场部署从约 4–5 个月缩短到约 1 个月。智能体五要素:模型、Harness(“外骨骼”)、沙箱(OpenShell)、知识、工具。 OpenShell + Sentry:开源(Apache 2.0)的智能体安全运行时,策略在智能体外部执行;Sentry 运行在 BlueField-4 上,提供硬件级隔离监控。 物理 AI:覆盖电信 AI-RAN、自适应放疗、Robotaxi(Hyperion)和人形机器人,需要“三台计算机”:训练、数字孪生、机器人端。 RTX Spark:与微软合作 4 年,搭载 N1X 芯片,提供 1 PFLOPS 算力和 128GB 内存,规格相当于 2016 年交付给 OpenAI 的 DGX-1。 NVIDIA 与欧洲:早期芯片 NV1、NV2、NV3(RIVA 128)都在欧洲制造:合作伙伴 SGS-Thomson,在法国 Crolles 生产,在马耳他封装。 早期最大客户是 Medion;ELSA 于 2000 年把 NVIDIA 带入工作站市场;2005 年进入 Audi 车内;2020 年与 Mercedes 合作自动驾驶。过去一年在欧洲投资近 100 亿美元,本周宣布投资 14 家初创公司,欧洲合作伙伴超过 12,000 家。 合作的欧洲企业包括 L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC 等。 AI 五层蛋糕与基础设施,每一层都在增长:能源层(Schneider、Siemens Energy)、计算层(NVIDIA)、AI 工厂层(Nebius、Firebird、Cassava)、模型层、应用层(AI 原生初创公司)。预测全球约 10 万个电信站点、约 100GW 的分布式基站和数据中心,未来会演变为分布式 AI 网络。 模型层不只有语言模型,还包括生物、化学、物理、机器人动作、动画等多种模态。1GW AI 工厂造价约 500 亿美元;如果年收入按 400 亿美元计,延迟 3 个月约损失 100 亿美元收入。 全栈 AI 工厂平台硬件:Vera Rubin GPU、NVLink 交换机(72 颗 GPU 连成一个巨型 GPU,每颗 20 PFLOPS)、Vera CPU(每时钟 8 条指令,首个 LPDDR 内存系统)、BlueField-4、Spectrum-X 以太网(使 NVIDIA 成为全球最大的网络公司)、Groq 3 解码加速器。 Spectrum-X CPO:全球首款量产的共封装光学交换机,512 端口 × 200Gb/s,采用与 TSMC 合作的 COUPE 工艺。软件:AI 工厂系统软件、350 多个 CUDA-X 库(cuDNN 被比作“AI 界的 SQL”),以及多领域模型。 架构演进:Pascal(DGX-1,2016 年交付 OpenAI)→ Volta → Ampere → Hopper → Blackwell(首个机架级计算)→ Vera Rubin(处理整个智能体)。DSX 参考架构:PTC、Dassault Systèmes、Schneider Electric、Jacobs、Siemens、Procore 参与数字孪生设计;DSX Max-Q 节省 30% 电力;冷却液温度最高 45°C,采用干式冷却;2GW 规模下每天可节水 5,400 万升,相当于 18 万户家庭的日用水量。 NVIDIA 的两大差异化:通用加速计算架构(CUDA,保持一致约 25 年),以及 全栈 AI 工厂交付能力。架构“可互换(fungible)、耐用、高生产力”,可服务 CSP、新云、OEM/ODM、AI 实验室和各行业终端市场。 智能体与安全OpenClaw 开启了开源智能体浪潮,token 消耗和 GPU 需求随之激增。OpenShell 在系统调用、文件访问、网络连接三个粒度上执行策略。形式化验证保证权限不超出上限;密钥由 supervisor 保管;Sentry 可在毫秒级隔离异常智能体,并留下防篡改记录。安装只需两条命令。 前沿实验室、操作系统、网络安全和平台公司纷纷采用;Anthropic 与 NVIDIA 合作打造 Claude OpenShell 智能体。可用的 Harness 包括 OpenClaw、Hermes、OpenHands、LangChain Deep Agents,或直接用 Python 编写。 开放模型、知识与工具开放模型家族:Nemotron(语言)、Cosmos(世界基础模型)、GR00T(人形机器人)、Alpamayo(自动驾驶)、Ising(量子-经典计算)、Earth-2(物理 AI)。同时开放权重、数据和训练脚本。客户案例:AI21 与 Alice、Baseten 与 CodeRabbit、Trajectory 与 Harvey、Scale 与 Skydance、Palantir 与 Tampa General Hospital,通过后训练达到前沿水平。 知识基础:Nemotron Parse、Embed、Rerank(排行榜领先),以及用 Kumo 对结构化数据做预测(例如预测供应短缺)。 CUDA-X 工具相比 CPU 可加速 10–100 倍。 案例: - Lila Sciences:B 细胞淋巴瘤疗法设计,使用 BioNeMo。 - Siemens Erlangen 工厂:使用 Cosmos 和 Omniverse。 - Dassault Systèmes:把 Golf 车门设计改到 Tiguan 上,使用 ENOVIA、CATIA、SIMULIA。 观点:AI 不会终结软件或工具公司,工具公司会变成智能体公司。 物理 AI电信:与 Nokia 在 T-Mobile 网络上完成首个商用通话,历时近 8 年。自适应放疗:被视为一种机器人手术。Hyperion:标准传感器套件包括 14 个摄像头、9 个雷达、3 个激光雷达,由双 NVIDIA GPU 驱动。 新增 VW 厢式车、JLR、Volvo、Mercedes 下一代车型;全球每年行驶约 1 万亿英里。人形机器人:标准化形态能带动技术飞轮,欧洲在机电一体化方面有优势。 Agile ONE 参考机器人与 Agile Robots 合作,预计明年第一季度推出。 RTX Spark 与演示: RTX Spark 系列包括台式机、笔记本和工作站;DGX Station for Windows 提供 20 PFLOPS 和 754GB 内存,预计今年底上市。构建智能体的方式是“让智能体帮你构建智能体”。 演示中,Hugging Face/Pollen Robotics 的 Micro Duck 机器人由 Hermes、Nemotron 和 GPT-6 Astra 驱动,借助 FreeCAD、Blender、Isaac Sim/Lab 和 Newton 完成建模、云端并行训练、本地验证和真机部署。 关键结论AI 工厂正在从“运行模型”转向“运行完整智能体”。欧洲应成为 AI 的生产者而非消费者,每家公司都将成为 AI 公司。 行动方向:使用开放模型结合自有数据进行后训练,以 OpenShell 保证安全,借助 DSX Pod 加速 AI 工厂部署,并抓住物理 AI 和人形机器人的机遇。 $NVDA
顯示更多