背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
IT之家 6 月 6 日消息，Infinity Ward 刚刚发文，详细阐述了《使命召唤：现代战争 4》中全新的 DMZ 模式。 与 2022 年《现代战争 II》及《战区 2.0》中以 Beta 形式推出的 DMZ 不同，新版 DMZ 将作为完整独立模式回归，并进一步向“搜打撤”玩法演进。 Infinity Ward 多人游戏创意总监 Geoff Smith 表示，团队过去数年持续研究撤离射击类游戏的发展趋势，并结合早期 DMZ 测试数据，对玩家喜好和模式不足进行了分析。基于这些经验，新版 DMZ 从底层设计开始进行了重构。 新版 DMZ 的故事由《现代战争 4》单人战役编剧团队负责打造，剧情承接战役模式结局，并与《现代战争》系列世界观直接关联。游戏舞台设定在名为“Hajin”的朝鲜半岛非军事区，该地区因核反应堆熔毁事故遭受严重辐射污染，形成大面积封锁区。 据官方介绍，Hajin 不仅是一张地图，更被设计成一个持续运转的开放式撤离沙盒世界。玩家将面对越来越危险的 AI 敌人、环境谜题以及剧情任务。开发团队希望该模式能够呈现出“游戏中的游戏”体验，而非传统意义上的第三模式。 在进入 DMZ 前，玩家首先会来到前进作战基地。这是一个用于管理装备、组队和备战的核心枢纽。玩家将扮演受 CIA 雇佣的秘密行动人员，进入禁区搜寻并回收关键军事技术，同时还需提防其他敌对特工。 Hajin 地图首发将包含九个主要区域，包括城区、赌场、辐射区、医院、军事基地、农田、监狱、广播站和城镇。地图主体位于韩国境内，但部分区域还延伸至朝鲜和俄罗斯边境地带。 官方表示，Hajin 将采用动态生态系统设计。玩家能够看到运输机在空中运送物资，也能遭遇地面运输车队。与此同时，地图还会受到实时天气系统影响。不同局次中，玩家可能进入晴天、暴雨或浓雾环境，而天气变化也会随着游戏进程不断增强或减弱。 任务系统方面，新版 DMZ 提供三种主要游玩方式：Story Missions（剧情任务）、Dynamic Missions（动态任务）以及 Free Roam（自由探索）。 如前所述，其剧情由《现代战争 4》战役团队设计，旨在进一步扩展游戏世界观。动态任务则会随机生成多阶段目标；自由探索模式允许玩家自行决定行动路线和目标。 匹配机制也进行了调整。如果玩家开启自动补充队友功能，系统将优先匹配选择相同任务类型的玩家。例如正在进行剧情任务的队伍，补入的玩家也会以剧情任务为目标，从而降低队伍成员中途退出的概率。 不过，整个 DMZ 世界仍然遵循“同一世界、同一时间”原则。虽然队伍会按照任务类型进行匹配，但地图中的其他玩家可能正在执行完全不同的目标，因此玩家随时可能遭遇执行剧情任务、动态任务或自由探索的其他队伍。 Infinity Ward 将 DMZ 的核心设计理念概括为“玩家推动世界，世界也会反过来影响玩家”。地图中的车队、空运补给和特殊事件均可能成为挑战目标，但玩家可以选择是否介入。官方还将加入潜行系统，允许玩家避免触发警报或主动脱离部分动态事件。 除了 NPC 外，玩家之间的对抗也成为 DMZ 的重要组成部分。随着玩家击杀数和声望提升，其角色可能被系统标记为悬赏目标。被击败后，玩家将掉落身份铭牌，其他玩家可将其带出禁区换取奖励。赏金猎人还可购买情报定位目标玩家，整体机制类似《使命召唤：战区》中的悬赏系统。 成长系统则是新版 DMZ 与传统多人模式最大的区别之一。官方表示，DMZ 采用类似《黑色行动 7》Endgame 模式的角色成长体系。每名干员都拥有独立技能树，玩家可根据不同玩法培养多个角色。 当角色在 DMZ 中死亡后，其当前携带装备将全部丢失，角色状态也会变为“MIA（失踪）”。若玩家希望重新启用该角色，则需支付一定游戏内货币，而所需金额会根据角色成长程度和玩家表现决定。这种半永久死亡机制意味着玩家在每次行动中的风险将显著提高。 开发团队同时确认，DMZ 拥有完全独立的成长体系，其进度不会与《使命召唤》其他模式共享。 《使命召唤：现代战争 4》预计于 2026 年 10 月 23 日登陆 Xbox Series X|S、PC（战网、Steam）、PlayStation 5 以及任天堂 Switch 2 平台。 与此前免费测试版不同，此次 DMZ 不会作为《战区》免费内容推出，玩家需要购买《现代战争 4》才能体验该模式。 IT之家提醒，动视官方承诺《现代战争 4》发售至少一年内不会加入 Xbox Game Pass Ultimate 和 PC Game Pass 服务。 从目前公布的信息来看，Infinity Ward 试图将新版 DMZ 打造成一个融合剧情推进、PvPvE 对抗、生存撤离、角色养成以及动态世界系统的大型长期运营模式，并将其作为《使命召唤》未来撤离射击玩法的重要基础。 相关阅读： 《 〈使命召唤：现代战争 4〉官宣：首度登陆任天堂 Switch 2，10 月 23 日发售 》 《 〈使命召唤：现代战争 4〉预购开启，Steam 国区 298 元、支持中配 》
今年 3 月 10 日，华硕旗下破晓系列发售了一款全新超轻薄 AI 笔记本，华硕破晓 Ultra。其最大特色就是在 1.1kg 超薄机身内塞入了英特尔第 3 代酷睿 Ultra X7 处理器 358H，2.8K 120Hz OLED 触控屏和 70Wh 电池，致力于打造一款标杆级别的商务轻薄本。 当然，它的价格也非常的旗舰，32GB+1TB 存储组合版本当前价格 14999 元。IT之家最近体验了这款产品，它的表现究竟能否对得起商务旗舰之名，一起来看看吧。 一、外观设计 华硕破晓 Ultra 这次在命名上做了更新，可以看作是对高端旗舰轻薄本领域发起的一次进攻，设计相比自家其它高端轻薄本要更加极致。 首先就是它的轻薄机身，整机薄至 10.9mm，机身重量仅 1.1kg，放在大一点的公文包里随时带出去都毫无负担。 质感方面华硕破晓 Ultra 也做得相当到位，机身表面采用华硕独家打造的纳米陶瓷铝工艺，不仅抗刮防污渍，触感也是相当细腻。浅灰配色机身搭配独具特色的粗颗粒工艺处理，质感高级，在自然光下机身更显冷白。 机身外壳采用了圆润的弧面切削，无论以何种姿势握持都足够舒适。A 面只有一个居中的亮面 ASUS Logo，足够简约。 华硕破晓 Ultra 支持单手开合，最大开合角度达到了 135°。B 面采用超窄边框设计，屏占比高达 90%，表面带有抗反射涂层工艺以及 Gorilla 玻璃钢材质，支持触控操作，流畅无拖影。 B 面顶部中间位置安排了 FHD + IR 红外双摄像头以及物理防窥实体拨片，能够有效保护用户个人隐私，并支持 Expertmeeting AI 功能。 屏幕规格上，这块 14 英寸的 16:10 比例的 OLED 华硕好屏拥有 2.8K 分辨率、120Hz 刷新率，100% DCI-P3 广色域，支持 HDR 和 1400nit 峰值亮度、SDR 下拥有 600nit 手动最高亮度，还支持双层串联技术。 IT之家对这块屏幕的色彩表现进行了实测，华硕破晓 Ultra 并没有内置多种专业色域模式，我们在标准色彩模式下通过校色仪测得其拥有 145% 的 sRGB 色域容积，AdobeRGB 和 DCI P3 色域容积也超过了 100%。色域覆盖上 sRGB 和 DCI P3 色域非常接近 100%，确实是一块广色域的 OLED 屏幕。 色准方面，在标准色彩模式下屏幕的平均 Delta E 为 0.75，最大 Delta E 为 2.03，色准表现出色，虽然官方在宣传页没有提及，但看样子是做了出厂校色的。 亮度方面，校色仪测出的 SDR 实际最大亮度 642nit，屏幕色温为 6500K，这样的屏幕色彩和色准表现，无论是内容浏览还是专业色彩显示都能轻松胜任。 当然，华硕也准备了一系列 OLED 屏幕量身定制的配套防烧屏保护和色彩自定义选项，能够有效提升屏幕使用寿命，并让用户找到属于自己的最佳观感。 机身 C 面同样采用纳米陶瓷铝材质，上方是标志性的全尺寸方形键帽人体工学背光键盘，拥有 1.5mm 长键程和 19.05mm 宽键距。键盘区域左右两侧配备 2 条扬声器开孔，电源键集成在键盘右上方，支持 Windows 指纹识别功能和独立状态指示灯。 键盘下方为超大面积的上下无边框玻璃触控板，内有 6 个力传感器，支持全域按压技术，触控体验精准丝滑，按压手感紧实有力，还可调节灵敏度。 除此之外，华硕破晓 Ultra 还内置了 6 维空间立体扬声器，包括 2 个高音单元和 4 个低音单元，共同组成 6 声道环绕立体声，并通过了杜比认证音效。网络方面也支持到了最新的 Wi-Fi7 和蓝牙 6.0 技术，网络连接更快更稳定。 接口方面，华硕破晓 Ultra 为标准左右布局，左右两侧各有一个雷电 4 协议的 USB-C 接口，2 个 USB3.2 Gen2 Type-A 接口，1 个 HDMI2.1TMDS 视频输出接口以及 1 个 3.5mm 音频接口。接口数量和规格都给得比较足，出门无需额外搭配扩展坞使用。 华硕破晓 Ultra 这次给到了一个体积小巧的黑色方形适配器，采用分体设计，支持 90W PD 快充，很适合差旅通勤携带。 二、散热续航 在内部存储容量和扩展性方面，华硕破晓 Ultra 出厂就给到了 32/64GB 板载 LPDDR5x 8533MT/s 内存，标配 2TB PCIe4.0 固态硬盘，直接一步到位。 内存跑分表现如图所示： 内存读取速度达到了 107GB/s； 内存写入速度达到了 117GB/s； 内存拷贝速度达到了 118GB/s； 内存延迟为 90.8ns。 毫无疑问，内存读写性能上华硕破晓 Ultra 的表现属于第一梯度。 再看固态硬盘，出厂预装的 2TB 固态硬盘是来自西部数据的 SN5100S，采用了 BiCS8 QLC NAND 闪存颗粒，支持 NVMe 2.0d 规范，理论顺序读取速度可达 7300MB/s，顺序写入速度 6700MB/s，实测结果如图所示。 华硕破晓 Ultra 还搭载了 70Wh 电池，理论办公续航可达 20 小时，经过实测在固定 150nit 屏幕亮度下，PC Mark 10 现代办公续航测试成绩达到 15 小时 44 分，应付一天的高强度办公需求绰绰有余。 接下来我们就看一下它的散热表现，在华硕管家中将风扇模式改为“性能”档位后，使用 AIDA64 进行 10 分钟 FPU 单烤测试，初期 CPU 功耗可以达到 PL1 和 PL2 预设最大值 65W，温度也是来到了 98℃，随后 CPU 功耗逐渐下降并稳定在 45W，CPU 封装温度最终保持在 85℃，CPU 核心温度则是 82℃。 在 CPU 核心频率上，4 个性能核心保持在 3.5GHz，其它 8 个能效核心为 2.7GHz，还有 4 个低功耗核心反而拥有更高的 3.3GHz 频率。这样来看，华硕破晓 Ultra 的性能释放在相同厚度的轻薄本中属于中等偏上水平，这样做的好处自然是带来了更低的机身表面温度和更小的噪音，烤机时的人位噪音不超过 45 分贝。 三、理论性能 华硕破晓 Ultra 这次搭载了第三代英特尔酷睿 Ultra X7 处理器 358H，也是今年 Panther Lake 中最值得选择的型号，它基于英特尔 18A 制程打造，拥有 4 个性能核心、8 个能效核心和 4 个低功耗能效核心，最高睿频 4.8GHz，三级缓存大小为 18MB。 GPU 部分改动也非常大，Intel Arc B390 的核显，12 个 Xe3 架构 GPU 核心，支持光线追踪和 XeSS 3 图形技术，最高可开启 4 倍帧生成，让游戏性能大幅提升。 在 CineBench R23 基准测试中，CPU 单线程分数为 2074 分，多线程分数为 19805 分。 在 CineBench 2024 基准测试中，CPU 单线程分数为 125 分，多线程分数为 1184 分。 在 3D Mark Time Spy 基准测试中： 酷睿 Ultra X7 处理器 358H 的 CPU 分数为 14176 分，相比 85W 的同处理器低了 400 多分，性能差距在 3.3%。 显卡部分，Time Spy 图形分为 6908 分，相比首发机型涨了 300 分左右，大幅领先上一代的 intel Arc 140T 核显。 在 Solar Bay 光追项目测试中，酷睿 Ultra X7 处理器 358H 的综合分数为 27775 分，显卡综合帧为 105 FPS。 四、游戏与生产力 这次的酷睿 Ultra X 300 系列移动端处理器所搭载的 Intel Arc B390 核显图形性能提升非常大，尤其是支持了 XeSS 3 图形技术和最高 4 倍帧生成。因此虽然华硕破晓 Ultra 是轻薄本定位，但对于它在游戏和生产力方面的表现，我们也可以期待一下。 不过，考虑到它的轻薄本定位和处理器功耗水平，游戏部分我们统一使用 1080P 分辨率 + 低画质设置进行。 1、《CS2》 首先是在线竞技游戏的表现，在《CS2》中以 1200P 分辨率 + 低画质预设运行创意工坊测试地图，华硕破晓 Ultra 的游戏平均帧数为 306 帧，1% Low 帧为 168 帧。 2、《三角洲行动》 《三角洲行动》在近期游戏更新中，终于加入了对 16:10 屏幕比例的支持，我们选择 1200P 分辨率 + 低画质预设 + XeSS 性能优先设置下，进行一局全面战场模式对战，游戏平均帧数来到了 132 帧，1% Low 则达到了 70 帧。 3、《古墓丽影：暗影》 作为一款发布时间较久的老 3A 游戏，《古墓丽影：暗影》相对于次时代单机游戏的性能需求小了不少，并且游戏的优化表现也较为出色，不过由于其对英特尔核显的 Xe 支持选项还停留在早期阶段，这里我们就不打开了。 即便如此，进入游戏后使用 1080P 分辨率 + 低画质预设，运行游戏自带基准测试，游戏平均帧数也能超过三位数，达到 114 帧，1% Low 也有 78 帧，运行起来还是相当流畅的。 即使我们将画质预设切换到最高，仍然可以达到 75 帧的游戏平均帧数，不过此时游戏的 1% Low 帧无法保证能够稳定在 60 帧以上，建议大家可以调到高画质预设游玩，这样游戏平均帧数在接近 90 帧的同时，也能确保 1% Low 帧稳定在 60 帧以上。 4、《赛博朋克：2077》 接下来是一款图形性能要求非常高的游戏《赛博朋克：2077》，在 1200P 分辨率 + 低画质预设 + DX12 模式下，运行游戏自带基准测试，游戏平均帧数来到了 75 帧，1% Low 刚好能为 60 帧，只能说刚达到流畅及格线。 不过，当我们开启 XeSS 质量档选项后，游戏平均帧数暴涨至 100 帧，此时流畅游玩已不是问题。 通过 4 款游戏的简单实测可以看到，即使是在 45W 功耗释放的华硕破晓 Ultra 上，以 1080P + 低画质运行主流游戏，都可以达到较为理想的帧数表现，充分证明 Intel Arc B390 这颗核显的性能非常强大，出差时偶尔打打游戏进行消遣完全没有问题。 接下来我们接着聊聊生产力，在 V-Ray BenchMark 6 基准测试中，酷睿 Ultra X7 处理器 358H 的 CPU 跑分达到了 19433 分，相比 85W 释放的同型号处理器差距约 5.2%，相比 50W 释放的同型号处理器差距约 2.3%。 在 blender 4.5.0 基准测试中： monster 场景得分 124 分； junkshop 场景得分 85 分； classroom 场景得分 57 分。 以上 3 组成绩和 85W 释放的同型号处理器性能表现基本一致。 在 UL Procyon 照片编辑基准测试中，酷睿 Ultra X7 处理器 358H 得分为 7105 分，相比之下，65W 功耗的酷睿 Ultra 9 处理器 285H 得分为 5944 分，前者性能提升了 19.5%。 在 UL Procyon 的视频编辑基准测试中，酷睿 Ultra X7 处理器 358H 得分为 15067 分，相比之下，65W 功耗的酷睿 Ultra 9 处理器 285H 得分为 10941 分，前者性能提升了 37%。 可以看到，生产力表现上酷睿 Ultra X7 处理器相比第二代酷睿 Ultra 9 处理器，也能做到性能上的绝对优势，出色的核显性能和能耗比优势不容小觑。 我们还通过 UL Procyon，测试了一下它的 AI 表现。UL 现在更新了 2.0 版本的 AI Computer Vision 基准测试，对最新的英特尔和 AMD 核显、NPU 调用更加积极，基础分相比 1.0 基准高了不少。 其 NPU 项目会调用 Inter AI Boost 对 OpenVINO 引擎进行 int8 精度测试，最终得分为 1628 分；如果是调用 NPU 对 WinML 引擎进行 int8 精度测试，最终得分为 1453 分。 然后我们再将调用硬件换成 GPU，也就是 Intel Arc B390 核显，此时针对 OpenVINO 引擎进行的 fp16 精度测试，最终得分为 1563 分；针对 WinML 引擎进行的 fp16 精度测试，最终得分为 1480 分。 在另外一项 AI 文本生成基准测试中： PHI 3.5 模型分 1832 分； MISTRAL 7B 模型分 1842 分； LLAMA 3.1 模型分 1776 分； LLAMA 2 模型 1730 分； 这 4 个子项目成绩相比酷睿 Ultra X7 处理器 358H 首批上市机型上的表现均有 100-200 分左右的提升。 五、总结 华硕破晓 Ultra 打破了商务轻薄本“性能妥协”的固有认知，针对性能、屏幕、便携、续航四大维度全面发力。第三代英特尔酷睿 Ultra X7 358H 处理器拥有出色的性能和能耗优势，双层 OLED 触控屏搭配 6 扬声器可提供沉浸的视听体验。1.1kg + 10.9mm 轻薄机身 + 25 小时超长续航，为移动办公和出差重度用户带来满满的安全感。物理防窥摄像头、Expertmeeting AI 等功能，则进一步提升了其商务和实用属性。 如果你是对轻薄本性能有高要求的商务人士、创意工作者（设计师、视频剪辑师），并且想要一台极致轻薄便携、性能释放出色、商务属性拉满的高端商务本，华硕破晓 Ultra 绝对是值得优先考虑的诚意之作。 京东 华硕破晓 Ultra 2.8K 双层串联 OLED 1400nits 触控屏 1.1kg AI 商务办公超轻薄笔记本电脑 (X7 358H 32G 1TB) 14999 元 直达链接 京东 华硕破晓 Ultra 2.8K 双层 OLED 1400nits 触控屏 1.1kg AI 商务办公超轻薄笔记本电脑 (X7 358H 64G 2TB) 19999 元 直达链接 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
IT之家 6 月 3 日消息，据外媒 Carscoops 今日报道，布加迪与奥地利豪华显示设备品牌 C Seed 联手开发了 C Seed Bugatti N1 定制电视，设计灵感直接来自 Tourbillon。 在关闭状态下，C Seed Bugatti N1 更像一件 高端雕塑边柜 ，表面线条流畅，轮廓也借鉴了布加迪标志性的 C 形设计。按下按钮后，柜体会在 45 秒内展开，变成一块 110 英寸或 137 英寸 4K Micro LED 显示屏 。 C Seed Bugatti N1 的思路，是延续布加迪在 Tourbillon 上 强调的“屏幕减负”理念 。C Seed Bugatti N1 不会在客厅里长期留下一块巨大的黑色矩形屏幕， 而是在闲置时完全收起 ，只保留一件像高级家具一样的雕塑式物件。 使用时，屏幕会通过中央滑动机构和多段展开结构完成变形，让打开电视本身也变成一场小型表演。显示屏还支持最高 180 度旋转，用户可以根据不同座位布局调整观看角度。 华丽变形背后，C Seed Bugatti N1 的硬件规格同样不低。其采用 4K Micro LED 技术， 支持 HDR10+ ，拥有受 Tourbillon 启发的布加迪风格饰面、碳纤维装饰，以及 C Seed 的 Adaptive Gap Calibration 系统，用于减少折叠面板之间的可见缝隙。同时，Wisdom Audio 音响系统也被整合进机身结构， 扬声器会在使用时伸出，闲置时收回 。 布加迪和 C Seed 尚未公布售价。据悉，C Seed 旗下其他产品通常 约 20 万美元 （IT之家注：现汇率约合 135.6 万元人民币）起售。报道指出，挂上布加迪品牌后，C Seed Bugatti N1 大概率只会更贵。
IT之家 5 月 25 日消息，游戏《暗黑破坏神 Ⅳ》国服官方今日宣布，为了回馈玩家的热情，并让更多未能及时参与活动的玩家们不留遗憾，游戏本体限时免费领取时间 延长至 2026 年 8 月 4 日 23:59:59 ，玩家可在“暗黑破坏神助手”微信小程序中领取。 《暗黑破坏神 Ⅳ》是暴雪娱乐开发的一款大型在线多人动作角色扮演游戏，该作为《暗黑破坏神系列》的第四部作品。 4 月 28 日，《暗黑破坏神 Ⅳ》启动新玩家游戏本体免费领取活动（原价 128 元，领取后永久畅玩），已拥有基础游戏的老玩家则将得到 2400 白金币的回馈，原定活动至 5 月 27 日结束。 IT之家注意到，昨日游戏官方还宣布， 《暗黑破坏神 Ⅳ》× 星际争霸联动外观限时返场 。
虽然是独立应用，但是打开之后自动同步启动chat gpt 点击下图左上角返回就是chatgpt主页 我因为不用官方套餐，所以就不测试了 欣欣|林可欣: 相当神奇的一件事情… 我也去看了一下，我现在谷歌应用商店也搜不到这个应用了 在应用管理里寻找未安装应用，也没有再看到它 卸载之后看来我是再也安不回去了 我是下班回来就看到到我手机上了 大概是四五天前预注册的 那时候也有一些人在发前沿快讯 我还回复了一句 结果现在一切的这些都消失了，完全搜索不到 我清晰的记得我发的帖子的原话，精确搜索也未能搜到 难道我又被做局了 15 个帖子 - 11 位参与者 阅读完整话题
最近 chrome 总崩溃， 所有 chrome 内核的应用都出问题 新 tab 打不开 包括 chrome 本体 Arc 微信内置浏览器 有什么解决办法吗，杀了也不行，只能重启吗？
是 dlc 但是 游戏本体也不要钱 ( Steam 上的 World of Tanks ) World of Tanks 坦克世界是一款全球范围内倍受玩家推崇的 3D 装甲载具 MMO 游戏。丰富多彩的游戏内地图，高度还原历史的模型，真实的战斗体验。本次赠送的 DLC [SKULLS Free Pack] 包含了 2D 风格：猩红色调、1 天《坦克世界》高级账号以及 5 个可口可乐 。 谁去验证下呀 获取地址： Steam 上的 World of Tanks — SKULLS Free Pack 限免截止时间：2026年5月28日 觉得不错给个互动 1 个帖子 - 1 位参与者 阅读完整话题