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 Raptors
Raptors 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 Raptors 的搜尋結果
10Y 站上 5% 以后,整个美股就很难做了。今天继续冲新高(07 年后),美股承压。 川普、伊朗不太可能在中期选举前达成协议,油价也就会一直在 100 以上。10 月份加息预期升温,宏观逆风不少。 中期选举现在依然悲观,如果再加一次息,民主党真要横扫了。 今天的个股里,我看的也只有 $ABCL $LQDA 两只表现还成。 LQDA 有可能这几天出判决结果,hopefully 昨天买了点 NVDA,今天股票回购但也只能拉动股价不到 2%. 别的没什么好玩。继续轻仓等着吧。 李飞飞没两年的一个startup 被 AMD 买走,AI 的钱可真好赚(骗) SpaceX 的 Starship 成功入轨并部署 Starlink V3 卫星,但由于一个 Raptor 发动机出现故障,一度有些恐慌,冗余到位没有出现问题,但也依然提前结束任务。原定 10 个小时、环绕地球 6 次轨道,仅一次轨道结束后就回归。 因此 $SPCX 也没有被拉起来。 META 声称要类似于 MSFT 一样提供 AI 企业云服务,拭目以待。
顯示更多
我的偶像 Tina(Christina Li)最近都没怎么发推,今天顺手算了下她的身价。 按之前网传她持股 8–15 万股,IPO 价 135 刀那会儿身价直接干到大概 1500 万刀。 现在 SpaceX(SPCX)股价大概 133 刀左右,按同样持股算,身价还在 1060 万~2000 万刀*这个区间,中间值差不多还是 1500 万出头。 对比之前只缩水了大概 1.4%~1.5%,几乎没怎么动。股价从 IPO 后冲高回落,她这波基本稳住了。 斯坦福本科直接进 SpaceX,从写控制软件到 Raptor 飞行操作员,硬实力摆在那儿。股价怎么波动,偶像照样香。 偶像就是偶像,藏不住的。
顯示更多
此时此刻,星舰女王和精神小妹来了一个完美融合!哈哈!😆😆 这位精神小妹叫郭璨(Cancan Guo),大家现在也称呼她为「星舰女王」 她是SpaceX(美国太空探索技术公司)的华裔年轻工程师,年仅二十多岁,任职于美国德州博卡奇卡星舰基地,是星舰(Starship)项目发射控制室核心工程师,主攻猛禽(Raptor)火箭发动机控制系统、发射全流程数据监测与点火指令管控,你第二张图里的巨型火箭就是她日常工作对接的星舰原型机。 外形风格极具个性:染渐变长发、留有花臂纹身,日常穿搭随性(吊带、休闲工装),搭配SpaceX品牌棒球帽、通讯耳麦的工作造型,第一眼很容易被误认为潮流博主、音乐人,和大众印象里西装革履、一丝不苟的传统航天工程师形象截然不同; ​硬核专业实力:看似随性的外表下,她要全程盯着星舰发射前海量发动机压力、燃料、温控等关键参数,把控火箭点火、升空的关键指令,是星舰多次试飞任务里控制室的关键执行人员,这也是SpaceX扁平化用人文化的典型代表——团队不看穿搭、纹身、外形,只看能力。 这种精神小妹来一沓,我喜欢!她只崩万亿富豪,不崩老头!哈哈哈! $SPCX @elonmusk
顯示更多
0
40
24
2
轉發到社區
一网友的资料,没有验证,现在留存;SpaceX关联企业,我们正在做这方面的研究,回头会有研报: 第一家: $STM 与 Starlink 签订了长达 10 年的合作协议 据公开资料显示,每颗 Starlink 卫星所使用芯片中,约 90% 来自该公司。相关业务去年收入约 6 亿美元,目标是在 2028 年前提升至 30 亿美元以上。 第二家: $WNC(Wistron NeWeb) 主要生产安装在 Starlink 上的天线设备。 第三家: $VLD(VELO3D) 为 SpaceX 猛禽(Raptor)发动机提供 3D 打印金属零部件。 第四家: $GHM SpaceX 产业链相关供应商之一。 第五家: $FTC 为 Starlink 下一代地面站提供氮化镓(GaN)功率放大器相关产品。 第六家:Sphere Corp 同样属于 SpaceX 相关供应链企业。 第七家: $SATS 被不少投资者认为是目前最接近“间接持有 SpaceX”的方式之一。
顯示更多
冷知识,RAG 技术的演进路径 ① 2020 — 基础 RAG(解决"知识不在模型里") 起点是 Lewis 等人的 RAG:DPR 稠密检索 + 向量相似度 + 生成。它第一次让 LLM 能"外接知识库",缓解幻觉和时效性问题。但这代是"无脑检索"——先把所有文本切成 chunk 做向量索引,查询时取 top-k 就完事。痛点:chunk 彼此孤立、检索粗糙、对复杂问题无力。这正是所有分支要解决的问题。 ② 2022–2023 — 检索精度升级(更准) ColBERTv2:把"单向量"改成 token 级多向量 + MaxSim 延迟交互,匹配更细;残差压缩把存储降 6–10 倍。检索器本身从"粗"变"准"。 Modular RAG:意识到 RAG 不该是固定管道,而是一堆可编排模块(检索/重排/生成),像乐高一样组合。架构开始"模块化"。 ③ 2023–2024 — 反思纠偏 + 结构增强(更准、更懂关系) Self-RAG / CRAG:给系统装"质检员"——Self-RAG 用反思 token 自己决定要不要检索、内容对不对;CRAG 用轻量评估器三路径纠正(正确用/错误重写或联网/模糊混合)。解决了"检索到垃圾也不知道"的问题。 RAPTOR:用递归摘要树组织文档,适合全局性、多跳、总结类问题。 GraphRAG / LightRAG / HippoRAG2:把文本抽成实体–关系知识图谱,用图谱做多跳推理(Microsoft GraphRAG 用 Leiden 社区摘要;HippoRAG 用个性化 PageRank)。这是"结构化知识"路线,但全量图谱构建很贵。 ④ 2024–2025 — 路由与成本优化(更省) Adaptive RAG:按查询复杂度动态路由——简单问题直接 LLM 答、复杂问题才走多步检索。 LazyGraphRAG:把社区摘要延迟到查询时才算,索引成本降到 GraphRAG 的 0.1%。 长上下文路由:2M token 窗口出现后,结论是"不替代 RAG,而是分工"——简单查走 RAG(几分钱),复杂多跳走长上下文,视觉文档走 ColPali。GraphRAG-Bench(ICLR 2026)给出经验法则:图的价值随查询复杂度上升。 ⑤ 2025–2026 — 自主智能体 + 强化学习(更自主) Agentic RAG:让 AI agent 动态决定"用什么工具(向量库/网页/API/SQL)、查几轮、怎么合成"。 Search-R1 / DeepRetrieval / DeepResearcher / MCTS-RAG:用 RL 端到端训练 LLM 学会"何时搜、搜什么"。Search-R1 在 Qwen2.5-7B 上比普通 RAG 提升 41%;DeepRetrieval 直接以检索指标(recall@k、NDCG)为奖励优化查询;MCTS-RAG 把蒙特卡洛树搜索融进推理。这是从"固定流程"走向"会自己找信息的智能体"。
顯示更多
0
37
101
20
轉發到社區