Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
西里森森
@sirisensen
公众号/小红书 西里森森 📮合作:
[email protected]
/微信:sirisensen 持续关注AI,欢迎同频朋友交流想法 保持热爱与好奇,这个时代需要一点好玩的东西~ 梦想是做出真正有价值的产品
上海
Joined October 2022
562
Following
7.9K
Followers
323
Posts
西里森森
@sirisensen
19 days ago
https://t.co/B9iS12wFjG
西里森森
@sirisensen
23 days ago
更新了!cool
Xmax AI
@XmaxAIOfficial
23 days ago
Introducing Xmax X2.1. More versatile 丨Better Quality(1080P)丨Same price ($0.0016/sec) Reshape video consumption through real-time interaction, with more possibilities for live streaming, shopping, gaming, and social experiences.
XmaxAIOfficial's tweet video.
西里森森
@sirisensen
29 days ago
看完影视飓风百万支票系列最新一期,我是真的佩服他们的选题,真的很大胆。 这一次,他们把镜头对准的是一个极为隐秘、充满争议,却又极其庞大的产业。 成人创作者。 这是一个很多人听过,但鲜少有人真正了解的世界,大多数人对OnlyFans的印象,应该还只是停留在猎奇、暴富和一些暧昧的新闻里。 但截至2025年,OnlyFans大约拥有500万个创作者账户和4.3亿个粉丝账户,一年向创作者支付超过60亿美元。 但你有没有想过,当一个行业不断讲述暴富故事时,究竟是谁在赚钱,又是谁在为这些故事承担代价? 视频一开始出现的,是这个行业里光鲜亮丽的少数人。 处于平台前5%的Sabrina,进入OnlyFans之前,就已经在Instagram上积累了十多万粉丝。 如今她在纽约,每月收入大约8000到1万美元,不仅还清了学生贷款,还在为将来创业积蓄资本。 她的工作当然不轻松,除了拍摄,还要每天花六个多小时与500多名粉丝聊天。 但至少在镜头里,这是一套可以持续运转的生活:拍摄、经营社交媒体、维护粉丝、赚钱,再把收入变成未来的资本。 接下来出现的Levi,更加接近很多人想象中的“成功”。 他是平台前1%的创作者,拥有30万社交媒体粉丝,开着Cybertruck,住在房车里,一边周游美国,一边工作。 他们用出众的外形吸引注意力,把流量变成了实打实的资产。 看到这里,你甚至会产生一种错觉——这套系统,好像真的给了一些人改变命运的机会。 Sabrina还清了贷款,Levi离开了看不到未来的小镇。他们用自己的外形和注意力赚钱,也因此获得了更多选择。 这恰恰是造富神话最有说服力的地方:它不需要捏造虚假的成功,它只需要把那极少数中了头奖的人,高高挂在所有人都能仰望的位置。 至于更多没有被看见的人去了哪里,很少有人追问。 所以接下来,镜头转向了Madison。 她当年18岁入行,毫无经验。在无数个「同龄女孩轻松月入数万」的刺激下,她深信这是一份能在家躺赚的工作。 第一个月,她就赚了7000美元。 这个数字给了她一个非常强烈的反馈:这条路走对了。 但这其实是给新人的短暂红利。 一开始,她只发布相对温和的内容。但当“刚满18岁”和“新女孩”的标签褪去,流量开始断崖式下跌。粉丝停止增长,订阅者陆续离开,她的收入也开始下跌。 与此同时,她不断看见同龄女孩展示更高的收入,以及与之对应的更大尺度,Madison的边界开始被迫移动。 最开始只是往前退让一点,再退让一点,等她回过神来,曾经坚守的底线已经全部坍塌。 可更大的付出并没有换来持续增长。离开行业前,她每月只能赚到600至800美元,一度在冬天无家可归,精神状态也跌到了谷底。 更令人绝望的是,账号可以一键注销,但经历无法注销。 曾经付费订阅她的熟人,在她退出之后依然用过去的方式谈论她;甚至在遭到同事骚扰向上级举报时,得到的答复却是:“既然你曾经在网上那样展示自己,又怎么能期待别人尊重你?” 最后,她搬到一个没人认识自己的城市,重新捡起了轮滑、呼啦圈和儿时的马戏梦想。 前5%和前1%的故事,当然是真实存在的成功者,但我们知道奖池有多大,却不知道一个普通人中奖的概率。 接下来节目开始挖一个更深的问题,为什么这种看似不可持续的消耗,却能形成如此庞大的商业帝国? 答案是,这个行业早已不是创作者与粉丝之间的简单交易。 一个人怎么可能同时和几百上千名粉丝维持暧昧? 于是运营公司出现了,他们拿走了30%到70%的收入分成。 镜头前提供面孔的是创作者,但在屏幕背后,负责记住粉丝情绪、爱好、职业和消费能力,并日夜倒班陪聊的,是远在菲律宾的外包劳工。 亲密关系就这样被拆成了一条流水线。 看到这里的时候,弹幕里很多人都提到了国内的直播公会和团播,背后的组织逻辑其实很相似。 年轻人先被收入和舞台梦吸引进来,再经过培训、试播和数据复盘层层筛选。谁的进场人数多,谁更容易收到礼物,哪种动作和话术能够刺激打赏,后台都会给出答案。 跑不出来的人被迅速替换,少数跑出来的人获得C位和更多资源,然后被包装成新的成功案例,继续吸引下一批年轻人入场。 但机构把许多人当成一个投资组合,个体却可能把它当作唯一一次改变命运的机会。 公司可以同时招募一百个人,让市场替自己挑出最赚钱的那一个。只要其中出现少数头部,其他人的失败就可以被覆盖。 而那个跑出来的幸存者,不再只是赚钱的工具,她更是一块活招牌,一套生产资料。 造富神话不是生意成功后的附带宣传,它本身就是这门生意继续运转的生产资料。 对粉丝,这套系统出售的是“她注意到了我”;对年轻人,它出售的是“下一个被看见的可能是我”。 一边从孤独的灵魂中榨取金钱,另一边从源源不断的新人中收割青春。两个漏斗咬合在一起,才构成了真正的商业闭环。 一门生意能赚钱,创作者也确实可能从中受益,这本身或许无可厚非。 但一门生意到底健不健康,不该只看它创造了多少百万富翁。 就像Madison最后的遭遇一样,让人痛心的是,进入这套系统的人,往往根本不知道自己将要支付怎样的代价;当她想终止交易时,才发现自己已经无法带着原本的尊严、边界和人生全身而退。 尤其是,当这套系统里被明码标价、摆上货架的商品,是人。
See More
西里森森
@sirisensen
about 2 months ago
在很多人还在讨论 AI 会不会替代一些初级岗位的时候,更激进的变化已经开始发生了。 AI正在参与制造另一个AI。 这两天我看了NaiveAI发布的一篇技术Blog,里面就比较系统地展示了他们用AI研发AI的流程。 从注意力架构的探索,到训练、推理和部署系统的优化,大量代码实现、实验运行、性能分析和结果验证,都由AI在研究员的指导下完成。 研究员主要负责三件事:确定方向,设定约束与评价标准,以及作出关键决策。 这个方向被称为AI4AI,也就是用AI构建AI。 而且,NaiveAI已经把它落成了一套真实运行的研发流程,也在朝递归式自我改进的方向探索。研究员不再需要亲手完成每一次实现和测试,而是开始管理一套由AI深度参与的实验系统。 那么,当AI可以承担越来越多的研发和试错,人类在整个系统里应该负责什么? 1 先说一个很现实的问题:为什么AI研发需要AI参与? 今天的前沿模型,早就不是几个研究员提出一个新结构,然后把模型训练出来那么简单了。 模型架构、训练数据、算力调度、推理部署和性能评测会互相影响。一次看起来很小的改动,可能要经过多轮实验才能知道有没有效果。 更麻烦的是,局部更快,不代表整个系统更快。 比如一个GPU算子单独测试时节省了几微秒,放回完整模型之后,却可能因为增加了同步和通信,导致端到端性能下降。 这种问题没有办法只靠推理解决,必须真正修改代码、运行测试,再用结果验证之前的判断。 NaiveAI在优化NaiveRT推理系统时,就记录了一个很典型的过程。 研究员设定的目标,是提高N0.5在8张GPU上的单流解码速度,同时保证采样结果的逐位确定性。 接下来,AI参与了整网分析、候选方案实现、数值验证和多卡测试。整个过程一共记录了151轮优化实验,其中63轮被采纳,71轮没有通过验证或被回滚,另外17轮用于探索备选路线。 最终,NaiveRT在特定条件下做到了2,122 tokens/s的单流解码峰值。一轮完整投机解码的耗时,也从同一系统上SGLang的12.3毫秒降到了3.4毫秒。 所以说,AI做研发,并不是模型突然给出了一个完美答案。更接近现实的情况是,它可以不断提出方案,再用实验淘汰自己的错误判断。 研发本来就是用大量失败换少量有效结果。当失败实验也可以由AI持续完成,被降低的其实是试错本身的成本。 2 但AI只能优化自己熟悉的系统吗? 如果答案是肯定的,那它更像一个效率很高的自动化工程师,还谈不上参与研究。 NaiveAI还做了另一个实验。 一位研究员把构建世界模型的任务交给Naive-N0.5-Flash,只提供目标、算力预算和评测协议。之后的方案设计、模型训练、评测和结果分析,由N0.5持续推进,并根据实验结果决定下一步尝试。 世界模型并不是NaiveAI原本积累的主要研究方向。 N0.5最初从复现FlowWAM的公开方案开始,在常规方向提升有限之后,它开始调整研究路径:重写视频描述、扩充和筛选训练数据,并测试不同的帧采样与训练配比。 有些尝试确实有效,有些看起来搜索空间更大的方案,结果反而更差。 更值得注意的是,AutoWM后续的提升并不全来自训练。 N0.5发现WorldArena的部分指标不需要真实参考视频也能计算,于是开始利用这些信号选择输出,并调整后处理策略。 经过累计400小时的研究和15轮主要实验,AutoWM按照WorldArena-1 Track 1的公开协议测试,取得77.43分,高于当时榜单上已公开的最高成绩73.64分。 这个成绩说明,在目标和评价标准清晰的情况下,AI已经可以参与一段相对完整的研究过程。 但它也暴露了AI4AI一条很重要的边界。 AI很擅长优化一个明确的指标,可这个指标能不能代表我们真正想要的能力,仍然需要人来判断。如果评价体系设错了,执行能力越强的AI,只会越高效地把方向做偏。 3 Naive-N0.5-Flash本身,也在为这种长时间的研发任务做准备。 它以开源的MiMo‑V2.5 base为起点,把原有的全局注意力层替换为DeepSeek稀疏注意力,并通过滑动窗口注意力与稀疏注意力的组合,降低百万token上下文中的计算和访存开销。 这里最关键的变化,是AI从完成一个步骤,开始参与一段持续反馈的流程。 过去,很多AI编程工具交付的是一段代码;现在,模型开始继续追问:代码运行了吗?性能提高了吗?新的修改有没有破坏原来的约束?下一轮应该试什么? Naive-N0.5-Flash展示的,正是这种趋势的早期形态。 研究员提出问题、设置边界、建立评价体系,AI则把更多想法变成可以验证的实验结果。 而当执行和试错越来越便宜,真正稀缺的会变成好的问题,以及判断结果是否可信的能力。
See More
西里森森
@sirisensen
2 months ago
给大家分享一个很有意思的东西。 前两天,一个朋友在群里发了一段机器人在服装店做导购的视频。 视频里,机器人先在门口迎宾,带顾客进店。一位顾客拿起一件浅蓝色风衣请它介绍,它引导顾客扫码识别商品、讲解面料特点 然后,又根据身高体重推荐尺码,最后指引她去自助收银台。 整个过程非常流畅,仿佛跟一个真人客服打交道。 看完以后我去搜了一下,背后的这套交互能力来自一家公司——魔珐科技,它推出的魔珐星云主要是做端到端具身交互智能平台。 之前大家聊具身智能,焦点基本放在它能不能干好体力活上。 但最近几个月,很多从业者的关注点开始发生明显的转移。 大家慢慢发现,机器人的四肢打造得再发达,如果连最基本的人际沟通都做不好,它依然无法真正融入人类社会。 而魔珐星云正好在补的,就是行业目前极度缺乏又非常关键的这一课,教机器人怎么真正地理解人并服务人。 1 现在的机器人研发基本分化成了两条路线。 我们平时热搜上最常见的那种,是机器人跑步、搬运、叠衣服、操作工具。 这些能力更接近具身任务智能,重点是让机器人在物理世界里把一件事做出来。 而魔珐星云主攻的是具身交互智能,是当机器人开始面对人的时候,它能否感知对方、理解意图、自然回应,并根据现场变化继续行动。 目前资本都在疯狂追捧任务智能,却忽略了服务陪伴这个极其庞大的刚需蓝海。 尤其像展厅讲解、门店导购、公共咨询、老人和儿童陪伴这些场景,存在大量围绕理解、交流、回应和陪伴产生的需求。 试想一下,当机器人未来进入养老机构或者特殊儿童教育中心,它首要的任务可能不是搬运重物,而是听懂对面那个人的喜怒哀乐。 这些需求,正在让具身交互智能成为一条值得关注的方向。 两条路线没有高低之分,一个更偏任务,一个更偏交互。而未来的机器人,很可能需要把两类能力逐步结合起来。 2 但为什么现在有些机器人表演动作很流畅,一进入自由对话却容易卡壳? 一个常见原因是,交互系统往往由多个模块串联:先把语音转成文字,再交给大模型理解,然后合成语音、驱动动作。 这种方案能完成基本对话,但现场一旦有人插话、换问题,或者环境发生变化,等待感、衔接不顺和声音动作不同步的问题,就更容易被人感受到。 魔珐星云给出的解法,是端到端具身交互智能。 它不是把几个模块简单接在一起,而是把多模态感知、智脑、多模态表达、行动和用户反馈,统一到一套实时交互 Runtime 中。 这里的核心,是“持续在场”。 机器人一边回应,一边继续感知现场;智脑结合自身身份、企业知识和任务,判断该查什么、下一步该做什么;随后再通过语言、语气和肢体动作进行表达。 在接入相应业务系统和机器人能力后,它还可以继续完成信息查询、访客登记、移动、导航或带路等任务。所以你中途插话、换问题,或者现场发生变化,系统也能根据新的反馈继续理解、判断和响应。 多模态感知—专属智脑—多模态表达—行动,不再是四段各做各的,而是在同一个闭环里持续配合。 这就是端到端具身交互智能放在真实场景里的价值:不只让机器人答对一句话,也要让整段互动更统一、连续、自然。 3 值得一提的是,星云还支持智能体和承载它的物理身体身体解绑。 同一个智能体不必只绑定一种硬件,它的身份、知识、记忆、任务、Agent和业务能力可以持续存在,承载它的“身体”则可以是AI屏、移动屏、AR/VR设备,也可以是机器人。 这其实解决了很多企业遇到的尴尬问题,有些企业花大价钱做了一个手机客服,等需要在线下展厅放一块大屏时,又得重新开发一套系统,不同设备之间的智能完全不互通。 但在星云的架构里,同一个企业讲解员,可以运行在展厅的AI屏上,也可以接入移动屏或机器人。更换终端后,它的企业知识和业务能力仍然可以继续复用,只是获得了不同程度的感知、表达和行动方式。 不管外在的躯壳怎么变换,它的那个专属智脑始终都在。它的知识记忆和业务能力在持续积累进化,只是在物理世界里不断获得了更加丰富的感官和行动载体罢了。 4 回头再看,具身智能赛道里更容易被看见的,往往是机器人能跳多高、搬多重、完成多复杂的动作。 但它能不能看见你、听懂你,能不能被打断、接上上下文,并在对话之后把服务继续完成,同样会影响它能否真正走进日常场景。 相比工厂搬运、家务劳动这些热门方向,展厅讲解、门店服务、公共咨询、老人和儿童陪伴等需求,过去没有得到同样多的讨论。 而这背后,可能正是一片尚未被充分看见的市场:机器人不只替人干活,也可以承担服务、交流和陪伴的角色。 要走进这些场景,它首先得学会面对一个真实的人。 魔珐星云正在做的,就是把感知、智脑、表达和行动放进同一个持续交互闭环,让智能体通过不同的身体进入真实世界。 让机器人学会干活很重要,让它学会面对一个真实的人,同样重要。
See More
西里森森
@sirisensen
3 months ago
@shuyuyunxi
他数据真的非常好。。。🥲
西里森森
@sirisensen
3 months ago
请大家避雷一下这位博主,从去年开始已经多次洗稿,我大号小号友善提醒过两次均被拉黑。。。 下面截图只是洗稿的部分内容,很多内容被我举报了已经不太方便截图。 本来不想挂人的,但是我实在是被洗稿太多次了,而且这位博主近期发布的内容仍在洗稿,实在是没招了。。。。
西里森森
@sirisensen
3 months ago
@MirrorSpeedVPN
@I_am_oil_oil
完全没用。。
西里森森
@sirisensen
3 months ago
@NaoraYoko
是可以举报的,之前我刷到都会举报,但是后面他把我拉黑了,我就看不到了,今天还是朋友发给我,我才知道他最近还在坚持洗稿。我去年已经警告过他了
西里森森
@sirisensen
3 months ago
@369Serena
可以举报,但他把我拉黑了🥲
西里森森
@sirisensen
3 months ago
@iamcora13
5555哭死😭
西里森森
@sirisensen
3 months ago
@BruceGuai
谢谢拐子老师😭
西里森森
@sirisensen
3 months ago
@Nutllwhy
感谢噔噔!真的最最最讨厌洗稿的人了😭
西里森森
@sirisensen
3 months ago
@caibucaiAI
谢谢菜菜🥲真的没招了。。
西里森森
@sirisensen
3 months ago
@juansir2026
是的,我也很纳闷,我之前举报了好几篇了,后面他把我拉黑了我就刷不到他了
西里森森
@sirisensen
3 months ago
@FLHCC1024
我写的垃圾不等于别人可以随便洗稿。。。
西里森森
@sirisensen
3 months ago
去年已经跟这位博主沟通过,并且我被拉黑以后还换账号沟通了,结果仍然是拒绝沟通直接拉黑并坚持洗稿。。。
西里森森
@sirisensen
3 months ago
请大家避雷一下这位博主,从去年开始已经多次洗稿,我大号小号友善提醒过两次均被拉黑。。。 下面截图只是洗稿的部分内容,很多内容被我举报了已经不太方便截图。 本来不想挂人的,但是我实在是被洗稿太多次了,而且这位博主近期发布的内容仍在洗稿,实在是没招了。。。。
西里森森
@sirisensen
3 months ago
@yyyole
我没在x上搜过他,他主平台应该就是小红书😭
西里森森
@sirisensen
3 months ago
@cgnot996
主要是沟通也解决不了😭
西里森森
@sirisensen
3 months ago
@chenreason
好像没用😭他把我拉黑了以后都是我朋友刷到以后跟我说的
Last Seen Users on Sotwe
หาทอมรับงาน รับเลี้ยงทอม
Seen from
Thailand
thảo Phạm
Seen from
Vietnam
ระดับสั่งการ
Seen from
Thailand
meme severim
Seen from
Turkey
ชอบเย็ดสาวใหญ่รุ่นแม่ น้าสาว
Seen from
Thailand
爱Mory真是太好啦
Seen from
United States
Ahmed Khali.
Sleep Gay
Seen from
Vietnam
นัดย็ดสาวใหญ่ ระยอง สาวแก่ ทอม ไม่รับสาวสอง เกย์
Seen from
Thailand
Ahmad Sheikh
Seen from
Switzerland
Trends for you
1
GTA 6
Under 10K tweets
2
Mandy
Under 10K tweets
3
#CMAawards
Under 10K tweets
4
respawn rumble
Under 10K tweets
5
Lakers
Under 10K tweets
6
DeRozan
Under 10K tweets
7
GTA 5
Under 10K tweets
8
#AEWDynamite
Under 10K tweets
9
Honey FM
Under 10K tweets
10
#Survivor51
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.5M followers
2
Barack Obama
@barackobama
118.7M followers
3
Cristiano Ronaldo
@cristiano
114.4M followers
4
Donald J. Trump
@realdonaldtrump
111.8M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
98.7M followers
7
NASA
@nasa
92.2M followers
8
Justin Bieber
@justinbieber
91.8M followers
9
KATY PERRY
@katyperry
90M followers
10
Taylor Swift
@taylorswift13
84M followers
11
Lady Gaga
@ladygaga
75.5M followers
12
Virat Kohli
@imvkohli
73.4M followers
13
Kim Kardashian
@kimkardashian
70.8M followers
14
YouTube
@youtube
68.7M followers
15
Neymar Jr
@neymarjr
66.4M followers
16
Bill Gates
@billgates
65.2M followers
17
Selena Gomez
@selenagomez
63M followers
18
The Ellen Show
@theellenshow
62.1M followers
19
CNN
@cnn
61.7M followers
20
X
@x
60.6M followers
Olivia
Online
✨
⭐
💫