V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
没有想明白为啥会出现文言文的宣传图在视频里，并且我看只有英文和这个古文2种文字 7 个帖子 - 3 位参与者 阅读完整话题
V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
V2EX 放不了图，大家可以去 X 看： 日本老师们组成的 Hive Agent 团队 😍 Hive GitHub 仓库 大家感兴趣可以搭个试试
近日，由多家浏览器开发商组成的“浏览器选择联盟”（Browser Choice Alliance，BCA）再度向微软发难，指控该公司借助其在PC操作系统领域的市场支配地位，滥用垄断力量强推自家浏览器Edge，并公开呼吁微软彻底改变相关做法。 BCA几年前曾向欧盟委员会递交请愿书，要求监管机构关注微软在Windows系统中通过“暗黑模式”（dark patterns）限制用户浏览器选择的做法。如今，该联盟态度更加强硬，表示“忍无可忍”，并在最新致微软首席执行官萨提亚·纳德拉的公开信中，再次指控微软利用其“极具影响力的”Windows垄断地位以及广泛使用的生产力应用，持续将用户引导至使用Edge浏览器。 联盟在信中称，微软通过一系列“经过充分测试的具体策略”扭曲市场环境并限制用户选择权。其中包括：通过返利项目打击在Windows设备上预装第三方浏览器的行为；不允许用户彻底卸载Edge；以及通过系统更新不断恢复Edge在操作系统中的深度整合。 与此同时，当用户尝试下载和安装第三方浏览器时，微软还被指大量使用具有干扰性和误导性的弹窗提示与广告。BCA批评称，微软在Teams、Outlook、Windows搜索以及其他关键系统功能中深度绑定Edge，却没有提供一种真正意义上的“一键切换”机制，让用户能够在所有使用场景下统一改用其他默认浏览器。 联盟指出，微软当前的做法使得PC用户在各类使用触点中选择和使用自己偏好的浏览器变得“异常困难，甚至在很多情况下几乎不可能”。在生成式人工智能和基于网络的AI服务快速发展之际，PC依然是连接互联网的重要入口，其中立和开放的重要性进一步凸显。在BCA看来，微软导向性极强的策略不仅打击了浏览器市场的公平竞争和创新活力，也严重损害了用户体验，并在美国以外地区不断招致监管机构对其商业行为的审查。 BCA同时强调，联盟的目的并非单纯“抱怨”，而是明确敦促微软调整策略，真正尊重用户选择权。联盟呼吁微软允许PC厂商自由预装第三方浏览器，取消阻碍用户下载和切换浏览器的“暗黑模式”设计，并为用户提供彻底移除Edge深度整合的选择权，以便让不同浏览器在同一平台上凭自身产品实力展开公平竞争。 值得注意的是，BCA成员中包括Chrome浏览器，其背后的Google在网络搜索和在线广告市场曾被视为事实上的垄断者。即便如此，BCA仍强调，无论是哪一家企业，浏览器市场的竞争都应建立在产品优劣和创新能力之上，而不是依靠操作系统或其他基础平台的垄断地位进行“捆绑”和导流。 查看评论
IT之家 6 月 4 日消息，英特尔客户端计算事业部总经理 Alex Katouzian 在 2026 台北国际电脑展上回应 Tweakers 表示，GPU 仍然是公司 PC 产品线中“超级重要”的组成部分。 Katouzian 表示：“GPU 是我们 PC 产品线中一个超级重要的部分。如果你看游戏领域，无论是移动端还是 PC 端，都在创造巨大的收入。我们希望确保在其中扮演重要角色。” 目前，我们 GPU 核心的市场反响非常好。游戏玩家和游戏引擎开发者都在与我们合作。你们今天在台上看到的例子仅仅只是开始。我认为我们会继续沿着这条路走下去。 英特尔于 2022 年通过 Arc Alchemist 系列正式进入桌面独立显卡市场，但初代产品因驱动问题备受困扰。第二代 Battlemage 产品表现明显改善，但仅面向游戏玩家推出了 Arc B580 和 B570 两款型号。 Tweakers 称其在去年从多个消息来源得知 Arc B770 原计划于 2025 年底发布，但现在看来 B770 更有可能已被取消。英特尔尚未对此予以确认。 与此同时，英特尔近期的 GPU 活动已转向 Arc 核显和 AI 专业卡领域，例如刚刚发布的面向游戏掌机的 Arc G3 和 Arc G3 Extreme 处理器。 英特尔新任 CEO 陈立武以擅长精简著称，上任以来已裁撤 2.5 万个岗位并关闭了汽车业务。在其首次主题演讲中，他表示将剥离英特尔的“非核心业务”。不过他今年初曾表示会继续制造 GPU（当时主要指向 AI 芯片）。 今年 1 月，英特尔聘请了高通和 ATi 资深人士 Eric Demers 担任新的 GPU 业务负责人，但当时提及他将专注于 AI 产品。IT之家注意到，目前铭瑄 B60 Dual 48G Turbo 京东售价 12999 元，而 Arc Pro B70 不同品牌在 9999~12999 元不等。 京东 铭瑄（MAXSUN）Intel Arc PRO B60 Dual 48G Turbo 算力卡 推理模型 AI 训练深度学习 AI 计算支持养龙虾本地部署 12999 元 直达链接 2026 年数码家电政府补贴持续进行中，IT 之家为大家汇总国补领券地址，买数码家电之前记得领取。 数码补贴： 点此领券 手机 / 平板 / 3C 数码支持 8.5 折政府补贴，不超过 6000 元的产品至高立减 500 元。 家电补贴： 点此领券 多类家电支持 8.5 折政府补贴，单品至高补贴 1500 元。 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
事情的起因是当时手里好几个 Team, 就想组成号池懒得轮换了, 然后看到小群里有很多人有需要 Codex 的需求, 我于是把号池公开在小群里在给大家用 一开始 GPT 开号难度很低的时候, 我其实觉得没啥的, 号蹬完了直接开一批号就是了 直到后面 Team 试用没了之后, 我直卡 Plus 也开不出几个, 每次号蹬完了就开始焦虑, 跑各种群里面看看有没有新的薅羊毛方法 从 美卡+PayPal 到 GoPay/无卡 PP, 加上现在 OAI 天天二验三验, 现在我这种小垃圾想薅奥特曼羊毛维护号池越来越难了, 成本还越来越高, 其实说实话还是心累吧（ 直到现在，我公益了差不多15B+的 GPT Tokens, 下面的图只是一部分(服务器迁移数据丢了), 等到现在池子里的号过期了, 我估计也要开始花钱买 Pro 用了, 说真的, 钱花了真的安心, 没那么多B事 QwQ 6 个帖子 - 6 位参与者 阅读完整话题
AI 图片生成器 https://www.anycover.top/infographic
想要把多个VPS组成clash订阅,优化好线路给基友备用,但是又不想耽误自己使用.谁身边没几个伸手党呢. 手上的VPS(安延迟排列) 名称 线路 流量/月 瓦工 GIACN2 250GB 瓦工 CN2 183GB ALIyun HK 200GB wap HK 500GB GCP 标准线路 200GB cloudcone 普通线路 1T 甲骨文 大阪 不知道流量 问题1,有没有什么限制流量的东西.我想用GIACN2加速cloudcone落地给他们用.用完就顺延到CN2,但是我自己每月预留50GB流量自己用. 问题2,现在机场只有5分钟的阅后即焚,第二个人用了后,前面的人就失效.有没有什么能定时拉取解析出来地址然后加上我的VPS变成新的订阅? 瓦工都是很早之前买的.内存只有256MB,跑不动大型软件. 3 个帖子 - 3 位参与者 阅读完整话题
写了一个开源项目 agentserver ，主要解决一个问题：当你有多台机器（笔记本、台式机、云主机、HPC ）都想用 codex 跑任务时，缺一个统一的注册、调度、凭证管理机制。 GitHub： github.com/agentserver/agentserver 托管实例： https://agent.cs.ac.cn （中国内地）， https://agentserver.dev （海外） License：Apache-2.0 核心模型 Connector：被接入的设备，在上面跑 codex exec-server --remote 即可注册进工作区。 Browser：实际敲命令的客户端或者 IM 渠道。 codex --remote 把请求路由到指定 Connector ，也可以直接在微信 / Telegram 上直接指挥。 Server：注册表、凭证托管、LLM 代理、配额、审计、Web UI 。 围绕 OpenAI codex CLI 原生构建，设备端不需要额外装客户端，一行 npm i -g @openai/codex 就能接入。 主要特性： 会话跑在服务端，跨终端续接：同一段 codex 会话可以在 CLI 之间无缝切换，换设备不丢上下文。 IM 通道：支持微信 / Telegram / Matrix 作为指挥入口，离开桌面也能下发任务。 凭证不下发到端：Connector 永远不接触真实 LLM key ，所有出口流量过 llmproxy ，按工作区限速 / 统计 / 审计。 多人协作：邀请其他用户加入工作区，按 owner / maintainer / developer / guest 控制 RBAC 权限。 SSO：GitHub OAuth + 通用 OIDC （ Keycloak / Authentik 等）。 欢迎大家试用和拍砖🧱 如果觉得方向有意思，给个 star 是最大的鼓励🙏
个人电脑反代的，delay 可能会有点高。 模型可以用 gpt-5.5,gpt-5.4，等等，就是GPT官方的 内网穿透是用的免费的，有时候会强制更换转发域名，我会在这里随时变化 因为额度重置了，用不完了，5小时额度分享 首次CDK方式分发试试，总共有6个（设置了7个，我自己测试了1个），保证用足小时额度。 URL ： http://qf64ebda.natappfree.cc API ： LINUX DO CDK 9 个帖子 - 5 位参与者 阅读完整话题
我是Gemini Pro 家庭组成员，刚刚让Gemini 3.1pro 去看一下我的代码，预计一共给了14w token的输入，他只输出"他帮不上忙"… ,并且额度用了5小时的19%，我又重试了一下，发现依然帮不上忙，然后额度来到了38%，紧接着我改成3.5flash，就能输出了。差不多输出了5k token吧，当前用量来到了69%。这么一说，Gemini Pro 的5小时额度约等于50w token（输入+输出） 太失望了，Gemini Pro 算是废了！ 我这个情况可以给佬们提供参考，不代表每个人都是这样 5 个帖子 - 4 位参与者 阅读完整话题
昨晚上搭建好了NEW API 怎么像CPA那样去注册账号呢 想注册一些FREE，组成号池 。 找来找去，发现只有渠道管理 难不成我应该搭建的是 sub2api ？ 14 个帖子 - 13 位参与者 阅读完整话题
经过领导层的不懈努力，我在的组成功裁到只剩三个人负责一整个板块，昨天领导找我谈谈心( 其实是怕我也跑路了 )，大概意思是要把同事干的活给蒸馏到agent上面。 我勇敢提出团队之前使用的CRM工具和文档兼容性太差了，而且还有内网的事，不让养龙虾。但领导觉得全组配一个claude team 就能解决一切（只有 Pro 限额不说，还不让连浏览器 ），不知道咋跟领导battle了 22 个帖子 - 17 位参与者 阅读完整话题
力扣 LeetCode 2770. 达到末尾下标所需的最大跳跃次数 - 力扣（LeetCode） 2770. 达到末尾下标所需的最大跳跃次数 - 给你一个下标从 0 开始、由 n 个整数组成的数组 nums 和一个整数 target 。 你的初始位置在下标 0 。在一步操作中，你可以从下标 i 跳跃到任意满足下述条件的下标 j ： * 0 <= i < j < n * -target <= nums[j] - nums[i] <= target 返回到达下标 n - 1 处所需的 最大跳跃次数 。 如果无法到达下标 n - 1 ，返回 -1 。 示例... 思路 注意是求 最大的跳跃次数 。 题目条件： 每一步只能往后跳； 且跳转后的值和当前值的差的绝对值要在 [0, target] 范围内。 对于每个位置，我可能从前面每个满足上述条件的位置转移过来，因此对于每个位置存储其状态【到达这个位置所需的最大跳跃次数】，然后递推即可。 因此很明显是一道一维动态规划题。 代码 class Solution { public: int maximumJumps(vector<int>& nums, int target) { // 每一步只能往后跳 // 且跳到的值和当前值的差的绝对值要在 [0, target] 区间 // 注意这题找的是**最大**跳跃次数 // 应该是能用动态规划的 int n=nums.size(); // dp[i] 表示从 0 下标跳到 i 需要的最大跳跃次数 int dp[n]; dp[0]=0; // 显然 0 跳到 0 最大跳跃次数就是 0 for(int j=1;j<n;j++){ dp[j]=-1; for(int i=0;i<j;i++){ if(dp[i]==-1){ // 如果 dp[i] 没法跳到就跳过 continue; } int sub=nums[j]-nums[i]; if(-target<=sub&&sub<=target){ // 可以从 i 跳到 j，则看看能不能更新到 j 的最大跳跃次数 dp[j]=max(dp[j],dp[i]+1); } } } return dp[n-1]; } }; 2 个帖子 - 2 位参与者 阅读完整话题
力扣 LeetCode 1914. 循环轮转矩阵 - 力扣（LeetCode） 1914. 循环轮转矩阵 - 给你一个大小为 m x n 的整数矩阵 grid ，其中 m 和 n 都是 偶数 ；另给你一个整数 k 。 矩阵由若干层组成，如下图所示，每种颜色代表一层： [https://assets.leetcode.com/uploads/2021/06/10/ringofgrid.png] 矩阵的循环轮转是通过分别循环轮转矩阵中的每一层完成的。在对某一层进行一次循环旋转操作时，层中的每一个元素将会取代其 逆时针... 思路 看上去就是模拟题了，可以写个 helper 函数来对每一层进行处理。 咱的思路是对于每一层，计算出其周长 perimeter ，然后 k 对周长取模得到实际要轮转的次数 realK 。 从右上角 (i, j) 开始，找到在周长上距离 (i, j) realK 个格子的位置 (targetI, targetJ) ，接着螺旋扫描矩阵，同时推进位置 (i, j) 和 (targetI, targetJ) ，把 (targetI, targetJ) 的值不断赋给 (i, j) 即可。 直接在矩阵上写这套模拟真的挺麻烦的，如果把一层铺平后再处理似乎要好写很多。 代码 咱是直接在矩阵上模拟的，有点屎山了，不过时间复杂度上还算挺快的。 class Solution { public: vector<vector<int>> rotateGrid(vector<vector<int>>& grid, int k) { int m=grid.size(),n=grid[0].size(); vector<vector<int>> res(m,vector<int>(n)); // 通过坐标可以判断目前这个数字在哪一个层级 // 每一个层级的周长也可以求一下，因为是循环操作，k 可以取模 // 对于每一层，我们可以从左上角开始，用偏移量定位当前位置在轮转后是哪个元素，然后顺着往下填 auto rotateLayer=[&](int layer) -> void { int i=layer,j=layer; // 这一层的左上角坐标 int layerM=m-(i<<1),layerN=n-(j<<1); // 计算本层周长 int perimeter=((layerM+layerN)<<1)-4; int realK=k%perimeter; // 定位，找到周长上距离 (i, j) 有 realK 距离的地方 int secondDir=0; // 确定后面的方向 int targetI=i,targetJ=j; if(realK<=layerN-1){ targetJ=j+realK; }else if(realK<=(layerN-1)+(layerM-1)){ targetJ=j+layerN-1; targetI=i+realK-(layerN-1); secondDir=1; }else if(realK<=(layerN-1)+(layerM-1)+(layerN-1)){ targetI=i+layerM-1; targetJ=j+layerN-1-(realK-(layerM-1)-(layerN-1)); secondDir=2; }else{ targetJ=j; targetI=i+layerM-1-(realK-((layerN-1)<<1)-(layerM-1)); secondDir=3; } // 现在 (i, j) 位置旋转后的值就是 (targetI, targetJ) 位置的值 res[i][j]=grid[targetI][targetJ]; // 接下来就沿着周长顺时针转一圈逐个填上 int iPos=i,jPos=j; int drcts[][2]={ {0,1}, {1,0}, {0,-1}, {-1,0}, }; int firstDir=0; perimeter--; // 首个位置已经处理 while(perimeter>0){ int newI=iPos+drcts[firstDir][0],newJ=jPos+drcts[firstDir][1]; if(newI<i||newI>=i+layerM||newJ<j||newJ>=j+layerN){ // 越界，换方向 firstDir=(firstDir+1)%4; newI=iPos+drcts[firstDir][0]; newJ=jPos+drcts[firstDir][1]; } int newTargetI=targetI+drcts[secondDir][0],newTargetJ=targetJ+drcts[secondDir][1]; if(newTargetI<i||newTargetI>=i+layerM||newTargetJ<j||newTargetJ>=j+layerN){ // 越界，换方向 secondDir=(secondDir+1)%4; newTargetI=targetI+drcts[secondDir][0]; newTargetJ=targetJ+drcts[secondDir][1]; } res[newI][newJ]=grid[newTargetI][newTargetJ]; iPos=newI; jPos=newJ; targetI=newTargetI; targetJ=newTargetJ; perimeter--; } }; // 取较短边的一半作为层数 int numLayers=(min(m,n)>>1); for(int i=0;i<numLayers;i++){ rotateLayer(i); } return res; } }; 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 5 月 8 日消息，今天（8 日）下午，携程黑板报公众号发文：2 月 3 日中央网信办在北京召开《生活服务类平台算法负面清单（试行）》推进部署会议，对生活服务类平台算法行为提出了明确具体要求。作为在线旅游领域平台企业，携程深刻领会算法向上向善重要意义，第一时间响应《清单》各项部署要求，全力保障平台内消费者、经营者，助力行业算法治理规范化发展。为切实落实算法主体责任，携程多措并举推进算法合规优化工作。 一是致力搭建更加透明的算法展示渠道。在官方网站、移动端 App 开设算法公示页面 ，以通俗易懂的形式公开相关算法运行机制机理。 二是精细化优化价格与优惠信息展示。为聚焦社会公众关切，消除公众误解，在酒店、机票产品页面进一步清晰展示 商品价格组成、来源、变价原因 等。 三是致力于构筑多方权益保障防线。 下线酒店 AI 生意助手（调价助手）功能 ，构建平台、消费者、经营者之间健康有序的平台经营生态，维护多方合法权益。 IT之家获悉，携程方面称，下一步将持续优化算法行为，倾听各方意见与建议，坚决防范利用算法实施大数据杀熟等行为，以长效化治理举措打造更和谐、更健康的在线旅游平台生态，推动实现高质量、可持续发展。 相关阅读： 《 美团、淘宝闪购、京东已基本取消超时扣款，〈生活服务类平台算法负面清单（试行）〉实施取得初步成效 》