苹果公司 CEO 蒂姆·库克开通了微博。他的微博名是 TimCook,认证是 Apple CEO,短短一天就有 45 万粉丝。
看来微博活跃度真的太低了啊,我还以为中国会有上千万果粉来朝圣呢。
Hello China!Happy to be back in Beijing,announcing innovative new environmental programs.你好,中国!很高兴再次来到北京,并宣布创新的环境新项目。
与库克一样,特斯拉 CEO Elon Musk(伊隆·马斯克)开通微博也引起了一定程度的轰动。马斯克 2014 年 1 月 24 日加入微博,截至目前已有 100 万粉丝。
The most important thing I want to say is :Thank you for your support!I really appreciate the support and we are going to do the right thing for you in China market.
再来看看国内科技大佬们吧。小米董事长雷军2010 年 5 月 31 日加入微博,7 月 15 日才发了第一条微博。微博尾巴是“手机版登录”,猜测可能是当时雷军使用的是诺基亚非智能机。当年 8 月 16 日 MIUI 才开始内测。
昨天金山声明让不少人误解,我只好再次声明:我在金山的职位没有任何变化,同时我会继续做天使投资。谢谢。
周鸿祎比雷军早两个月加入微博, 2010 年 3 月 12 日发了第一条微博,使用的是网页 weibo.com 登录。
好的互联网产品有两个特性:首先它要能在一个点上打动用户。第二,它一定是一个靠持续该改进、持续运营出来的东西。希望微博的应用越做越好,微博用户在上面越玩儿越开心。
马云加入微博的时间比他俩都晚。2011 年 5 月 25 日才加入微博,微博名是 @大自然保护协会-马云,第一条微博也符合这个名字,他关注的不是阿里巴巴,而是地球。有意思的是,马云的微博尾巴是 iPad 客户端。 iPad 2 于当年 5 月 6 日在中国上市,有可能马云使用的是首批 iPad 2 啊。
我一直认为地球是有灵性的 树木好比毛发 水就是血液 石油就是脂肪 山脉是骨骼。。现在毛发被剔除 血液被污染 脂肪被抽完 骨骼在被寸寸打断。。。我要是地球也要愤怒,也要报复人类。地震海啸干旱。。。!明年谁也没有船票!:(
刘作虎2012年4月19日加入微博,当时他还没创立一加公司。4月24日他才发了第一条微博,有趣的是,第一条微博不是原创,而是转发,而且微博尾巴显示来自“微博搜索”,内容是三星Galaxy。看来,当时他还挺关心三星这家公司的。
被你忽悠了[挖鼻屎]
虽然身为新浪微博的竞争对手搜狐公司 CEO,但其实张朝阳早在 2010 年 2 月 3 日就加入了微博。不过,也正因为这身份,张朝阳曾抛弃过微博很长一段时间,直到今年1月8日才正式回归。回归后的第一条微博就感慨了下搜狐没能做好 SNS。
很遗憾搜狐的sns没做起来,只好借新浪微博发点声音。
当下的科技大佬们看完了,再来看看老一辈企业家的微博。
联想集团创始人柳传志 2010 年 12 月 20 日加入了微博,第一条微博却是 2012 年 7 月 22 日(有可能删除了之前的微博)。微博微博来自“短信”,说明当时用短信发微博是一种流行。
今天中国企业家俱乐部访英代表团估计能准时出行。昨日北京下暴雨,我一度担心航班会延误。因为日程安排很近,落地后即有大型活动,倘若延期,会给英方主任的接待带哎很大不便。所幸今晨风和日丽,北京的天空象水洗过一样,蓝天白云,是好兆头!
近段时间开始接触互联网的 SOHO 中国董事长潘石屹是这些大佬中最早接触微博的,2009 年 8 月 21 日就加入了微博。比起柳传志早已经退出了微博,潘石屹还“锲而不舍”在微博上与华远集团前董事长任志强“表演相声”。但是,潘石屹的第一条微博却非常中规中矩:
大家好,我的微博正式开通了,欢迎大家关注!
最后彩蛋,京东董事局主席刘强东的第一条微博:
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。