halberd

@nexuszjq +1 ，这个的味道在我这排第一，但就是劲大，睡前慎重。个人榜第二是三得利绿茶。感觉国内的伊藤园味道不行，和之前在日本喝的有很大差距

非常有才华的想法啊，用一棵树撑起整个特征空间。
从网络参数分配的角度讲，我感觉直观上存在这样一个问题：第 i 层网络负责的区域实际上会分散在特征空间的各处，它做的事是把负责的这一块空间再向下切分成 K 小块。也就是说每一层并不会去擅长某种类型的特征，而是专门做某一级的细分。给我一种缺乏“局部性”的感觉，好像这个专家分配并没有很优，会不会潜在地影响能力呢。
当然这是用线性的参数量去拟合指数的空间肯定会遇到的问题。默认的多层实现相当于按照树深度、也即特征空间中的位置层级来分配参数，属于一种人为、简洁有效的策略；而共享参数实现和 diffusion 类似，是把全部任务交给整个模型，让模型自己学习不同位置的策略（以 v-pred diffusion 为例，使用全部参数去完成在任意位置 x_t 上的 v_t(x_t)预测）。

@be 遇到同样问题，按照本贴前面说的设置 tun 模式后依旧未解决，终端无法正常代理。查看小火箭内的 log ，发现终端内访问的网址其实是有走代理的记录的，不知为何仍会报错，看来 tun 模式目前还是有 bug 。设置环境变量（ HTTP_PROXY, HTTPS_PROXY 或 ALL_PROXY ）可以解决一部分，但仍然有些无法连接（例如 brew update ）

“attention 再也不 need” 概念层级理解错误，diffusion 是模型之上的一套数学建模，而不是模型结构本身。目前 diffusion 这边主流同样在用 transformers

同，不知道什么时候被装上的。删除 settings 并卸载插件，搞掉了。刚刚我也在让 llm 分析代码，暂时好像没发现危害。

几年前买的无线鼠标，接收器插到扩展坞 USB 3.0 口上干扰严重，指针几秒一卡，无法忍受，切成蓝牙了。从听说 2.4G 被 USB 3.0 泄露信号干扰这个问题也好多年了，现在解决了吗

胡子长得快、硬的还是不要出于好奇上手动了。长得太快两天必须剃，某列现在东南亚生产的垃圾刀头，碰上硬胡子三回就明显钝。算一算每年刀头预算多少吧...老实二百块往复式电动最实惠。

现阶段 AI 画的图类似未经人工 review 的 AI 代码。
区别是程序员真可以 review 之后把 AI 给的代码用起来。而画师要画一张图的时候，先用 AI 生成一张可以说毛用没有，图层都没有的东西，费劲给 AI 擦屁股完全不值。