MannerMakethMan

[MannerMakethMan @RAYYU89425135]

@hunterweb303 卷到多選項盤口來了 基本上肉越來越少了

[MannerMakethMan @RAYYU89425135]

@AstroMoon1225 這集看起來好古早

[MannerMakethMan @RAYYU89425135]

@hz2049 強迫延遲是什麼鬼， 藍瘦

[MannerMakethMan @RAYYU89425135]

@AYi_AInotes 叫gpt 5.5優化我的需求 ，再請opus 4.7開工，豈不美哉

[MannerMakethMan @RAYYU89425135]

@NFTCPS 這. 是跟NOFX類似的玩意嗎?

[MannerMakethMan @RAYYU89425135]

@mubeitech 星界軍跟星際戰士的差別

[Mathelirium @mathelirium]

Today we introduce Stochastic Differential Equations (SDEs). I find that the best way to introduce these complex concepts is to look at an application. This is part I of the lecture🙂

We look at the theory behind electromagnetic scattering/radar clutter which leads to anomaly detection on scattering statistics.

When a narrowband wave scatters off a messy cloud of particles, the complex field at your receiver is a random phasor sum...at time t you can write the electric field as

E_N(t) = Σⱼ₌₁ᴺ e^{iθⱼ(t)},

each term a unit arrow in the complex plane from scatterer j.

This is exactly where the magic of Brownian motion appears naturally and in the most reasonable way. Think of all the microscopic chaos...tiny motions, index fluctuations, path jitters, Doppler shifts that shows up as small random kicks to the phases θⱼ(t) over very short times.

If you just made θⱼ(t) random in an ad-hoc way (say, resampling independent angles at each time), the field would jump around unrealistically with no temporal structure.

Brownian motion is what you get when you let each phase take the continuous-time limit of many tiny, independent kicks...it’s continuous in t, it has the right cumulative variance growth, and it remembers just enough of its past to look physical. So we model each phase as a Brownian walk,

θⱼ(t) = θⱼ⁰ + σ_θ Bⱼ(t),

with independent Brownian motions Bⱼ(t) and a phase-diffusion rate σ_θ.

Brownian motion here isn’t window dressing...it’s the clean way to compress all the small random stuff into a single process that actually matches how the phases wander in time.

#StochasticProcesses #BrownianMotion #ItoCalculus #RadarClutter #RayleighScattering #SignalProcessing

[MannerMakethMan @RAYYU89425135]

@absnn355 量變產生質變， 命格影響宇宙

[MannerMakethMan @RAYYU89425135]

@absnn355 @Ada8zz

[Mayur Chougule @_mayurc]

scalper agent v1.3 — build + live on Aster https://t.co/MglZhfTzGf

[撒幣哥 Mr. CashCash @SaBiBro666]

好喜歡他的街頭採訪，體現出他極強的個人能力
1⃣面對大人物時不膽怯，被拒絕也努力爭取
2⃣共情能力極強，能夠快速應變，調整要問的問題，引導對方放下心防
3⃣確認對方願意停留後，再一步一步試探、詢問細節
4⃣重點是，他經常能問對的問題：讓對方舒服，讓讀者覺得有學到東西

[MannerMakethMan @RAYYU89425135]

@wolfyxbt 難做， 就別做拉 ノಠ益ಠ)ノ彡┻━┻

[MindfulReturn 身心修复局 @MindfulReturn]

wtf, 我把刚写的明代科幻小说，继续用musetai制作漫画书，他居然吭哧吭哧自己写了个分镜脚本，确认后，我选香港黄玉郎风格的，居然还真成了。
这时代，看漫画比单纯文字小说更有传播力啊。

[MannerMakethMan @RAYYU89425135]

@sidprabhu GPT loss rate almost 80%... what if I do opposite

[ye.koi✌️ @yekoikoi]

握草，这是真的吗？

这AI评价是3万粉丝博主应有的东西吗。

[MannerMakethMan @RAYYU89425135]

@_FORAB 工具給夠可能表現會好點

[MannerMakethMan @RAYYU89425135]

@_FORAB 仔細挖prompt就知道 ，只提供給他ema macd rsi而已，在限定的交易對中做買賣，工具太少，遲早全部出事

[MannerMakethMan @RAYYU89425135]

@karminski3 蝦雞巴多 , 賭人品就是了 不過剛剛看他XRP止盈了, 也是會跑的

[Robinson · 鲁棒逊 @python_xxt]

很多人并没有意识到
版权的本质，是通过人为制造稀缺性来激励创新

但AI几乎无限的生成能力，
正在从根本上摧毁这种稀缺性

当复制成本归零，
当生成速度碾压人类，
当内容供给变成一场永不停止的洪水——
传统版权的激励机制已经死了

更残酷的是：
未来依然会有品牌、信任、溢价
但它们只会属于少数掌握数据、算力、分发渠道的巨头

至于个体创作者？
你的作品会被吸收进训练集
你的风格会被无限复制
你的名字会被稀释在海量生成物中
没有补偿，没有追溯，没有谈判权

因为当供给无限，
你的内容本身就不再有价值
有价值的是流量入口和算法黑箱

我们需要理解的是，
这不是一场可以"适应"的变革
而是一次单向的权力收割

我们需要接受的是，
在这个新秩序里，
绝大多数个体创作者会沦为
免费的、匿名的、可替代的数据燃料

个体版权将死
只是很多人还没意识到