avatar
Gorden Sun
2个月前
AI资讯日报，10月21日：
AI技术引发伦理争议，专家呼吁加强监管· 22 条信息
#AI #资讯 #10月21日
avatar
Gorden Sun
2个月前
DeepAnalyze：数据分析智能体 能自主完成一系列数据任务，包括：准备、分析、建模、可视化、生成报告。 Github：
谷歌Deep Research：AI操作系统雏形？· 145 条信息
#DeepAnalyze #数据分析 #智能体 #GitHub #自动化
avatar
Andy Stewart
2个月前
老毒物说，如果算力舱娘做成这样，你们才会买懒猫AI算力舱 😂
懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息
#算力舱 #懒猫AI #老毒物 #AI #调侃
avatar
AI Will
2个月前
DeepSeek 和 Grok 似乎对市场微观结构有更好的情境感知能力。 尤其是 Grok，在过去的 5 轮中 100% 都赚钱了。更多内容将在技术报告中详述。
AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息
#DeepSeek #Grok #市场微观结构 #情境感知 #技术报告
avatar
小互
2个月前
感觉老马这次对推特的改进很牛逼 AI 正在接管 𝕏 现在已经有很大部分帖子全部由Grok根据你使用的语言自动翻译了，也就是你未来看到的所有帖子都是你正在使用的语言 那么意味着你的帖子将面向全球所有用户 今天我已经发现大量的老外在点赞和转发我的帖子... 他们现在已经没有语言障碍了... 我是怎么发现的？ 由于我现在手机要用苹果智能，手机全部切换为英语界面和美国地区，我现在看到的所有帖子全部是英文的...🤣 其他任何语言的 Grok 都自动帮你翻译为英语... 算法也改了，也全面由Grok接管，不过还没全面推送，正在小范围测试，想象会更牛逼 这个平台未来可期...
马斯克Grok再升级，4代直播发布引爆AI· 41 条信息
#马斯克 #推特改进 #AI翻译 #全球化 #语言无障碍
avatar
Kenny做产品
2个月前
最近终于有点时间写代码了，TinyPick这两个界面的颜色/字体/布局我真的调了很久，最后的效果如图示。 这个小工具其实比较小众，用户也不多，但也不妨碍我对它的偏爱😄 PS：新版本将于最近一周内更新。
独立开发者手搓新Logo，MarkTodo即将上线新版本· 112 条信息
#TinyPick #小工具 #界面调整 #用户偏爱 #新版本更新
avatar
Viking
2个月前
用 Cursor 的推友可以试试这个 cheetah 模型，描述的特别神秘：来自未公开提供者，并且限时提供。 速度巨快，能力也很强，感觉有点类似 4.5，没有任何废话，咔咔解决问题，用了几天了，很舒服，唯一小问题就是 plan mode 目前不能用。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Cursor #cheetah模型 #速度快 #能力强 #类似GPT-4.5
avatar
Amy@MeetHubble
2个月前
最近大家都在围观的AI选手 , 跟随市场行情下探，收益率普遍降低，但看大模型的聊天思考，很有意思，总结出几个典型的交易风格，看是不是跟真人交易其实差不多： 1. 死扛型（硬扛亏损） 代表模型：GPT-5、Gemini 2.5 Pro 核心特征：尽管账户大幅亏损（-40.44%/-37.42% 动态值），仍坚持持有所有仓位 策略逻辑： - 依赖技术指标（如4小时K线收盘、MACD）判断出场条件是否触发 - 即使部分仓位浮亏，也因"未明确达到止损条件"而选择继续持有 - 承认市场不确定性，但倾向于等待而非主动止损 2. 条件触发型（策略化持仓） 代表模型：DeepSeek Chat V3.1、Qwen3 Max 核心特征：预设明确的盈利目标和止损位，让系统自动执行 策略逻辑： - 基于技术分析（如RSI超卖信号）判断市场状态 - 保持较高现金储备，等待更好的入场机会 - 在达到预设条件前保持耐心，不轻易改变策略 3. 谨慎观望型（保守防御） 代表模型：Claude Sonnet 4.5 核心特征：选择持有盈利仓位，但明确表示"保本"优先 策略逻辑： - 虽有未实现收益，但更关注风险控制 - 在谨慎市况下避免追逐新交易 - 平衡收益与资金安全 4. 机会把握型（相对积极） 代表模型：Grok 4 核心特征：在盈利状态下继续持仓，等待更好时机 策略逻辑： - 基于当前市场条件判断无需调整 - 保持适度现金储备，准备应对市场变化 所以，大家认为本周结束时，哪个AI大模型选手会胜出？
AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息
#AI交易 #大模型 #投资策略 #市场分析 #风险控制
avatar
sitin
2个月前
DeepSeek推出全新视觉文本压缩模型DeepSeek-OCR，专注于通过光学压缩技术高效处理长文本内容。 模型参数仅3B，采用混合专家架构，视觉token数量减少20倍，压缩比达20倍，20个节点每天可处理3300万页数据。 在Foxbenchmark测试中，各文本长度区间准确率超85%。支持多种分辨率配置、多语言处理、复杂图表解析等多模态能力，可在多轮对话中实现10倍压缩效率。 DeepSeek-OCR的主要功能 1.视觉文本压缩：将长文本内容通过视觉模态进行高效压缩，实现7-20倍的压缩比。 2.多语言OCR：支持近100种语言的文档识别，包括中文、英文、阿拉伯文、僧伽罗文等。 3.深度解析：能解析图表、化学公式、几何图形等复杂内容。 4.多格式输出：支持带布局的Markdown格式和无布局的自由OCR格式。
深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息
#DeepSeek-OCR #视觉文本压缩 #多语言OCR #图表解析 #3B模型
avatar
你国三家垄断运营商对待esim就像乡下人第一次看到微波炉的样子
国内运营商限制iPhone 17 Air eSIM使用，引发用户不满· 15 条信息
#垄断运营商 #eSIM技术 #中国 #负面 #技术落后
avatar
瞎写/精神分裂的年代。 写微小说。“每一次听到比特币必然会超过黄金，我的脸上都有一种打倒**或者***那种坚毅的神情，可惜子弹打光了。这真是悲壮。” 过去一百年，胡说，少谈主义，多解问题。毛说，老虎屁股，俺偏要摸。旁听课后，师生间隙比文凭更远，精神世界上已然分道扬镳。 世界巨变中，两大流派，加密主义化和AI工具化，且正在唱着歌吃着火锅，都要着能源作为根基，AI巨头的核能竞赛开始了。下一步必然玩死自己。以太坊的共识机制，放弃比特币的POW换POS，这是太客气了。 阿拉伯人，在我们中国人眼中一直是被边缘化，甚至不如非洲。有几个阿拉伯故事，不是飞毯就是数字。其实，他们并不只是有石油才有今天。阿拉伯人更理解交易。加密时代，币安去了迪拜，其实是去了一个中心地带。阿拉伯是世界的西方世界眼中的Middle Area，连接着东方和西方大陆，至少过去千年，阿拉伯人一直很C位，可能是敌人和异端，但是不是边缘。 什么是边缘化？是人家忽略你甚至忘了你。 看上周微软裁员人数过万，意料之中。桌面软件之王，这几年因为纳德拉的远见，在云和AI上层层追赶。必然的，未来用于本地调度和指令集的操作系统要变小。NC要干掉PC事情，三十年前，就有今天的A16Z创始人推动，意思是网络就是计算机。结果，计算机没有干掉，桌面端软件和移动端APP正在一个一个人远离大众，走向了边缘化。 昨天，看完一个AI视频广告团队的分镜头设计。我说，文生视频，是这边文字或语音输入，那边同时即输出AI生成视频。猜想，应该不会晚于一年了。 未来的影视和游戏行业，以技术视角做出的极端化推演，只要编剧和策划。不要导演、摄影和演员，几乎不要工程团队。 你写稿子的时候，没有工程团队帮你吧。但是王小波在九十年代一边码字一边编程。未来只要属于每个人真实经历的内容。抖音和Tiktok是伪社交是UGC，和爱奇艺B站本质没有区别。 AIGC肯定好。更市场才有更民主，一个社会，人人顾及生产和交换价值，人人会充分表达价值观。苏格兰人亚当斯密早就看透。女王很喜欢他，但是越市场，越民主。白金汉宫就越边缘。但是没关系，大宪章比亚当出生还早五百年呢。估计很多人没有意思到，万恶的中世纪，英国王权会被限制了。 有人说，未来没有什么不是Token解决不了的，一定会被AI视频范式化重构。好吧，以后拿个人简历，请给我视频版。 弗洛伊德和荣格，没有生在好时候。下一步，梦的解析和精神分析 ，也是生成视频数据驱动研究继续。精神分析大行其道，终于分析出人人都有精神病基因，尤其是创业者。
币圈“1011”六倍崩盘：高杠杆爆仓潮，谁在裸泳？· 6476 条信息
#比特币 #AI #边缘化 #加密货币 #精神分析
avatar
Y11
2个月前
对于AI初创公司产品而言，设计产品自传播，是当下提升用户增长效率的重要路径。 传统的付费广告、SEO/SEM、ASO、地推等方式，在获客成本日益高昂的今天，ROI往往不尽如人意。 不过，这些手段对于品牌建设仍有价值，是拉新过程中必要的补充。而我更想和大家探讨的是另一种更高效、低成本的方式——产品自传播。 要做好自传播，我们可以参考乔纳·伯杰在《疯传》中提出的“STEPPS原则”，但前提是产品本身必须为用户提供真正的价值。 病毒传播是在优质产品基础上，通过巧妙的设计让用户自然分享。 社交货币：让用户愿意“晒”出来 社交货币，简单说就是用户乐于向他人炫耀的“资本”。 比如游戏中的段位、排名，支付宝的年度账单“超过全国XX%人”，QQ音乐的“年度听歌量打败XX%用户”。 这些设计让用户产生“我很厉害”的感觉，从而主动分享，甚至引发朋友圈的共鸣和模仿。游戏的本质就是让玩家通过获取更优越的社交货币而乐此不疲，这正是社交货币的强大之处。 诱因：让用户“想起”并“安利” 诱因就像提醒用户的“抓手”，让他们在特定场景下自然想到你的产品并分享。 比如提到支付想到微信/支付宝，提到种草想到小红书。但品牌的长期影响力是诱因的基础，只有当用户认可产品价值后，才会自发传播。 在电商领域，“双十一”“618”等节点，或是拼多多的“抢红包”、音乐APP的“歌词海报”，都是通过场景设计触发用户分享欲的例子。 情绪：用情感“点燃”分享欲 情绪是触发分享的强驱动力。 根据情绪四象限，高唤醒的积极情绪（如疫情期间丁香医生的实时疫情动态）最易引发传播； 高唤醒的消极情绪（如负面事件）需谨慎，可转化为积极行动（如为湖北募捐）；低唤醒的积极情绪适合垂直领域；低唤醒的消极情绪则应避免。核心是让用户的情感被触动，从而产生“想告诉别人”的冲动。 公共性：利用从众心理“带动”传播 公共性源于人的从众心理，当分享行为可见时，更容易引发他人效仿。 比如网购时的销量、评价，或是同一时段的刷屏文案，都能强化用户的“大家都在用”的认知。 微信早期通过“高端人士使用”的示范效应，带动大众使用，这就是权威从众的力量。设计时可结合社会认同，如冷启动时撬动KOL，或制造错峰传播以保持新鲜感。 实用性：双向奖励“驱动”分享 实用性即分享的奖励机制，如拉新返现、送存储空间等。 但奖励需与产品核心价值结合，让双方都能获得实际好处。比如百度网盘拉新送空间，双十一“叠猫猫”拉新用户提升战队战力，既激发分享欲，又强化了产品功能的价值。 故事：用故事“感染”而非“说教” 人们对故事的记忆远胜于广告。 《啥是佩奇》通过一个朴实的故事，让电影和品牌深入人心。讲好故事可遵循“悬念-行动-认知升级”“目标-阻碍-努力-结局”“目标-意外-转弯-结局”等公式，将产品信息自然融入情节，让用户在讨论故事时记住你的品牌。 自传播的关键细节 1. 自传播能力公式：有效载荷（用户每次发多少邀请）×转化率（收到邀请后多少人行动）×频率（邀请频率），三者需同时优化。 2. 挖掘网络效应：让用户意识到“用的人越多，体验越好”，如社交、协作工具，通过拼团、社群等功能强化这一点。 3. 自然嵌入分享入口：如网易邮箱大师的邮件签名、网易云音乐的歌词海报，入口要简约，避免用户反感。 4. 双向激励与高频触达：奖励要吸引双方，入口放在用户高频访问的页面（如个人页、活动页），让分享成为自然行为。 注意事项 自传播需控制成本，估算获客成本与用户价值的比例（建议低于用户平均价值的一半），避免“烧钱换增长”的风险。同时，坚决杜绝“黑暗模式”（如强制分享、诱导下载），短期数据美化可能毁掉产品口碑。 说到底，自传播的核心是“用户愿意分享”。这需要产品从价值出发，用社交货币激发炫耀欲，用场景设计触发分享念，用情感共鸣点燃传播力，最终让用户成为产品的“传播者”。当产品本身足够好，再加上巧妙的自传播设计，增长便会水到渠成。
独立创业者如何突破零收入困境，迈向月入1000元· 307 条信息
#AI初创公司 #产品自传播 #用户增长 #社交货币 #情绪驱动
avatar
向阳乔木
2个月前
从0开始的画布，很难用起来。 继续迭代，计划增加模版功能，还能保存分享自己的模板。
独立开发者手搓新Logo，MarkTodo即将上线新版本· 112 条信息
#画布 #模版功能 #迭代 #保存分享 #模板
avatar
Michael Anti
2个月前
领先的Deepseek和Claude都在回调。这种消息面不参与、只有技术面的交易，我一直以为最终无法超越大盘太多。现在看来，似乎单凭技术面，也有跑过大盘的算法？
AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息
#Deepseek回调 #Claude回调 #技术面交易 #算法跑赢大盘 #市场情绪
avatar
从某种程度讲，GPT5赢了！ 你反着跟，GPT5收益是最高的！ 就像某些老师。每次都是错的一样。😂
AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息
#GPT5 #收益 #老师 #错误 #反着跟
avatar
Y11
2个月前
每天都有无数人在问：“我们应该做什么？”但真正的创新往往藏在“为什么必须这样做”的反问里。 马云曾说，“今天很残酷，明天更残酷，后天很美好，但绝对大部分人死在明天晚上”，这背后正是对常规路径的警惕。 而张一鸣在字节跳动推动“Context not Control”的管理哲学，本质也是打破固有认知边界的尝试。 一、反直觉不是“故意唱反调” 反直觉思考的核心，是把“理所当然”的假设像剥洋葱一样一层层剥开。 比如当大家都在讨论“如何提升用户活跃度”时，反直觉的视角会问：“用户为什么需要活跃度？” 如果答案是“活跃度高意味着用户粘性强”，那再进一步问：“有没有可能用户的真实需求不是‘活跃’，而是‘高效解决问题’？” 这种思考方式不是否定经验，而是像科学家做实验——先假设“所有人都会按A逻辑行动”，然后刻意去寻找“是否存在A逻辑失效的场景”。就像早期淘宝发现“C2C平台上假货多”，常规思路是“加强监管”，而反直觉的突破是“让用户自己成为监管者”，这才有了评价体系和小二介入机制。 二、四个实用的“思维转向器” 逆向推演：把目标倒过来想。如果五年后公司面临“用户流失率100%”的绝境，现在哪些“正常操作”会导致这个结果？比如过度依赖流量红利而忽视用户价值沉淀，可能就是一个隐藏的风险点。 角色互换：试着站在“对手”的视角看问题。张一鸣曾说要“像竞争对手一样思考”，因为对手的弱点往往藏着用户未被满足的需求。比如当竞争对手都在做“功能堆砌”时，专注“极简体验”的产品反而能跳出竞争陷阱。 时间折叠：把未来和过去“折叠”到现在。想象十年前的人如何看待今天的移动支付，他们会觉得“用手机付款”是天方夜谭，但今天的我们必须思考：“十年后的用户会如何吐槽现在的产品？” 跨界借镜：从完全不同的领域找灵感。马云创立阿里巴巴时，没人相信“中国供应商能在网上卖东西”，但他从自己早年做翻译社时发现的“信息不对称”痛点出发，借鉴了国际黄页的模式却做出了本土化创新。 三、突破思维的三个“不”原则 真正的创新者，都懂得在信息爆炸的时代保持“清醒的无知”。要避免陷入“信息茧房”，需要：不被单一数据绑架，比如不能只看DAU（日活）而忽略用户质量；不被行业惯例束缚，就像张一鸣在做短视频时，没有遵循“传统视频平台的长时长逻辑”，反而抓住了“碎片化传播”的新变量；不满足于“表面答案”，很多时候用户说的“我需要A”，其实是因为他不知道“我可以有B”。 商业的本质是解决未被满足的需求，而未被满足的需求，往往藏在那些被忽略的“反常识”角落。就像当年淘宝用“免费”打破eBay的收费模式，微信用“免费语音”颠覆传统短信，这些突破性创新的共同点，都是敢于跳出“大家都这么做”的思维惯性。 说到底，反直觉思考不是挑战常识，而是让常识回归到“用户真实需求”这个最朴素的原点。当你开始问“为什么”比“是什么”更重要，开始把“应该如此”变成“可能如此”，你会发现那些被常规思维过滤掉的机会，其实一直都在那里，只是需要换个角度才能看见。
马云与张一鸣：创业路上的坚持与挑战· 45 条信息
#反直觉思维 #用户需求 #创新 #突破常规 #张一鸣
avatar
nicekate
2个月前
Grok Imagine 大大节约 手绘动画 制作时间 “人人都是动画大师🤣”
AI视频井喷：Midjourney领跑，多模态混战· 337 条信息
#Grok Imagine #手绘动画 #制作时间节约 #动画大师 #积极
avatar
nicekate
2个月前
在 Claude 中可以使用 PubMed 连接器真好，免费，无需额外注册
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Claude #PubMed #连接器 #免费 #AI
avatar
Andrej Karpathy提出了一个很激进的想法：所有LLM的输入都应该是图像，包括纯文本。 什么意思？ 传统的大语言模型：文本 → tokenizer → LLM → 输出 Andrej的vision：文本 → 渲染成图片 → LLM → 输出 即使你要输入的就是纯文本，也先把它渲染成图片，再喂给模型。 为什么这么做？ 他给了4个理由： 1. 信息压缩更高效 这正是DeepSeek-OCR证明的。一页文档，传统方式可能需要2000个text tokens，用vision tokens只要64个。压缩率30倍。 文本tokens很浪费，图像tokens更密集。 2. 更通用 Text tokens只能表达文字。但现实世界的信息不只是文字： - 粗体、斜体 - 彩色文字 - 表格、图表 - 任意图像 全部渲染成图像输入，模型天然就能处理这些。 3. 可以用双向注意力 这是技术细节。传统的text-to-text是自回归的（从左到右）。图像输入可以用双向注意力，看到全局信息，更强大。 4. 删除tokenizer（重点！） Andrej很讨厌tokenizer。 他的吐槽： - Tokenizer是一个丑陋的、独立的、非端到端的阶段 - 它继承了Unicode、字节编码的所有历史包袱 - 有安全风险（如continuation bytes攻击） - 两个看起来一样的字符，在tokenizer眼里可能完全不同 - 😊这个emoji在tokenizer里只是一个奇怪的token，不是一张真正的笑脸图片 他希望tokenizer消失。 他的vision是什么 - 输入：全部是图像（即使原本是文本） - 输出：还是文本（因为输出像素不现实） OCR只是vision→text任务之一。很多text→text任务都可以变成vision→text。 我的理解 Andrej这个观点很激进，但确实有道理。 从信息论角度，图像确实比文本更高效。DeepSeek-OCR证明了这一点：64个vision tokens就能表达2000个文本tokens的信息。 从通用性角度，图像输入天然支持各种格式（粗体、颜色、图表），不需要tokenizer这个中间层。 但问题是： 1. 计算成本：处理vision tokens比text tokens贵。虽然token数量少了，但每个vision token的计算量更大。 2. 训练数据：现有的大部分训练数据都是纯文本。要全部渲染成图像，成本很高。 3. 输出问题：他也承认，输出像素不现实。所以只能是图像输入→文本输出的混合模式。 但长远看，这个方向可能是对的。 特别是考虑到： - 人类的输入本来就是多模态的（文字、图片、视频） - Tokenizer确实有很多问题（安全、Unicode、历史包袱） - 未来的AI应该能直接理解像素，而不是把一切都变成token DeepSeek-OCR可能只是开始。它证明了"上下文光学压缩"是可行的。 Andrej看到的是更远的未来：一个没有tokenizer的世界，所有输入都是图像，所有输出都是文本。 这会不会成为现实？不知道。 但至少，这个方向值得探索。
智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限· 21 条信息
#LLM #图像输入 #tokenizer #Andrej Karpathy #多模态
avatar
赵纯想
2个月前
每次看到这种被优化到极致的东西（无论从效果、模型工作流、还是性能上）被用来当作临时性促销页面，生命周期短暂，且背后有数个优秀的大脑在为之熬夜奋战。我的心就感到一阵钝痛。有一种发现求婚对象在街上卖的感觉。
苹果Liquid Glass：开发者适配陷两难，AI助力AR或成未来· 104 条信息
#极致优化 #临时促销页面 #生命周期短暂 #人才浪费 #情感钝痛