发觉自己只有交友贴流量高😂，那么在这里单开一贴，欢迎大家在帖子下面互相留言，认识 #交友 #蓝v

jd 真是死妈了，点完外卖弹出来个 1 分领 5 元劵，点了下就进黄金开户页面了

这种全裸的效果是怎么拍出来的？

lite 多头真坚挺啊，多空持仓比 0.86 了都没砸下去，本来还想着能吃一波回调.....反而是 intc，涨到 125 后就疲软了，又掉回 119

在时隔半个月没有发帖后，我的推荐时间线全是各种涩涩

短篇恐怖故事:

阿玛特拉斯！

现在看 gate 纯草台班子啊，者谁还敢用 gate 交易

哥，美股我先跑了，天下没有不散的筵席，这场盛宴已经到了最后的时刻，山珍海味早就已经吃完了，只剩下残羹冷炙，满眼狼藉。聪明的人已经吃饱了悄然离席，你后知后觉的仍不愿离场，拿着筷子把碗敲的叮当响，幻想期待下一道美味丰盛的主菜，结果最终迎来的是这场盛宴的巨额账单，盛宴总有人要买单这次又是你买单。

冷知识：一次性手套剪开可以当五次套用

依然暗语，依然加密通话

以人工智能目前的发展速度，我预测三个月过后将会步入2027年

crazy day

我说赚少了=亏大了有感觉吗

我说少赚就是亏了有感觉吗

亏得多了，有时候事后看当时对走势的判断是对的，但是当时也不敢就重仓进去，开一点小的进去试探，等有明显趋势才会跟进....这么做应该没问题吧？

接下来登场的是全球最残酷最恶臭最具批判性最唯成绩论的27互联网秋招，这里没有可惜，没有遗憾，没有鼓励，没有容忍，没有hc，只有谁机考不作弊谁犯罪，谁脏面评被针对，谁跟面试官把线对，谁家hr没有人情味,谁的简历造假没到位。 欢迎来到世界第一伪好就业专业计算机，这里没有年少轻狂，只有包装为王。所有vibe的论文和项目都是为了争夺一封为期一小时的约面邮件，你的token无人报销,你的演技必须高超。 简历挂叫惊天一条区，一面挂叫本质简历挂，二面挂叫方向不匹配，三面挂叫横向被干掉，四面挂叫不如一面挂，暑期转正挂叫没有hc，实习生招进来只是帮忙吸甲醛。 只有拿到了offer才能赢得尊重—骗你的，就算拿到了offer，也要活过630、730、830、930来证明自己。输家没有任何可以宽容的地方,赢家第二天仍然是挑战者。

这个粤语配音的视频太有意思了，还有人做了小游戏😆 b23.tv/aVmY11A 粤韵风华之驾校宝典

读完 Meta 这篇《Auto-RecSys》（arxiv.org/abs/2609.10922），最深刻的感受是：AI Agent 走向工业级深水区，决定成败的早就不再是底层模型的推理智商，而是围绕它搭建的系统工程外壳（Harness）。 过去行业习惯把 LLM 当作直接执行脚本的“程序员”，但在工业级推荐系统这种重资产、长周期的场景下，这种思路几乎必然崩溃。 从这篇工作中提炼出几点关于工业级 Agent 架构的深层思考 🧵 (1/5) 1/ 放弃对 LLM 端到端控制的幻想：工程确定性兜底 (2/5) 玩具级基准测试（如 SWE-bench）允许智能体不断报错、不断即时重试，因为单次反馈只要十几秒。但在工业推荐场景，单次分布式训练动辄两三天，耗费数万 GPU 时，试错成本极高。 Auto-RecSys 给出的答案是认知与流程的彻底分治： * 把状态流转抽象为严格的有限状态机（FSM），高危的集群调度与代码合规全部收编为确定性脚本； * LLM 只被允许在被限制的沙盒内做高阶抽象工作（假设构思、因果诊断）。 这印证了一个趋势：生产环境越复杂，越要剥夺 Agent 直接敲打命令行（Bash）的自由度，把不确定性限制在决策层，而非执行层。 2/ 解决知识断层：将隐性工程经验“代码化” (3/5) 大公司算法团队最昂贵的资产往往不是模型代码，而是资深工程师脑子里的“踩坑经验”——哪些参数会导致分布式通信阻塞、哪个版本的 CUDA 算子有暗坑。 论文中设计的“执行演进环（Model-Specific Playbooks）”本质上是在做组织隐性知识的沉淀： * 智能体经历的环境适配、算子编译排错过程被自动固化为结构化规程； * 当下次启动新实验或环境漂移时，系统调用的是演进后的先验知识，而不是每次都从零提示词去撞墙。 让 Agent 能够“自我固化工程记忆”，是跨越长反馈周期的关键基础设施。 3/ 算法工程师的生态位正在发生质变 (4/5) Auto-RecSys 并不是要取代算法工程师，而是把人从“人肉实验员”的角色中解耦： * 过去：80% 的精力消耗在写胶水代码、查分布式日志、盯显存和指标看板； * 未来：工程师的核心价值转移到更高维度的两件事： * 定义假设探索空间（Search Space Design）：告诉系统向哪个业务方向寻找增量； * 评估指标防偏（Guarding against Goodhart's Law）：防止 Agent 为了单纯追逐短期离线 AUC，设计出过度复杂、危害在线推理延迟的畸形架构。 4/ 结语 (5/5) 从 Auto-RecSys 可以看出，未来企业级 Agent 的护城河，不会是“调用了哪家最强的大模型 API”，而是一套能够管理长状态、容忍节点宕机、沉淀工程规程的持久化 Harness 系统。 这套工程哲学同样适用于工业 EDA 芯片设计、量化策略挖掘、AI 制药等任何具有“长反馈周期 + 高系统复杂度”的重资产研发场景。值得所有关注 Agent 生产落地的团队深入推敲。