🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
🍌 nano banana prompt Create a mesmerizing passage of time with this prompt, seamlessly blending all four seasons—from Winter’s snow to Autumn’s gold—into a single, unified masterpiece. ❄️🌸☀️🍁 ---- Prompt ---- Hyper-realistic digital illustration of {Scene}, presented as a single continuous composition showcasing the cycle of seasons. The scene flows seamlessly from left to right in a natural progression: Winter, Spring, Summer, and Autumn. The left side features cold snowy winter elements, gradually thawing into the fresh green buds and blooms of spring, then morphing into the lush vibrant vegetation and bright sunlight of summer, and finally transitioning into the golden, orange, and red hues of autumn on the far right. There are no visible dividing lines between seasons; the weather, lighting, and vegetation blend smoothly to create a unified and harmonious panorama. Rich in detail, symbolic of the passage of time, cinematic lighting, 8k resolution, highly detailed textures. --ar 4:3 ---- Scene：the historic Shanghai Bund waterfront looking across the Huangpu River to the futuristic Lujiazui district
一直在追踪 Essential AI 的工作，它的创始人之一是Ashish Vaswani，是的，就是 Vaswani et al., 2017 中的Vaswani。 Essential AI 的工作非常 solid。在 RL 鼎沸的四月份，发表了侧重预训练的文章 Rethinking Reflection in Pre-Training ，紧接在六月份发布它们数据逻辑的文章 Essential-Web。 前几日，终于发布了 Rnj-1 8B，这个名字非常印度，来自ramanujan。 完全不同于其他侧重于 RL 路线的其他 oss 模型，Rnj-1 8B的逻辑侧重预训练和数据质量，Rnj 的技术路线值得持续关注。
我说实话，国内用户粘性最强，付费意愿最高的。还得看k12教育 我老婆一个平时能用免费就免费的人。我充一个网易云会员能和我吵一架的人。 买了一个盗版英语资源app的会员已经付费到2031年了。花了1000多。 有一个天天在视频号直播的某水硕英语导师，买人家每个月168的课。已经续费了一年了。 我和我老婆之前说我想买Rey @ReynoldDai的课。我老婆说，一看就是智商税😓😓😓 唉，真难啊
🍌 Nano Banana Pro 提示词：任何爱好或者职业的进阶之路 用非常可爱的黏土风格展示不同等级的标准和消耗时间 -------提示词-------- 基于主题 [前端工程师的进阶之路]，创作一张 3D 游戏关卡地图海报。 画面结构： 一条蜿蜒曲折的 3D 道路从画面底部延伸至顶部云端，分为三个主要的“关卡阶段”： 底部：新手村 (Level 1: Noob) 模型： 简单的草地场景。放置基础工具。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 中部：试炼场 (Level 10: Pro) 模型： 地形变得复杂（森林或岩石）。放置进阶装备。 视觉： 道路变得陡峭，象征难度增加。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 顶部：神之殿 (Level 99: Master) 模型： 漂浮在云端的辉煌神殿或高科技实验室。放置终极神器。 视觉： 发着金光，有彩虹或宝箱。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 数据与排版：路径线： 虚线连接各个阶段，上面有小脚印。 耗时/成本： 在每个阶段旁边，用游戏 UI 风格的浮窗显示“预计耗时”或“预计金币消耗”。 风格与渲染： 任天堂 (Nintendo) 风格的的粘土风。色彩鲜艳饱和。
所以我说现在互联网上充斥着各种错误认知堆砌的判断，是马云的阿里被罚款了182亿，接着腾讯捐了1000亿，阿里一个月后也捐了1000亿，这实际是对两者的另一种罚款....起因就是马云讲错话被注意到了 后面的估计大家也就知道了，什么马云tokyo摆烂，接着又被喊回来.... 就不能再往深里说了 现在经济太差了，年猪被杀过几次，发现再也长不胖到第一次割肉的时候了，现在也终于不杀猪了
爆款预定！🍌Nano Banana Pro 锐评世间万物！ 随便给一个领域让大香蕉给这个领域从夯到拉打分 这个玩法最近巨火，我们的图也非常漂亮，AI 生成的出人意料会很有话题度 是引战、反串、钓鱼必备的佳品 他还特别犟就不展示低分的名称，非得上手段。 ------提示词------ 【核心任务指令】 你是一个拥有实时网络搜索能力和顶尖数据可视化设计能力的AI专家。请执行以下两个步骤： 调研阶段：立刻针对用户指定的【2025 中国新能源汽车】进行全面的网络调研。搜集关于该领域内不同子产品、型号或作品的大众口碑、市场热度、专业评测及用户反馈数据。 可视化阶段：基于你的调研结果，设计一张专业的信息图表（Infographic）。你需要将调研到的具体项目，精准地分类填入下面定义的五个“从夯到拉”的视觉等级模块中。 【用户指定目标领域/产品】 [在此处填写你需要调研的内容，例如：2024年热门智能手机、市面上的无糖茶饮料品牌、近十年的漫威电影、程序员常用的代码编辑器] 【图像设计要求】 整体风格： 一张结构清晰、现代感强的模块化信息图表，采用“Bento Grid”（便当盒网格）布局。背景干净简洁，聚焦于内容呈现。视觉上必须体现出从高到低的强烈层级落差感。 等级结构与视觉定义（严格执行以下五级）： 第1级（最高层）：夯 (Hāng) 调研填充标准：根据调研，该领域内目前公认的“版本之子”、具有统治级热度、无可争议的顶流产品/作品。 视觉表现：占据画面最上方或最大的版面模块。色调为极具爆发力的爆裂红与辉煌金，带有光晕或能量外溢的视觉特效。字体最大、最粗。模块内需展示调研到的代表性产品的名称或高质量图像，并配以极简的赞美短语（如“全网吹爆”、“神作”）。 第2级：顶级 调研填充标准：硬核实力派，虽然热度可能不及“夯”，但口碑极佳，是行家首选的优质项目。 视觉表现：位于第二层。色调为坚实、高级的燃烧橙与金属银。模块设计显得扎实、富有质感。展示代表性实力派产品。 第3级：人上人 调研填充标准：优越之选，品味在线，买了/看了绝对不亏的中坚力量，代表了一定的鉴赏力。 视觉表现：位于中层。色调为明亮、干净的柠檬黄与冷灰。设计风格现代、清爽。展示代表性优质中产产品。 第4级：NPC 调研填充标准：毫无记忆点的大众脸产品，凑数的工业流水线产物，无功无过，容易被遗忘，必须要写上具体的产品或品牌或者人名不要含糊其辞。 视觉表现：位于中下层。色调为平淡乏味的面包色/米色或纸板棕。模块设计显得普通、重复、缺乏个性。展示那些非常平庸的产品。 第5级（最底层）：拉完了 调研填充标准：调研中发现的公认“避雷针”、“智商税”、灾难级失败产品或甚至不如没有的存在，必须要写上具体的产品或品牌或者人名不要含糊其辞。 视觉表现：挤在画面最底部或角落，视觉空间被压缩。色调为绝望黑、惨白，并带有明显的数字故障（Glitch）、破碎或腐烂的视觉效果。展示那些著名的“翻车”产品，并配以警示性短语（如“快逃”、“大冤种”）。
Nano Banana Pro 超级提示词！ 帮你做任何商品的购买决策，生成任何需要对比的产品类型的 4 象限图片 无论是饮品、电动车、自行车还是咖啡店，你可以直接化身这个品类的专家 话题度和热度拉满，每个品类都能出爆款 提示词放在下面👇： https://t.co/OVrITErTgn
在X上我从不刻意说自己是女生，大家都默认我是抠脚大汉。老实说我也不想靠性别吃红利。有手有脚、脑子不笨，为什么要把女生默认成弱势，我更想被当成一个完整的人，而不是“需要被特别照顾的性别”。我非常享受这种设定。
Susan STEM
Web 4.0 互联网生态：一个会思考、会进化的社会图灵机——人类之灵 这篇文章写成了接近八千字，但是我也不打算拆分了。感谢 @jinniudashu 在架构上的提示，这是一次系统性的初稿，是对 Web 4.0 的第一次结构化表达。留存作为v1.0， 感兴趣的还是要去看英文原文，这里表达不足原文的1/10. 在我看来，Web 4.0 不是新一轮的应用堆叠，而是一次底层逻辑的升级。 过去三十年，互联网解决了连接问题。接下来的三十年，我们需要解决理解问题。 人类用了几十年把地球连成一张网，现在我们要让这张网具备思考和解释的能力。 “社会图灵机”不是一个平台，也不是一种产品。 它是一种新的运行逻辑：语言被结构化，结构能被证明，证明能形成共享的知识。 这是对“互联网能否真正理解自己”这个问题的一次系统回答。 如果说 Web1 让人们能够浏览信息，Web2 让人们能够表达观点，Web3 让人们能够确权资产，那么 Web4 的目标是让系统具备解释力和透明性。 一个政策要能展示它的推理路径，一个市场要能展示它的公平机制，一个模型要能展示它的依据。 一句话可以在多个系统之间传递，并最终附带可验证的回执返回。 互联网从“信息网络”向“理解网络”转变。它不再只是传输数据的工具，而是一个能够记录、学习和改进的系统。虽然它没有自我意识，但可以通过不断的记忆、反馈和知识更新，逐步形成一种稳定的认知结构。 在这个过程中，互联网会成为人类集体智能的延伸，像是一种连接所有人知识与经验的公共思维系统。 它需要一步一步构建：意图 → 逻辑 → 证明 → 学习。 每一次验证过的结果，都是这张认知网络新的节点。 自由金牛的BPS，其实就是这里面的一个闭环体现。这种闭环，可大可小。从一个block (类似一个细胞），到一个组织，再到一个器官。 金牛兄，你是真心有大才的！ 整个逻辑可以概括为一个循环： 理解 → 推理 → 行动 → 验证 → 学习 → 再理解。 我认为，现在多数成熟的商业程序员和架构师都面临一个共同的问题：看不到未来的方向。 他们知道当下的技术范式已经到达瓶颈，继续沿用旧的模式意义不大；但新的 AI 应用场景又尚未跑通，顶级模型公司的岗位也触及不到。 结果就是，很多人陷入一种“开发空窗期”——手上有技术，却找不到清晰的落点。 对于新的范式、用户真正的需求、以及整个生态可能的发展路径，都感到模糊和不确定。 以下是我对未来范式的猜测和理解： 社会图灵机的运作循环 社会图灵机（Social Turing Machine）是一个以“理解”为核心的认知网络。 它的基本目标是：让机器能够理解人类的意图、验证执行过程、并在反馈中持续学习。 整个系统的运作遵循一个闭环循环：意图 → 结构化 → 执行 → 验证 → 学习 → 再次意图。 1. 用户输入：人类意图的起点 一切从人类输入自然语言开始。 当一个用户用自然语言提出请求、指令或声明（例如“请在明天发货30件产品给A公司”），这本质上是一种意图（Intent）。 在传统互联网中，系统只能识别关键词或命令； 而在社会图灵机中，这种自然语言会被理解为一个可以进一步结构化并验证的认知对象。 2. 语义解析：语言被结构化为可计算的意图 用户的自然语言会被送入系统的语义层（Semantic Layer）。 这部分由语言模型、语义解析器和知识本体（Ontology）共同组成。 系统会将模糊的自然语言转化为一种结构化中间表示（Intent IR）， 明确包括： 行动目标（做什么） 条件约束（在什么情况下执行） 参与对象（谁执行，谁受影响） 输出期望（结果是什么） 例如： “请在明天发货30件产品给A公司”经过语义解析后会被转译成： action: ship object: Product_A quantity: 30 destination: Company_A condition: date == tomorrow 这一步让语言从模糊转向明确，成为机器可理解的结构。 3. 意图确认与验证：系统判断“是否理解正确” 解析完语义后，系统不会直接执行，而是进入验证阶段。 这一阶段由“语义运行时（Semantic Runtime）”协调完成。 运行时会做三件事： 意图校验：通过逻辑检查和上下文比对，确认系统是否真正理解了用户的意思； 约束对齐：确认该意图是否符合既有规则（例如法律、合同、策略等）； 权限验证：确认用户是否有权触发对应的行为。 在这一步，AI 不只是“猜测”，而是通过结构化规则进行可追踪的验证。 验证通过后，意图才被编译为可执行逻辑。 4. 执行层：将逻辑变成行动 验证后的意图进入 协议层（Protocol Layer） 执行。 这里的核心是：每一次执行都可被验证。 执行方式包括： 调用智能合约（自动执行规则）； 启动外部系统接口（如支付、物流、审计等）； 或由人工/AI 代理执行具体任务。 所有执行行为都会被记录在一个分布式账本或验证网络中， 并生成相应的状态变化（state change）。 在传统系统中，执行结果往往是“黑箱”的； 而在社会图灵机中，每一个动作的发生条件、逻辑路径和结果都可以被复现。 5. 生成证明：从执行到可验证结果 当执行完成后，系统会自动生成一份执行证明（Proof Object）。 这份证明说明： 谁发起了行动； 在什么条件下执行； 执行逻辑是否符合意图； 结果是否正确。 这种证明可以采用多种技术形式：数字签名、零知识证明、审计日志、语义验证报告等。 在这一层，信任不再依赖人工仲裁，而是通过可计算的逻辑与证据链建立。 6. 学习与记忆：结果反哺系统 执行完成、证明生成后，所有过程数据会被送回系统的学习层（Learning Layer）。 系统会： 更新语义模型，改善未来对类似意图的理解； 扩展知识图谱，让机器掌握新的规则或模式； 记录验证路径，为后续任务提供参考。 这一步就像人类的“记忆形成”， 让整个网络在每一次执行中积累认知经验。 7. 形成闭环：从反馈到再理解 一旦系统更新完毕，它的“语义模型”和“规则体系”会自动反映新的理解结果。 下一个用户输入或下一次意图请求时，系统就能更快、更精准地识别、验证与执行。 至此，整个循环闭合： 意图（Intent） → 结构化（Structure） → 执行（Execution） → 证明（Proof） → 学习（Learning） → 新意图（New Intent） 每完成一次循环，系统就多理解一点世界。 这意味着： 它不只是自动化系统，而是具备累积性理解的认知网络； 它的“知识”不是编程输入的，而是从交互中演化出来的。 社会图灵机因此被视为一种认知级的操作系统。 它的独特之处在于： 语言不是指令，而是输入； 规则不是约束，而是解释机制； 执行不是终点，而是验证与学习的起点。 这个循环一旦持续运行，互联网将从“信息网络”演化为“理解网络”。 机器不再只是执行人类的命令，而是能理解、证明并共同进化。 The Social Turing Machine: When the Web Learns to Think https://t.co/KZngNLACs3
Est. 100 views for your reply