基本上和所有大厂出来的都一起工作过,发现不同厂出来的性格和特性完全不同,下面的总结相当片面,看个热闹

#内幕消息 基本上和所有大厂出来的都一起工作过,发现不同厂出来的性格和特性完全不同,下面的总结相当片面,看个热闹 百度,基本都是技术达人,不喜欢社交和写 ppt,不是很懂包装自己 阿里,普遍喜欢吹嘘,技术当然也是有的,但不多,相当会写文档 ppt 和讲话,很会向上管理,总是把格局挂在嘴边 腾讯,技术吧,有,但也不多,但他们总能相当快地适应新的屎山代码,然后精准快速地实现自己的需求,很能写文档和 ppt 字节,效率快,急性子,普遍技术宅,很注重自由的工作环境,很能在开会期间写代码 美团,美团出身的感觉都相当在意领导的看法,可能美团的抱团太严重了 京东,感觉都被暴打过,很珍惜现在的工作,相当努力 英伟达,都挺谦虚,不太说话,几天能干完我一个月干的活 亚马逊,相当卷,技术很强,算法也不错 intel,说不上来,返璞归真的样子,毕竟出来的都是很年长的了

相关推荐

封面图片

昨天见了个从大厂跳出来创业的程序员,聊了一顿饭的功夫,最终得出一个反复被验证的结论:

昨天见了个从大厂跳出来创业的程序员,聊了一顿饭的功夫,最终得出一个反复被验证的结论: 大厂误人。 至少是误创业人。 具体的之后写稿子细说,这里简单提炼一下: 1)这个兄弟说,他去字节上班是为了学习两年然后出来创业。 这逻辑就很不通顺。 在大厂当然可以学习到很多东西,但是这些东西是为了成熟系统服务的,不是为了创业服务的。 在大厂你能够磨练自己成为优秀协作者的能力,但是很少有机会可以练习创业的全环节。 2)这个兄弟经历是名校-理工专业-毕业即大厂程序员-在多个大厂之间切换。 这就导致了他的整个青春年华都处在一种相对单纯的环境里。 人际关系也好,碰到的事儿,思考的办法也好,都很单纯,直线条,社交少。哪怕在上海这么精彩的城市也没什么离谱遭遇。 这就直接导致他对人的理解很单薄,对事情的期望很理想化。 比如被朋友带去销售场子里忽悠花了几千块他就觉得很崩溃了,人性太黑暗了。遇到个gay搭讪就吓坏了,很崩溃。 但是这才哪到哪啊……… 这种情况长出来的人很适合做技术专家型,稳固系统型,不适合搞复杂系统,走野生路线。 3)在大系统里长出来的人,还有一个很不好的习惯就是思考冗余太多,具体执行太少。 先做大量的(用来糊弄甲方和上级的)调研,然后各种内部琢磨,内部产出,最后磨磨蹭蹭对外,战线拉得非常长。 大公司可以这么干,因为有钱有人烧得起,小个体这么干,那就是找死。 4)这可能是大厂技术员独有的单纯,会觉得事情不够好都是产品做得不够好,换我上手分分钟给你搞定。 但是具体的链路,具体的解决办法,真正深入的分析,对用户的触摸把握,没有。 然而很多事儿之所以是现在那个样,很可能那就是当前条件下的最优解。 先写这些,别的再说。

封面图片

和给各个国家政府做过战略咨询项目的朋友聊,总结出不同国家政府的区别:

#内幕消息 和给各个国家政府做过战略咨询项目的朋友聊,总结出不同国家政府的区别: 1)新加坡 特别高效,精英治国,公务员也很勤奋努力,加班到很晚,工作量大,薪水可观、对标投行。政府有了一个具体的计划之后,团队能够立马的列出目标企业的清单,每个企业都有对应的公务员去对接,解释清楚政府扶植的政策:你来建厂/开办公室,我就给到你这个钱。沟通和计划都很清晰,执行力强。 2)沙特阿拉伯 政府特别有钱,王室到部长一级的官员都很精英,很有远见,但是再往下到执行层的公务员就能力不行,有断层。源于教育没有跟上,人才梯队不完整,所以就变成政府非常没有执行力。沙特2030的愿景雏形,就是出钱给国际大咨询公司做的愿景。大战略出来之后,实际的部门也并没有执行力,不知道中间该做什么大事、怎么做,所以执行方案也要咨询公司给Ops solution。躺着挖石油,家里有矿,人民从小有钱,缺乏勤奋、积极、努力往上爬的民族文化特性。主要还是石油带来的财富太大了,吃老本。 3)日本 官僚腐朽,等级制度森严。上级的真正的意思需要下级去猜,很难做越级的沟通,实际掌权的一把手都已经60-70岁年纪比较大,较难跟上时代,数字化的改革远见和理解力不够。经济不好,整个国家的社会从上到下都对未来的经济不是特别有信心。政府迂腐守旧,且待遇不是很好,所以进政府工作,已经不成为精英年轻人的选择了。

封面图片

今天又是感谢ai的一天,哈哈哈。和@张小珺 和@白一喵 聊了很久。

今天又是感谢ai的一天,哈哈哈。和@张小珺 和@白一喵 聊了很久。 跟小珺聊的时候,我把为什么我从疯狂看论文,到只认真读完了经典,其他的都是让 ai 给我摘重点,外加扫一下图表的转变,终于说清楚了。 AI 真的很教育平权,有它协作,很多事情都可以很轻易的开始尝试。正是因为你尝试了,而且你可以尝试太多事情了,反而逼着你考虑,你是不是真的要长期重度投入,这真的是你的课题吗? 另外提醒我一件事,最近真的看海外太多了,毕竟我在国内,还是应该分一部分精力到国内的产品和商业化。 跟小白聊,我最近画 ppt 非常快和轻松,看任何东西或者思考,都想怎么可视化怎么清晰地写出来。以及很多朋友跟我说,我非常擅长把一些很难懂的东西,解释地他们一下就能明白。 回想一下,这些变化其实都很受益于跟 ai 的协作,chatgpt 大量地给我解释,gamma 大量地展示一篇文档或者一个需求,怎么针对哪类人或者哪种目的,快速地变成一个 ppt,经常协作经常看,就吸收学习了很多。 今天花了一小时,我和小白尝试了很多,如何让 ai 运用螺旋动力学来做社群运营和沟通教练的事情,结果很让人觉得 cool。小白说,其实让别人看你是怎么跟 ai 协作的,可能也是很棒的学习过程。

封面图片

人工智能在突破性研究中推断出暗能量的影响和特性

人工智能在突破性研究中推断出暗能量的影响和特性 暗能量是加速宇宙膨胀的神秘力量,被认为占宇宙内容的70%左右(暗物质是看不见的东西,它的引力牵引着星系,占25%,正常物质只占5%)。主要作者尼尔-杰弗里(Niall Jeffrey)博士(UCL 物理与天文学)说:"利用人工智能从计算机模拟的宇宙中学习,我们对宇宙关键属性的估计精度提高了两倍。如果没有这些新技术,要实现这一改进,我们需要四倍的数据量。这相当于再绘制3亿个星系的地图"。共同作者洛恩-怀特威博士(伦敦大学物理与天文学学院)说:"我们的发现符合目前对暗能量的最佳预测,即暗能量是一个'宇宙常数',其值不会随空间或时间而变化。不过,它们也为正确的不同解释留出了灵活性。例如,我们的引力理论仍然可能是错误的。"从其中一个模拟宇宙中得到的物质地图。图中最亮的区域表示暗物质密度最高的区域。这些区域与超星系团相对应。深色的几乎是黑色的斑块是宇宙空洞,即星系团之间的大片空隙。资料来源:尼尔-杰弗里等人完善宇宙学模型与之前于2021年首次发表的暗能量勘测图分析结果一致,这些研究结果表明,宇宙中的物质比爱因斯坦广义相对论所预测的分布得更平滑更少有块状的情况。不过,与之前的分析相比,这项研究的差异并不那么显著,因为误差条更大。暗能量勘测图是通过一种叫做弱引力透镜的方法获得的,即观察来自遥远星系的光线在到达地球的途中是如何被干扰物质的引力弯曲的。这项合作分析了 1 亿个星系形状的扭曲,从而推断出这些星系前景中所有物质(包括暗物质和可见物质)的分布情况。由此绘制的地图覆盖了南半球四分之一的天空。在这项新研究中,研究人员利用英国政府资助的超级计算机,根据暗能量调查物质地图的数据,对不同的宇宙进行了模拟。每个模拟都有不同的宇宙数学模型作为基础。研究人员从这些模拟中创建了物质图谱。一个机器学习模型被用来提取这些地图中与宇宙学模型相关的信息。第二个机器学习工具从许多不同宇宙学模型的模拟宇宙实例中学习,查看真实观测数据,并给出任何宇宙学模型成为我们宇宙真实模型的几率。与以前的方法相比,这项新技术使研究人员能够使用更多的地图信息。模拟在 DiRAC 高性能计算(HPC)设施上运行,该设施由英国科技设施委员会(STFC)资助。宇宙学的未来探索下一阶段的暗宇宙项目包括去年夏天启动的欧洲航天局(ESA)欧几里得(Euclid)任务将大大增加我们所掌握的有关宇宙大尺度结构的数据量,帮助研究人员确定宇宙出人意料的平滑是否是当前宇宙学模型错误的标志,或者是否有其他解释。目前,这种平滑性与根据宇宙微波背景(CMB)宇宙大爆炸时留下的光线分析得出的预测结果不符。暗能量勘测合作项目由美国能源部费米国家加速器实验室(Fermilab)主办,来自七个国家 25 个机构的 400 多名科学家参与其中。该合作项目利用世界上功能最强大的数码相机之一5.7亿像素暗能量相机(Dark Energy Camera)在六年时间里(从2013年到2019年)拍摄的夜空照片,对数以亿计的星系进行了编目。该相机的光学校正器由 UCL 制造,安装在智利国家科学基金会 Cerro Tololo 美洲天文台的望远镜上。编译自:ScitechDaily ... PC版: 手机版:

封面图片

做大模型情感陪伴产品两个月了,回收到一些用户反馈和数据反馈。大致总结下踩过的坑和观点吧。

做大模型情感陪伴产品两个月了,回收到一些用户反馈和数据反馈。大致总结下踩过的坑和观点吧。 1.最容易接受AI陪伴的是老人和孩子: 基于近期的一些用户调研和研究,发现中老人和孩子相比较年轻人不太会排斥AI,也很难识别出AI,会很乐意陪AI聊天。 2.构建人设要用Lora而不是全量微调: 后者会导致模型过拟合的问题出现,请使用Lora来构造目标的人设。Lora的训练方式就是构造一些对话语料作为训练集就行。更别去想着用prompt模板来构造人设,这样会欠拟合。 3.多模态非常重要: 外貌、声音可以极大的提升用户的沉浸感。现在很多产品依然使用的是过去的合成式TTS,请使用生成式TTS,比如豆包和星野就用的生成式的。 4.面向孩子做情感陪伴你需要注意的: 1)家长的付费决策点是教育,纯陪伴是不可能付费的。 2)小朋友的注意力很容易分散,想办法把它留在这个场景。 3)减短文字,六七岁的小朋友能看懂的字是100个左右。 4)可以引入幼师什么的角色,帮忙鉴定这个聊天是否是小孩喜欢的。 5)不要问小孩特殊疑问句(what how),去问一般疑问句(yes or no)。 6)儿童很容易对AI产生崇拜感,可以利用这一点来培养儿童养成习惯啥的。 7)儿童天生一眼能分辨出教育内容和娱乐内容,而且反感教育。 5.面向老人做情感陪伴你需要注意的: 1)老人有钱有闲,付费率其实是比年轻人高的。 2)可以研究dy中老年人关注比较多的账号的共性(比如倾城一笑) 3)老年人是存在x压抑的,跟AI聊的东西会比年轻人花很多所以请注意风控策略。 4)老年人识别数字人的能力很差,他们会以为是一个真实的人,所以会很有礼貌很投入。 5)全民k歌上已经有了很多AI账号,并且粉丝数很恐怖。可以学习参考。 6.现在市面上能赚到钱的陪伴产品都是擦的: 过去minimax是ToB养ToC,前段时间了解到星野的海外版talkie海外收入已经超过minimax的toB收入。 7.接下来4个月国内会围绕agent的function call能力突破: 据我了解各家大厂和模型公司都在搭建这样的能力,function call是打造super app的关键技术之一。构建情感陪伴的产品的时候可以把这个技术考虑进去。 字数受限写不全,可以看图片,欢迎交流

封面图片

#群友投稿:本人阿九。在这个频道我看到过很多狗推和小姐、盘总和扶手的爱恨情仇。以下是我总结出来的对东南亚各种身份的人的心理活动。

#群友投稿:本人阿九。在这个频道我看到过很多狗推和小姐、盘总和扶手的爱恨情仇。以下是我总结出来的对东南亚各种身份的人的心理活动。 大多数狗推包括一些小管理在来到东南亚之前基本上都是社会上的闲散人员或者没见过多少世面,和小姐谈和本地小妹谈最初的想法都只不过是想花更少的钱解决自己的生理需求而已,而本地小妹人家都出来卖了肯定都是为了钱。结果有些人认真了被骗了又不甘。这类人我懒得评价。 至于盘总和扶手这个赛道就比较精彩了。有小三想母凭子贵上位的,有认哥想抱大腿的,也有白嫖被曝光的(最精彩的还是甜宝和69哥的故事,最近又销声匿迹了)但无论是哪种他们初始的目的都是男的想玩高质量的,女的想得到更多的钱。本来就只是利益与欲望的交换,但偏偏很多人喜欢把情和爱牵扯进去,看着感觉很恶心。 在这里顺便送大家一句话,财富是对认知的补偿,而不是对勤奋的嘉奖,没有通天的手段,哪来的家财万贯,永远要记住,富在术术,不在力耕,你要抬头看路,而不是低头干活。 PS:打工是赚不了大钱的,想要赚大钱就要自己做老板,听小编的明天找老板申请离职,自己出来单干。

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人