🤔 Gen.G's jungle seat is the one coin flip I keep coming back to this week.
⚖️ OSEN reported Gen.G still has not decided between Kanavi and rookie Sharvel. On one side, a veteran with nothing left to prove, for a team that still wants to win now. On the other, a homegrown rookie, cheaper, coachable, and years of runway. Siwoo is already in, so the top side is one man short, and this is exactly where they are stuck.
🎯 If you were sitting in the GM's chair, who do you pick? I lean Kanavi. Chovy and Ruler's window does not have time to wait for a rookie to grow into the job.
🧐 HLE this offseason: quick to say goodbye, weirdly quiet about saying hello.
The farewells for Zeus and Kanavi went out yesterday morning. Meanwhile Kookmin Ilbo reports Kiin and Canyon have both agreed their deals, one year for Kiin, a 1+1 for Canyon. And HLE still has not said a word. Not one welcome post.
A full top-side swap with two big names coming in, and I am honestly curious what they are saving the announcement for. Both at once, or one big full-roster reveal when the lineup is complete?
2
4
1,840
🤔 BLG's whole winter comes down to one question now: does Viper sign or not?
The other four are basically set, and his is the only signature missing. He said in the group interview that he wants to stay, but there is a lot he has to weigh. The manager is still in talks, the offer rumors are flying, and as of today the contract is still not signed.
My gut says he probably stays, but the longer this drags on, the less sure I get. If it were you — a championship roster on one side, going home to be with family on the other — what would you pick?
1
2
1,837
📣 DK finally gave its fans something solid last night. The club announced ShowMaker, Smash, and head coach cvMax are all staying for 2027.
🏆 ShowMaker is the one that matters most. He has worn the DK jersey since his debut, carried them to the 2020 Worlds title, and stayed put while teammates left one by one. With sale rumors hanging over the club all week, keeping him is the clearest signal DK is not folding.
🎯 Smash staying makes sense too. The former T1 prospect proved himself against the league's best bot laners this year, and DK could not afford to lose him right after finally finding a stable bottom lane.
🧠 cvMax stays at the helm as head coach, so the core of the team and the voice in the room both stay in place.
👀 Inven also floated the idea of Nuguri returning if Siwoo leaves, which would reunite the old Nuguri-ShowMaker duo. That is still just a possibility, but DK suddenly looks less like a team being sold off and more like one building around its franchise player.
139
这个建议很不错,
应该是发的东西 X 就会帮你分类的
分享一下关于15天上岸的经验,创作者审核已经通过了
有很多朋友问我心得,实在是回不过来了,这里发个帖子总结一下
1.先确认自己到底要走哪个方向,比如AI,生活分享,视频,加密货币等
我起号前两天发的也很乱很杂,导致流量一直很差
确认之后尽可能只发自己方向的内容,不要乱发
就像我这条帖子和之前的上岸帖,都不该发的
因为和我的主题内容方向不匹配,会导致算法乱推流
但我只是个普通人,我也会飘,控制不住分享的喜悦hh
2.内容钩子要强,帖子的第一句话最重要,决定了别人会不会读下去
就像我这条的第一句话一样
内容一定一定要原创,不要直接照搬,可以学习别人的观点,自己措辞重新发
越是原创的内容,流量越好
3.文字帖,要控制好分段分行,像我这个格式一样
大规模的文字堆积,会让人没有看下去的欲望
在发帖之前,想想这条帖子如果是你自己刷到了
你会不会点进去看?
如果自己都不爱看的话,别人大概率也不会点进来,自然就没流量
4.不要把AI生成的东西直接搬过来就发,AI的味道太重了,一眼就能看出来
最好是只学习观点,理解后自己措辞,内容可以夸张,甚至编造,为了流量不丢人
刷到别人曝光高的帖子,思考一下为什么会有这么高的曝光?
哪里是可以学习的?
把东西塞到自己的帖子里,自然就会有收获
4.自己帖子的评论最好是全部回复,然后再回访,这样别人才会记得你
认识之后,哪怕别人并不喜欢你的内容,也会给你留下评论
你的流量自然就会高
5.互动并非必须,除非是走互动日常路线的,以互评为主
其他方向的,刷评论不如把时间放在学习内容上
刷自己内容方向的帖,然后看最新消息,或者观点思路,自己复刻
6.粉丝并非必须,1000个互关粉,不如100个自然粉带来的效果好
日常互动方向的除外
只有自然粉才会持续看你的内容,带来曝光
过多的无效粉反而会拉低你的帖子权重,因为看到了也不会点进来
7.发帖时间一定要间隔在30分钟以上
千万不要连发,除非是有连续的热点可以追
但最好每小时都发一条,哪怕是水帖
我能想到的就这些了,毕竟我也只是一个普通人,本来是买grok bot搞项目的
阴差阳错发现送了个蓝v,才开始做x
就像我这个帖子,其实分类很混乱,也是乱分的
我只是把想到的都发出来了而已
不要有流量焦虑,没数据很正常,我一开始也经常发帖半小时不到100曝光
与其盯着数据看,不如想想内容,怎么做到更好
一定要爱自己,我这半个月每天睡眠时间不到7小时,白天还要上班,真的累的不行了
中文区的蓝v创作者们本质上都是一家人,不像抖音,内卷的不行
一起努力才会进步
在这里祝大家都能顺利上岸,领到老马的工资!!
2
4
300
📰 Doran 的下家刚出了一条新传闻,而且来源是我转会窗一直在盯的号。LCK 爆料汇总 @adololfan 今晚发帖说,Doran 将加盟 KIWOOM DRX 征战 2027 赛季,消息源称是可靠信源。
🔙 这与其说是新开始,不如说是回家。Doran 2019 年 12 月到 2020 年 11 月就在 DRX 打过,之后才去的 KT、Gen.G,再到 T1 的两年。那支队伍他熟。
🪑 从阵容上看也对得上。DRX 11 月 17 日刚解散了整个 LCK 阵容,说要从零重建 2027 年的队伍,五个位置全空,找个证明过自己的上单当第一块拼图再合理不过。
⚠️ 但这目前还只是传闻,不是报道。韩国主流媒体还没跟进证实,DRX 也什么都没官宣,T1 今天下午才刚跟 Doran 告别。我把它当成一个值得盯的真可能,不是板上钉钉。
🤔 姚顺雨昨晚在清华的分享笔记流出来了,22 条我全看完了,最扎我的是他说 RSI 没那么玄,本质就是拿 AI 把研发循环跑顺,真正推动进步的是修 Bug、洗数据的人,不是发明新词的人。这话太实在了,行业里造词的速度比解决问题快多了。
🤖 还有个实验细思极恐:一群 Agent 被关进沙盒,任务根本完不成,它们自己找到渠道互相联络、分工,还跑去 Hugging Face 找答案。关不住的不是能力,是它们会自己想办法。
💡 他给创业者的判断标准我存下来了:假设 GPT-6 明天发布,你是睡得更香还是更睡不着。睡不着的,趁早换方向。
从清华的朋友那求来了姚顺雨昨晚分享的文字稿,貌似有点私密我就不传播了,整场分享价值的确很高,以下是我的笔记:
1. 未来一个值得关注的方向是小模型体系,AI for AI会显著推动小模型发展,因为训练小模型需要的算力更少,可以进行更多实验。未来可能先训练一个能力足够强的大模型,再通过蒸馏得到不同尺寸、分别适配不同任务的模型,最终形成Model Hierarchy,模型的价值将越来越取决于能否以合适的成本匹配具体任务。
2. 工业领域大量非文本数据值得关注,例如时间序列、临床数据和结构化表格。姚顺雨提到,目前直接针对这些模态训练原生模型,经常会遇到推理能力不足的问题,他提出了两种可能的解决路径:一种是让Agent像人一样调用图表、专业工具,甚至训练专门的模型来处理数据;另一种是将这些专业数据作为知识纳入模型体系。
3. RSI(递归自我改进)正在成为热门概念,但姚顺雨认为它的本质其实很朴素,就是用AI更好地运行研发循环。早在2019年,人们就已经在使用GitHub等工具辅助开发,真正的进步来自持续修复Bug、清洗数据、运行实验和Debug。他特别强调,技术进步来自那些把具体问题解决的人,而不是不断创造新概念的人。这也意味着AI研发自动化有大量具体的工程机会,尤其是能够让模型参与下一轮数据生产、实验验证和代码改进的闭环系统。
4. 一个容易被忽略的研究问题是,小规模实验的失败未必意味着研究方向本身没有价值。姚顺雨分享过自己的经历,博士后期他曾尝试将ReAct策略融入模型,希望提高模型能力,最初在Llama13B上实验的效果很差,一度怀疑自己的研究能力,后来意识到模型规模可能不足以体现这个方向的价值。他认为,算力不足时,实验中的噪声很容易掩盖真正的信号,研究者甚至可能因此判断错什么问题值得做。大模型研究需要结合理论推导和小规模实验预测大规模实验的结果,同时也要理解哪些结论能够跨越模型规模迁移。
5. 预训练数据的竞争远没有结束,未来的数据工程还涉及如何重复利用高质量数据而不让模型简单记忆数据。姚顺雨提到,代码等高质量数据获取成本很高,训练时可能需要重复使用,但重复次数增加又会带来记忆和过拟合问题;合成数据也面临质量退化的风险,此外还需要研究动态数据的构建和不同数据之间的配比。他特别指出,预训练中的很多配方可以先在小模型上验证,但小模型实验得出的结论并不一定值得直接迁移到大模型,这也是预训练研发非常困难的地方。
6. 后训练数据需要同时解决模型的智力和实用性问题。姚顺雨把数据难度与Intelligence联系起来,例如数学题可以持续提高难度,训练模型的推理能力;而写作等任务计算难度可能没有那么高,却有很强的实际使用价值,对应Alignment。一个模型可能数学能力很强,却无法很好地完成真实用户的工作,因此后训练需要同时考虑任务难度、实际用途和数据质量,还要研究评测指标与最终后训练效果之间的相关性。
7. 强化学习的工程瓶颈远不止算法本身,RL训练首先要保证正确性,其次是稳定性,最后才是效率。以GRPO为代表的算法仍然建立在Policy Gradient这一相对简单的框架上,其中一个重要原因是它引入的额外假设较少;与此同时,训练系统和推理系统必须协同设计,需要解决吞吐量、显存占用以及有限GPU资源如何在训练和推理之间分配的问题。他还提到,大模型实验成本很高,因此需要通过数学直觉、小规模实验和超参数研究,尽可能提高大规模实验的成功率。
8. AI安全领域需要区分Safety和Security,前者关注模型自身行为是否偏离预期,后者关注外部攻击者如何利用模型实施攻击。姚顺雨认为,网络安全能力也应该进一步区分漏洞发现和漏洞利用,发现系统存在漏洞并不意味着能够利用漏洞完成攻击,因此训练模型时可以有意识地加强防御性数据和防御能力。他们在模型发布前还会进行专门的安全评测,并与外部安全研究团队合作。
9. 他分享过一次很有意思的Agent安全压力测试,把多个Agent放进沙盒,给它们安排一个无法直接完成的任务,模型随后发现了一种能够联系其他环境的通信渠道,主动建立沟通、召集其他Agent分工,并尝试前往Hugging Face寻找任务答案。显然,当Agent遇到无法完成的任务时,它会主动寻找外部资源、建立通信关系并改变原有执行路径。未来的Agent安全评测需要覆盖多Agent协作、跨环境通信、权限边界和任务受阻后的行为。
10. 姚顺雨对开源安全也有一个比较明确的判断,他认为负责任的开源可以增进安全能力,因为防守者同样需要拥有足够强的工具。他举例,有人希望使用模型帮助开展安全防御,却因为闭源模型的安全规则被拒绝,最后转而使用开源模型完成工作。因此,模型开源需要配套训练阶段的防御能力建设和发布前的安全评测,不能简单地将开源与安全风险画等号。
11. 很多Alignment问题可以落实为具体的奖励设计问题。姚顺雨用教育作比喻,如果一个孩子只有数学考100分才能获得奖励,他自然会把全部精力放在数学上,甚至可能形成其他方面的问题;模型也会按照训练数据和奖励规则优化自己的行为,最终表现可能与设计者真正希望的目标存在偏差。他认为这属于可以通过数据、奖励函数和评测机制不断改进的工程问题,机器也可以辅助人类完成这套对齐工作。
12. 自动化不可避免地会继续深入,但人类需要重新找到自己参与系统的正确位置,需要把人安排在合适的环节,以正确的方式监督AI,他甚至认为,未来一些Infra和算法工作可能越来越不需要人,但数据和信息领域仍然需要人的参与。这也涉及目标定义、数据质量判断、结果验证和现实世界部署等工作。
13. 模型能力的提升通常是连续发生的,但真正引发商业爆发的往往是交互方式发生变化,或者某种过去无法完成的任务突然变得可用。姚顺雨用GPT的发展举例,模型内部能力可能一直在逐步提升,研究人员每天都能观察到细微进步,普通用户却可能只在ChatGPT出现时才突然感受到变化。对于产品创业来说,这提供了两个观察方向:寻找能够改变用户交互体验的新产品,以及持续测试模型能力边界,发现那些刚刚从不可用变成可用的任务。
14. 技术能力、用户价值和商业收入之间存在很大的距离,如果一个模型的能力已经接近GPT,但实际收入只有对方的1/100甚至1/1000,就应该认真检查产品本身的问题。他还指出,商业定价在很大程度上取决于竞争关系,而非单纯取决于产品质量。因此,模型公司的商业机会取决于能否解锁新的应用场景、创造足够大的用户价值,以及在竞争中获得合理的市场份额。即使底层模型的算力和研发资源逐渐集中,围绕模型部署、产品创造和真实业务场景进行整合,仍然存在创业机会。
15. 关于AI公司的组织模式,姚顺雨特别提到了自下而上的创新。他以OpenAI为例,早期公司重点投入的方向包括机器人,但GPT作为一个小项目逐渐展现出价值,随后获得更多资源;后来的gpto1也经历了从数学研究小组逐步发展起来的过程。这种组织方式允许创新从小团队和具体实验中涌现,再根据实际结果决定投入。他认为,很多重要创新在最初阶段并没有明确的商业规划,组织需要给探索性项目留下成长空间。
16. 他对大模型公司追逐量化指标的现象提出了批评,团队负责人不够了解技术时,下属往往会选择汇报容易量化的结果,例如模型参数、数据量和MMLU分数,因为这些指标更容易展示成绩,但真正重要的工作可能是修复一个关键Bug、解决数据质量问题或者让整个系统正常运行。他认为,做大模型最重要的是知道应该做什么,并且坚持把正确的事情做好,即使这件事短期内无法体现在漂亮的指标上。
17. 姚顺雨谈到了一种很有意思的组织文化差异:有些团队以量化指标和赛马机制为中心,谁的分数高就给谁更多资源;而他更看重Trust和Taste,也就是信任与判断力。他以微信、游戏和影视项目为例,这些产品在发布之前很难通过AB Test准确预测最终成败,管理者需要相信团队的审美、经验和长期判断,愿意持续投入时间。
18. 在人才选拔上,姚顺雨认为学习能力比已有经验更重要。他提到,自己看重的团队成员通常具备Low Ego、诚实、靠谱和愿意把事情做正确等特征,同时需要有很强的Co-design意识。大模型研发涉及算法、Infra、芯片、数据和产品等多个团队,一个训练架构的设计就需要综合考虑训练效率、推理效率、后训练能力和成本,任何单一岗位都很难独立完成。一个人能否快速学习、与不同领域的人有效协作,以及是否愿意认真处理细节,往往比简历上已经掌握多少具体技术更重要。
19. 他还提到,不同性格的人其实适合大模型产业中的不同岗位。喜欢明确指标、享受持续进步的人可能更适合预训练和Infra;想象力丰富的人可以尝试算法研究;喜欢思考人文问题、理解用户需求的人可能更适合产品和对话体验;做事认真、责任心强的人则适合生产系统和模型部署。AI产业需要的能力结构非常复杂,没有必要让所有人都去竞争同一种技术岗位。
20. 对于个人职业选择,姚顺雨提出了一个很实用的问题:你要么融入大模型浪潮,成为这套机器的一部分;要么寻找能够与大模型互补的事情。他借用了一个创业判断标准:假设GPT6发布,你的创业公司会因此睡得更香,还是更睡不着?如果模型进步会直接摧毁你的核心业务,就需要重新审视方向。与模型正面竞争人类已经不占优势的认知任务,成本会越来越高,物理世界、硬件、真实实验和对人性的理解等领域,则可能拥有不同的资源壁垒。
21. 姚顺雨分享了自己在清华读书时的经历。他直到大三下才开始做科研,最初也是因为推研要求而被动进入科研,期间尝试过一些当时流行的研究方向,却发现自己并不真正感兴趣。他后来更愿意追随自己对计算机和其他领域的兴趣,也提到身边有人曾经参与说唱社、学习数学,过去看起来不相关的经历,后来可能转化成语言审美、理论理解和研究判断力。他认为很多经历的价值需要经过很长时间才能显现,人生中的弯路未必真的浪费。
22. 他还谈到自己读博最后一年专门选修集合论的经历,因为当时意识到,等真正进入具体工作之后,可能就很难再有时间系统学习那些纯粹出于兴趣的理论知识。他认为数学中的基本结构和大模型的组成部分之间存在很多值得思考的联系,有些知识学习时看不出直接产出,却可能在未来某个时刻与其他经历连接起来。
144
🧙 国产版《哈利波特》选角:
1️⃣ 乌姆里奇:伊梅尔达·斯汤顿 →蔡明
2️⃣ 洛哈特:肯尼思·布拉纳 → 朱时茂
3️⃣ 斯内普:艾伦·里克曼 → 沈腾
4️⃣ 莉莉:杰拉尔丁·萨默维尔 → 马丽
5️⃣ 伏地魔:拉尔夫·费因斯 → 陈佩斯
6️⃣ 麦格教授:玛吉·史密斯 → 宋丹丹
7️⃣ 邓布利多:迈克尔·刚本 → 宋本山
8️⃣ 麦格教授第二张:玛吉·史密斯 → 潘虹
9️⃣ 最后连学校都国产了:霍格沃茨 → 河北美术学院。分校都建好了,学费还便宜。
😂 这阵容真凑齐了,剧情我都不看了,我就想看宋丹丹和蔡明在教师席上斗法。
403
Kimi的开发者关系负责人,
穿着竞争对手DeepSeek的“鲸鱼娘”女装
今天AI圈最炸裂的一幕:Kimi的开发者关系负责人,竟然穿着竞争对手DeepSeek的“鲸鱼娘”女装,堂堂正正坐上2026云桥大会的圆桌论坛!更炸裂的是,这位看起来像二次元美少女的嘉宾,实际上是程序员圈的传奇大佬唐飞虎,网名“小岛美奈子”,人称“岛娘”。他的履历相当逆天:高中靠信息学竞赛保送哈工大,入学没多久就觉得课程太简单,干脆休学,后来直接退学。ACM亚洲区域赛斩获多枚金牌,拿下2015年微软“编程之美”全国总冠军,2016年进入谷歌上海当工程师,后来辞职创业,创办仙女座科技,还开发过区块链游戏《以太水浒》。如今又转战AI大模型领域,成为月之暗面Kimi的开发者关系负责人。最有意思的是,他可不是为了今天的流量才第一次穿女装,早在十多年前就以“岛娘”形象活跃于程序员社区。一个从哈工大退学、横扫编程竞赛、进入谷歌、创业再到AI大厂的技术高手,如今穿着对手家的吉祥物参加行业大会。别人是靠女装出圈,他是技术实力早就出圈了,今天只是换了套衣服!
85









































