wataa Fan-made video: Exposing genitals in a supermarket. 粉丝定制视频，让表姐开档咖丝超市漏出……🫦陌生的地方还是很刺激的，💦一下就有了…（2k视频）#大表姐# #cherrysis# #BDSM# #ootd# #丝袜# @luchu777 @luchu888

推荐个最最便宜的大陆 eSIM 流量卡，6.75 元 25G 流量。Superalink 能薅羊毛适合体验下 eSIM 和防止机场 VPN 出问题失联备用，打开 或「JZB000000」优惠码能领 5 美元的优惠券。 国内移动网络支持 5G 速度很快，漫游香港或新加坡，能解锁 ChaGPT，支持支付宝付款，推荐选 5 天每天 5G 的，货币选人民币更便宜，180 天内都能启用，每个邮箱都能薅一次。

“股神” Leopold Aschenbrenner 从小就是天才，人生密度太强了： 1. 14岁在德国绿党全国大会发言 Leopold 出生于德国，父母均为医生。2016年，年仅14岁的他就登上了德国绿党全国大会的演讲台，发表演讲，内容涉及气候与未来风险议题，展现出超乎年龄的思考深度。 2. 15岁入读哥伦比亚大学，毕业时是全年级第一 他在15岁时就进入哥伦比亚大学就读，并于2021年以年级致辞代表（Valedictorian）身份毕业，是该届成绩最优秀的毕业生。他同时也是 Tyler Cowen 的 Emergent Ventures 项目的获奖者。 3. 2024年被 OpenAI 开除 他曾是 OpenAI Superalignment（超级对齐）团队的核心成员。2024年4月，OpenAI 以"信息泄露"为由将其解雇，但 Aschenbrenner 本人对此说法提出异议，认为自己是因内部对 AI 安全问题的立场分歧而遭到打压。 4. 被开除后发布《情境意识》，引爆AI圈 离开 OpenAI 后，他发布了长篇报告 《Situational Awareness》，预言 AGI 即将到来并深刻影响地缘政治格局，在 AI 圈引发广泛讨论，迅速成为"AI预言家"级别的人物。 5. 创立对冲基金，12个月内从2.25亿做到55亿美元 他随后创立了 AI 主题对冲基金，在约12个月内将2.25亿美元管理规模增长至约55亿美元，成为硅谷最受瞩目的年轻投资人之一。 6. 与 Anthropic CEO 首席幕僚结婚（2026年7月） 最近最大的"AI圈联姻"事件：他与 Avital Balwit（Anthropic CEO Dario Amodei 的首席幕僚）于2026年7月底在加州卡梅尔举行婚礼，被媒体称为"AI界权力夫妻"。

《課後輔導肛交》 This is the most skilled bottom I’ve ever met. I first experienced get fucked by a butthole. 從小就這麼愛硬撐😎 受不了就說出來😝 欠幹細腰身板🍆 下賤的自己塞遍每個玩具🍭 欲求不滿的樣子超淫蕩...💦 @supermankitty1 #學生# #玩具# 🎉慶祝迎來第五個十萬追蹤🎉 ☺️限時Fo訂閱打8折 | -20off☺️ 完整版訂閱⬇️ （Fansone全作品皆有） Full version⬇️ (Onlyfans規範 有時會遭下架) 免費預告群⬇️

最近在读一本 165 页的书。作者Leopold Aschenbrenner，他在两年前准确地预测了目前的AI的发展趋势。 他2024 年 4 月被 OpenAI 开除，6 月写出这本《Situational Awareness》本质上，是一份募资文档。9 月，开了自己的对冲基金。这支基金规模1年从2亿多美金涨到55亿，整整24倍。2025 上半年净回报 47%。 我读着读着开始想，他凭什么。凭什么一个22岁的人，能在 2024 年就把今天的世界写出来？ 能看见未来，是因为他站在未来正在被造出来的那个房间里。他在旧金山的圈子，在 OpenAI 的 Superalignment 团队，直接在首席科学家 Ilya Sutskever 底下做事。这本书，是他献给 Ilya 的。 他两年前写下的每一句话，今天回头看，几乎一一兑现。 他说，AI 短期最缺的不是算法，是算力、是 HBM 记忆体、是数据中心、是电。 他说，真正的瓶颈藏在 CoWoS 先进封装里。 他说，美国的电网，会变成最先卡住所有人的那道关。 他说，会出现一个「万亿美元集群」。后来这些观点，全部变成头条。 OpenAI 把那个集群命名为 Stargate。 2025 年下半年，他悄悄重仓比特币矿场。 不是因为看好币价，而是因为他看出来挖矿的厂房，本来就握着现成的电力合约、现成的数据中心场地、现成的高功率冷却。AI 时代稀缺的东西，比特币矿场全部都有了。 挖矿的矿工会转变成AI 算力的房东。 他的逻辑； 第一层，AI 缺电。 第二层，握着电的人最稀缺。 第三层，那些早已握着电、却被市场看不起的人，是金矿。 但这些都还只是开胃菜。他在书里写下一句话， 2027 年，AGI （通用人工智慧）到来。 逻辑是这样的。过去四年，AI 从一个「学龄前小孩」GPT-2，长成一个「聪明的高中生」GPT-4。再过四年，他说，AI 会能替代人类研究员，自己去训练 AI。 一旦 AI 能自己研究 AI，人类十年的算法迭代，它一年就跑完。「智能爆炸」就会从那一刻开始。 到那时，人类已经看不懂 AI 在做什么了。它写的代码，它做的决定。我们怎么知道，它没有在骗我们？ Leopold 在书里，开出三张药方。 一、弱监督强。用一个能力较弱、但人类还看得懂的 AI，去监督那个远超人类的强 AI。赌的是，较弱的那个还能识破较强的在使坏。Leopold 自己，就是这篇论文的共同作者。 二、AI 互相辩论。让几个 AI 当面对质，互相挑错，互相揭发。人类只当一个安静的裁判，利用它们之间的不一致，来揪出说谎的那一个。 三、机械可解释性。训练的时候，先把危险的参数拿掉。然后直接打开 AI 的脑袋，看它到底在想什么。做「AI 测谎器」，找它内心的「真理方向」。Leopold 自己也说，这一条，是 moonshot 级别的困难。 读到这里我才懂，他为什么用 Oppenheimer 的合影做结尾。他把这件事当成新一代的曼哈顿计划在写。 他自己也承认，这三条路加起来，本质上只是「凑合过去」。没有一条真正解决问题。只是赌人类能撑到把对齐难题，外包给 AI 自己解决的那一天。 我们现在做的事情，不是「我们解决了 AI 安全」，而是「我们希望，AI 替我们解决 AI 安全」。 听起来，是不是有点像谈一段不太对劲的恋爱？ 明知道哪里不对，但还是赌他会改。 回到投资。这本书最值钱的部分，其实不是「2027 AGI」这个具体的年份。误差棒很大，可能晚一年，可能早半年。 它最值钱的，是把整个十年 AI 产业的瓶颈层级，讲得清清楚楚 电力 > 先进封装 / HBM > 算力 > 算法 > 应用。 越往上越稀缺，越往下越拥挤。 Leopold 自己，用真金白银，在公开市场亲手验证了一遍。 我合上书的那一刻在想 有些书，读得早一年，可能就是命。 还好，现在也不晚。 “See you in the desert, friend.”

聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了， 接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。 因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令， 场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。 所以我最近半年一直坚持反复告诉大家： 1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益； 2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题： A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven( 前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作； B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性， 除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论； C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决， 你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent； 3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。 在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。 在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑， 因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高， 而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现， 一种方式是尽可能用formal verification或者prover的形式来自动化验证， 一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作； 4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。 比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范， 比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要）， 比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式， 所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow， 一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题， 这种人大概率会被这个时代逐渐淘汰掉。