benjor

@mqx 好多都蛮有趣的，我已经安利了几个给身边的人了，中国人会飞、打 boss 、原来之前抽烟那个也是楼主做的，太有巧思了

楼主 github 上好多好玩的东西，都蛮有趣的

好玩 爱玩，有点晕 3d

pocket4p
索尼 zve-10 二代
普通拍人的话是不是全画幅区别不是很大，拍风景修图的时候放到电脑上一放大 画幅区别是很大的，我之前出去都背一个很大的包装三四个镜头，现在拍照能带来的快乐有限，修图太费时间，普通玩玩打算搞个 pocket ，录像拍照都不错，人像色彩也挺好

分享一个相关观点，智谱 CEO 张鹏博士之前在雪球《方略》（方三文对话）聊过这个话题，B 站上能搜到视频，感兴趣的可以看看。

他的看法和 1 楼 5 楼的方向比较接近，逻辑上推得更远一些：如果能拿到专业数据，其实可以直接加到通用模型里继续训练，通用模型加专业数据的效果，实践中往往好于单独训练的专业小模型。按这个思路，单独训一个垂直基座模型的必要性确实值得打个问号。

不过他也提到，模型能力落到具体行业的“最后一公里”——私有数据、合规、系统集成、场景打磨——是有价值的，只是这更像应用层的工作，和训垂直基座模型是两回事。

结合这个帖子的场景，感觉比较务实的路线可能还是：通用模型打底 + 医学语料继续预训练/微调 + 知识库与检索兜底，再在具体科室场景里打磨。供参考～

这本书值得花时间读。它打通了“程序如何在单机上真正运行”这条主干——从数据表示、汇编、处理器到缓存、虚拟内存和并发，为理解各种新软硬件打下了底层知识框架。AI 时代，未必需要亲自把每件事做到极致，但需要底层的判断力：知道什么是好、什么是对的，才能指挥 AI 去做、去验证。这本书提供的正是这种判断力的思路和基础。当然，读完它要投入相当的精力与时间，部分章节(如处理器流水线、虚拟内存)还需要一定的技术储备才能真正读懂

点赞！！！ 社会需要这样的人， 你帮助的那个小伙子也会受你的影响变得越来越好的

https://imgur.com/Z5O22WV
图片是 markdown 吗