588 Photos and videos
自动驾驶很喜欢 dLLM，因为自动驾驶的决策需要结构化的输出，这是 dLLM 的强项，但不是 AR 模型的强项，并且车端使用的端侧芯片算力和 hbm 都不高，dLLM 恰好可以部署。但是 dLLM 也不是唯一选择，英伟达自己的 cosmos R1 的基模还是 qwen2.5vl，车端可以部署 2B 的版本。
Jun 14
diffusion model think很弱，没办法cot效果好，只有system1的能力，而且accuracy并不好
比如waymo内部上车会用到这种能力
但是think能力，agent能力，没办法用diffusion model，做speculative decoding差不多了，就像小米的Dflash
感觉不会是主流
146
◻️ Hydway retweeted
Jun 4
原声放送
请说谢谢
【网传粉笔CEO辱骂人大学生! 直接爆粗口:你们只能去考公混吃等死!】 bilibili.com/video/BV1Hh7d63…
2
3
12
51,377
◻️ Hydway retweeted
May 23
Google 把内部工程师的代码审查（Code Review）规范公开啦
这几乎是目前业界最顶级的标准
很多程序员只会写代码，但不知道怎么审代码，可以看看 Google 是怎么做的
1.双向指南：不仅教审查者怎么挑毛病，还教作者怎么写出容易通过的代码
2.术语科普：解释了 Google 内部常用的 LGTM（看起来不错）和 CL（变更列表）到底意味着什么
3.实战价值：这套规范不是理论，而是 Google 每一位工程师都在用的实际操作准则
如果你想提升团队的代码质量，或者想知道顶级大厂的开发门槛，这份文档必读！
github.com/google/eng-practi…
34
611
3,761
277,432
我最近在想一个问题：为什么 VLA（Vision-Language-Action）这种看起来完全不理解物理的方法，能在机器人控制上打败 Boston Dynamics 花了三十年打磨的物理建模方法？
表面的回答是端到端学习更强。但更深一层，我觉得这和信息论有关。
物理建模本质上是一种压缩：用少量方程表示世界的行为。压缩在简单系统中高效（SpaceX 火箭回收至今用凸优化），但在复杂系统中必然丢信息，而且精度天花板由人的建模能力决定。更多算力只能加速求解，不能让模型更准。
VLA 放弃了压缩。它用通用函数逼近器直接学 input-output mapping，精度上限由数据和算力决定。数据和算力还能 scale，精度就不饱和。
这解释了一个跨领域的规律：NLP 里传统方法先理解语法（压缩），LLM 直接 next token prediction（不压缩）。CV 里先提边缘特征（压缩），ViT 端到端学（不压缩）。每次不压缩打败压缩，都是同一件事。
判断一个控制问题该走哪条路，看两个变量：系统复杂度（人工建模能压缩多少而不丢关键维度）和数据丰度（有多少数据让函数逼近器填满状态空间）。火箭回收两个都低，物理建模最优。通用机器人操控两个都高，VLA 胜出。
写了一篇完整的分析，梳理了两条路线各自的关键论文链、每篇的核心直觉和留下的问题，以及各家公司（Unitree、Figure AI、Boston Dynamics、Physical Intelligence）的技术栈。
yage.ai/share/vla-vs-physics…
21
143
706
65,585
Yes, it's true! Weight-bearing exercises like gym workouts (lifting, running) strengthen bones by increasing density and building new tissue—your skeleton adapts to the stress (Wolff's law). Being sedentary leads to bone loss and porosity over time, raising osteoporosis risk. The image exaggerates for impact, but the science checks out. Stay active! 💪🦴
100
490
12,390
1,362,408
币圈的人可恨之处就是满嘴谎话，为了一点流量可以毫无廉耻编出任何文字
Apr 6
尼泊尔珠峰那条骗保的黑产，远比你想的要狠。
你花了大价钱请的登山导游，那个一路对你嘘寒问暖、帮你背包的“老好人”，在你海拔超过3000米、冷得发抖时，给你端来一碗热汤。
你感激地一口喝干，然后，肚子开始像被钻头钻一样疼。紧接着就是上吐下泻，整个人瘫在地上，连抬头的力气都没有。
你以为是高反，是肺水肿，是死神在敲门。
你不知道，那碗汤里，被悄悄加了大半包厨房里用的小苏打。
导游一把抓住你的胳膊，表情比你还惊恐，对着卫星电话大吼：“我的客人快不行了！必须马上叫直升机！”
你还没反应过来，预防高反的药片已经塞进你嘴里，只不过，剂量是正常的好几倍。
水，他让你拼命地喝水。
很快，你血氧骤降，意识模糊，感觉自己真的在濒死边缘。你死死抓住他，把他当成唯一的救命稻草。
螺旋桨的声音由远及近，卷起地上的雪沫子，狠狠拍在你脸上。你被抬上飞机，看见导游在下面用力挥手，心里全是劫后余生的庆幸。
你更不知道，这趟3万美元的救援费，保险公司会全额报销。而同一架飞机拉了四个人，他们会分开报四次账，一趟就是12万美元。
飞机落地，你被推进一家私立医院。一系列检查，一堆看不懂的单据，医生表情凝重地给你签字，伪造出一份完美的“急性高原病”急救报告。
一切都天衣无缝。
导游、开飞机的、穿白大褂的，全是一伙的。他们用这套手法，在三年里制造了300多起“紧急救援”，从4782名游客身上，榨出了近2000万美元。
直到有保险公司发现，珠峰的“重症高反”发病率，竟然比医学数据高了10倍，这事才炸了。
这哪是去登山，这是主动走进一个屠宰场。雪崩和冰裂缝都摆在明面上，而那个笑着给你递水的人，却在暗中计算着你的“救援价值”。
你说，在绝境里，到底是天灾更可怕，还是人心更可怕？
265
气温低→Temperature 低→适合逻辑推理
肥肠合理啊朋友们
Apr 1
玩AI最后就是玩数据中心。真正的AI发烧友只用北弗吉尼亚的机房。Oregon的机房回复偏冷，适合逻辑推理，因为那边气温低散热好芯片不降频。弗吉尼亚的回复偏暖，共情能力强，因为靠近华盛顿人文气息浓芯片受到了熏陶。爱荷华的机房风格最朴实，因为周围全是玉米地，语言风格会不自觉地接地气。
222
🤣笑死
Mar 11
Codex is randomly hitting me with some ancient wisdom... for some reason.
230