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 grounds
grounds 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 grounds 的搜尋結果
在中共駐英國曼徹斯特領事館前—— 倡議英國應該和台灣提升外交關係: At the Chinese Consulate in Manchester: A Call for Britain to Strengthen Official Relations with Taiwan 站在我身後的這棟建築,代表的是一個監控公民、騷擾異見者、要挾受害人家屬的威權政府。 The building behind me represents an authoritarian regime that monitors its own citizens, harasses dissidents, and uses the law and victims’ families as tools of intimidation. 就在這裡,2022年10月,時任曼徹斯特總領事帶人將一名香港民主抗議者強行拖入領事館範圍內毆打。 Right here in October 2022, a Hong Kong pro democracy protester was dragged into the grounds of this consulate and beaten. China’s then Consul General in Manchester was reported to have been involved. 這棟建築的本質不是外交機構,而是中共在英國實施跨國鎮壓的據點。 This building does not represent normal diplomacy. It represents the CCP’s transnational repression on British soil. 台灣比中華人民共和國早成立了整整37年,台灣從未被中共統治過一天。 Taiwan (The Republic of China) was founded 37 years before the People’s Republic of China, and Taiwan has never been ruled by the CCP for a single day. 我在此要求英國政府提升與台灣的正式外交關係,承認台灣的民主現實。 I call on the British government to strengthen its official relations with Taiwan and to recognise the reality of Taiwan’s democracy. 如果曼徹斯特這個領事館的位置有更好的選擇,應該是台灣。 If there is a better future for this site in Manchester, it should be a future with Taiwan.
顯示更多
此《Ground and Aerial Views of China》系列由民国时期一名美国飞行员J. P. Koster拍摄。此套含照片533幅,大部分是从北京到包头、宁夏、兰州、西宁、西安、郑州到上海和汉口、长沙、广州以及西安到昆明成都的航线上拍摄。这些照片大致拍摄于1940年。介绍下载:
顯示更多
0
6
461
135
轉發到社區
🪂 16 个可能有 Discord 激励角色的项目!!! ⚠️ 潜在空投 / 免费参与 1. GenLayer 🐦 融资:$7.5M 角色:Singularity(奇点) 2. Arc 🐦 融资:$150M 角色:Creator(创作者) 3. Optimum Optimum 🐦 融资:$11M+ 角色:Chronicler(编年者 / 高级) 4. Shelby 🐦 融资:$35M 角色:Creator(创作者) 5. Ritual 🐦 融资:$25M 角色:Zealot(狂热者) 6. Seismic 🐦 融资:$17M 角色:Mag 9 7. PrismaX 🐦 融资:$11M 角色:Groundbreaker(开拓者) 8. Fluton 🐦 融资:未披露 角色:Encrypted(加密者) 9. QwertiAI 🐦 融资:未披露 角色:Qwertian 10. Helm 🐦 融资:未披露 角色:OG(早期用户) 11. Konnex 🐦 融资:$15M 角色:Creator(创作者) 12. Bulk 🐦 融资:$8M+ 角色:OG / Contributor(贡献者) 13. Euphoria 🐦 融资:$7M+ 角色:Euphorics(用户社区) 14. Real 🐦 融资:$29M 角色:OG(早期用户) 15. Linera 🐦 融资:$12M 角色:Platinum Chain(白金链等级) 16. Oro AI 🐦 融资:$6M 角色:Creator / Gold(创作者 / 黄金等级) 🧾 一句话总结 👉 这些项目的本质是: 通过 Discord + 社交任务筛选早期用户,可能用于未来空投或奖励机制 但要注意: ⚠️ 有角色 ≠ 一定有空投 ⚠️ 有融资 ≠ 一定会发币 ⚠️ 这是“概率机会”,不是确定收益
顯示更多
0
17
46
20
轉發到社區
宝子们 ,币安alpha这几天简直是精彩,继续看涨💹主打一个BSC系列的alpha 狂欢! 结合板块来看,最近 AI 板块表现尤其强势! #AI# 是今年最主要的叙事!所以可以重点关注同时具备 Alpha+合约且属于 AI 板块的项目: 例如这两天的 $MYX ,0.046冲到了最高18.11u,将近400倍卧槽,所以alpha的币不能随便空了哈🥰 我分析了一下,这些项目目前都是高控筹,且上了alpha和币安合约。 我还研究选定了一些有潜力的: $AIN Infinity Ground 是面向 Vibe Coders 的领先区块链基础设施,提供去中心化智能 IDE、AI 应用商店,以及 ING 网络,助力无代码 DApp 开发。市值2575万,空间大! $SkyAI 是一个由 MCP 提供支持的一体化 AI 生态系统。市值4777万! MemeCore 项目方太有钱,有目共睹的拉盘! $Hemi 是首个由比特币和以太坊驱动的双层二网络(Dual-L2)。市值3623万! #SynFutures# $F 是一家领先的永续合约去中心化交易所,拥有首个混合型自动做市商(AMM)和链上订单簿。市值1671万 $DMC 是 DeLorean 的官方代币,DeLorean 是一个拥有超过40年历史的标志性汽车品牌。1335万 $YALA 比特币原生流动性协议,释放 DeFi 与 RWA 收益潜力。市值3757万
顯示更多
0
36
56
1
轉發到社區
每个人都应该了解的AI 术语名词,你都认识吗? 搞懂这些名词 并了解其实现方式和原理。你基本就入门了。 AGI(类人AI):类似人类思维的AI。 CoT(链式思维):AI一步步思考。 AI Agents(AI代理):自动化决策的程序。 AI Wrapper:简化与AI模型的互动。 AI Alignment(AI对齐):确保AI遵循人类价值观。 Fine-tuning(微调):使用特定训练数据来改进AI。 Hallucination(幻觉):AI编造的信息。 AI Model(AI模型):用于任务的训练AI。 Chatbot(聊天机器人):模拟人类对话的AI。 Compute(计算):AI模型的处理能力。 Computer Vision(计算机视觉):AI理解图像和视频的能力。 Context(上下文):AI为更好响应保留的信息。 Deep Learning(深度学习):通过多层神经网络学习的AI。 Embedding(嵌入):AI的词汇数字化表示。 Explainability(可解释性):理解AI决策背后的逻辑。 Foundation Model(基础模型):可适应任务的大型AI模型。 Generative AI(生成式AI):创建文本、图像等内容。 GPU(图形处理单元):用于快速AI处理的硬件。 Ground Truth(真实数据):AI学习的验证数据。 Inference(推理):AI对新数据做出的预测。 LLM(大型语言模型):用大量文本数据训练的AI。 Machine Learning(机器学习):AI通过数据经验改进。 MCP(模型上下文协议):AI内部数据访问的标准。 NLP(自然语言处理):AI理解人类语言。 Neural Network(神经网络):受大脑启发的AI模型。 Parameters(参数):AI学习的内部变量。 Prompt Engineering(提示工程):创建输入以指导AI输出。 Reasoning Model(推理模型):有逻辑推理能力的AI。 Reinforcement Learning(强化学习):AI通过奖励与惩罚学习。 RAG(检索增强生成):结合搜索与生成的AI。 Supervised Learning(监督学习):在标记数据上训练的AI。 TPU(张量处理单元):AI处理专用芯片。 Tokenization(分词):将文本分割成词片。 Training(训练):通过调整参数教AI。 Transformer(变换器):用于语言理解的AI架构。 Unsupervised Learning(无监督学习):AI在无标签数据上发现模式。 Vibe Coding(情绪编码):通过语言捕捉情绪并预测输出。 Weights(权重):影响AI学习的值。 #AI# #AIAgent#
顯示更多
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"。
顯示更多
作品上新 番号 驯化完全人妖母狗奴隶 - 颜面骑乘 榨精 寸止 完整视频 或加电报 或直接推特私信 VX.QQ不常回 出演: 女王 @SM14839783 @abbykitty0606 @abbykitty0707 玩具: #山海坊主# @MSCSHFZ 你知道完全驯化的人妖母狗是什么样子的吗? 一张美丽的脸庞 常常被要求做瑜伽的修长身材 下面却有着不为人知的秘密 一位美女被女主从笼子里面拖了出来 看她的眼神似乎已经很久没有发泄她的欲忘了 她恭敬的将女王的鞋子脱掉 习惯性的将鼻子凑上深吸一口气 因为闷着好几天 女主淡淡的香水味夹杂着闷臭的汗味 一股浓浓的刺鼻味马上 女主将脚完全塞入这欲女的嘴里 接着把她推倒 女主直接用丰满的美臀压制在女奴美丽的脸庞上 让女宠兴奋不已 不自觉的手就开始抚摸自己下体 马上被女主呵斥阻止 双手被主人踩在地上 臀不不停的来回磨擦着女宠的脸 美丽的妆容似乎被蹂躏的面目全非 接着被牵引到笼子上方M字腿五花大绑 女王为女宠套上头套并将丝袜脱下塞进她的嘴里 接着将好几颗情趣蛋塞入门 女奴说:好涨!好涨 但是女王没有放过她 接着塞入前列腺按摩肛塞 这样跳蛋就出不来了 接着寸止却不能射 再用冰块冷却 再把贞操锁锁回去 一切的一切都太残酷了 最后按摩棒抵着贞操锁强制榨精 原来一条母狗是这样诞生的 艾爷工作室 @abbykitty6666 #支持原创# #拒绝黄牛# AB106 Conpletely domesticated kinky sissy slave- face sitting cumshot edging (Chinese and English subtitles) Do you know what a fully domesticated sissy bitch looks like? A beautiful face A slender figure who is often asked to do yoga There is an unknown secret underneath A beautiful woman was dragged out of the cage by the Mistress The look in her eyes seemed like she hadn't vented her desires for a long time. She respectfully took off the Mistress's shoes Habitually bring your nose up and take a deep breath Because it was bored for several days The Mistress's faint scent of perfume is mixed with the stifling smell of sweat A strong pungent smell immediately The Mistress put her feet completely into the mouth of this horny girl Then push her down The Mistress directly presses her plump buttocks onto the slave girl's beautiful face Make your favorite girl excited Unconsciously, her hands began to touch her lower body She was immediately scolded and stopped by the Mistress Her hands were stepped on the ground by her Mistress The buttocks kept rubbing her face The beautiful makeup seems to have been ravaged beyond recognition Then she was led to the top of the cage and tied with M-shaped legs The Mistress put a hood on her slave, took off her stockings and stuffed them into her mouth Then she stuffed several vibrating egg into the asshole The slave said: It’s so hot! So good But the Mistress didn't let her go Then insert the prostate massage anal plug This way the vibrating egg won't come out. Then she stopped but couldn't cum Cool with ice cubes her dick Put the chastity lock back on Everything is too cruel Finally, the vibrator pressed against the chastity to extract semen. It turns out that this is how a female dog is born
顯示更多
0
45
6.7K
802
轉發到社區