蘋果公司 CEO 蒂姆·庫克開通了微博。他的微博名是 TimCook,認證是 Apple CEO,短短一天就有 45 萬粉絲。
看來微博活躍度真的太低了啊,我還以為中國會有上千萬果粉來朝圣呢。
Hello China!Happy to be back in Beijing,announcing innovative new environmental programs.你好,中國!很高興再次來到北京,并宣布創(chuàng)新的環(huán)境新項目。
與庫克一樣,特斯拉 CEO Elon Musk(伊隆·馬斯克)開通微博也引起了一定程度的轟動。馬斯克 2014 年 1 月 24 日加入微博,截至目前已有 100 萬粉絲。
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.
再來看看國內(nèi)科技大佬們吧。小米董事長雷軍2010 年 5 月 31 日加入微博,7 月 15 日才發(fā)了第一條微博。微博尾巴是“手機版登錄”,猜測可能是當時雷軍使用的是諾基亞非智能機。當年 8 月 16 日 MIUI 才開始內(nèi)測。
昨天金山聲明讓不少人誤解,我只好再次聲明:我在金山的職位沒有任何變化,同時我會繼續(xù)做天使投資。謝謝。
周鴻祎比雷軍早兩個月加入微博, 2010 年 3 月 12 日發(fā)了第一條微博,使用的是網(wǎng)頁 weibo.com 登錄。
好的互聯(lián)網(wǎng)產(chǎn)品有兩個特性:首先它要能在一個點上打動用戶。第二,它一定是一個靠持續(xù)該改進、持續(xù)運營出來的東西。希望微博的應用越做越好,微博用戶在上面越玩兒越開心。
馬云加入微博的時間比他倆都晚。2011 年 5 月 25 日才加入微博,微博名是 @大自然保護協(xié)會-馬云,第一條微博也符合這個名字,他關注的不是阿里巴巴,而是地球。有意思的是,馬云的微博尾巴是 iPad 客戶端。 iPad 2 于當年 5 月 6 日在中國上市,有可能馬云使用的是首批 iPad 2 啊。
我一直認為地球是有靈性的 樹木好比毛發(fā) 水就是血液 石油就是脂肪 山脈是骨骼?!,F(xiàn)在毛發(fā)被剔除 血液被污染 脂肪被抽完 骨骼在被寸寸打斷。。。我要是地球也要憤怒,也要報復人類。地震海嘯干旱。。。!明年誰也沒有船票!:(
劉作虎2012年4月19日加入微博,當時他還沒創(chuàng)立一加公司。4月24日他才發(fā)了第一條微博,有趣的是,第一條微博不是原創(chuàng),而是轉發(fā),而且微博尾巴顯示來自“微博搜索”,內(nèi)容是三星Galaxy。看來,當時他還挺關心三星這家公司的。
被你忽悠了[挖鼻屎]
雖然身為新浪微博的競爭對手搜狐公司 CEO,但其實張朝陽早在 2010 年 2 月 3 日就加入了微博。不過,也正因為這身份,張朝陽曾拋棄過微博很長一段時間,直到今年1月8日才正式回歸?;貧w后的第一條微博就感慨了下搜狐沒能做好 SNS。
很遺憾搜狐的sns沒做起來,只好借新浪微博發(fā)點聲音。
當下的科技大佬們看完了,再來看看老一輩企業(yè)家的微博。
聯(lián)想集團創(chuàng)始人柳傳志 2010 年 12 月 20 日加入了微博,第一條微博卻是 2012 年 7 月 22 日(有可能刪除了之前的微博)。微博微博來自“短信”,說明當時用短信發(fā)微博是一種流行。
今天中國企業(yè)家俱樂部訪英代表團估計能準時出行。昨日北京下暴雨,我一度擔心航班會延誤。因為日程安排很近,落地后即有大型活動,倘若延期,會給英方主任的接待帶哎很大不便。所幸今晨風和日麗,北京的天空象水洗過一樣,藍天白云,是好兆頭!
近段時間開始接觸互聯(lián)網(wǎng)的 SOHO 中國董事長潘石屹是這些大佬中最早接觸微博的,2009 年 8 月 21 日就加入了微博。比起柳傳志早已經(jīng)退出了微博,潘石屹還“鍥而不舍”在微博上與華遠集團前董事長任志強“表演相聲”。但是,潘石屹的第一條微博卻非常中規(guī)中矩:
大家好,我的微博正式開通了,歡迎大家關注!
最后彩蛋,京東董事局主席劉強東的第一條微博:
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。