Keep on to blur preview images; turn off to show them clearly
Question for fit people: Do you ever feel like you’re starving yourself?
I build stuff. On my way to making $1M 💰 My projects 👇
今天看唐彬森的演讲，深刻地解释了为什么大公司会有「资源诅咒」 大公司的核心问题在于决策。 大公司高管上班考虑的是什么？领导的KPI、公司战略、怎么要资源。 他们解决问题的方式，往往是用钱、用渠道，而不是产品。 流量不够？百度申请一笔预算，打一波广告，马上就起来了。谁愿意去做那些苦哈哈的产品优化？ 他们考虑的都是短线问题，不会考虑长线问题。 什么叫短线？向公司要资源、向领导做PPT。 什么叫长线？产品。 他去了趟以色列，发现这个国家啥也没有，但比周围那些有石油的国家都赚钱。 经济学上有个专业术语就叫"资源诅咒"。那些有资源的国家，像俄罗斯、巴西、阿拉伯那些国家，高科技产业反而发展不好。 为什么？因为挣钱太容易了。 就像大公司高管一样，要完成KPI，最好的办法就是申请预算，打广告，马上见效。 但那些做得好的国家，芬兰、日本、以色列，都是没资源的国家。 所以他跟团队说："穷人家的孩子早当家。" 人只有在资源极度紧缺的情况下，才会迸发出创造力。 资源太多的话，想的都是怎么花钱，怎么向领导申请预算。 互联网最牛的公司都不是靠钱做起来的，大公司都是靠钱砸死的，都是靠推广把产品搞死的。 雷军做小米的时候跟林斌说："我们小米要做营销，没有预算，零预算。" 这就是创业公司的文化，用零预算的方式把东西做起来，这才是团队的能力，这才是跟大公司竞争的唯一优势。
完整版： 唐彬森：钱没用，小公司靠这个逆袭大公司 - ListenHub https://t.co/OEXTp3wt3S
Beautiful write up by Greg. Finally someone beats Bill Ackman on X. Agree with most - hard disagree with 16 and 32: On 16: nations need sovereign AI; but is your AI sovereign if your GPU supply can be taken away by an exec order. Also, most sovereign AI project being led by un-imaginative government leadership. Don’t have hopes. On 32: I work on AI agents day in and day out. They are no where as reliable even with all the advancements.
AI @amazon. All views personal!
RT @josedonato__: kudos to @CloudflareDev team, cloudflare dashboard keeps improving everyday
building workers observability @cloudflaredev, prev founder @baselimehq (acquired by cloudflare), prev aerodynamicist
为什么可以原生输出5分钟的不穿帮的视频， 它依托了一种叫视频续写任务的预训练方式。在训练的时候，LongCat-Video看的不是零碎的短片，而是大量的连续剧。它的大脑天生就在思考接下来会发生什么，而不是这个画面应该长什么样。 模型在看连续剧的时候，不是一帧一帧地看，而是一段一段、一个事件一个事件地看。它理解的是“动作的起承转合”，这是一种叫Block-Causal Attention的机制，这样生成的长时间的动作不会轻易断裂 在生成长视频时，LongCat-Video还会把前面算过的不变的东西，比如背景里的那栋楼，先缓存起来，不用每一帧都重新算一遍，这样就可以提升到5分钟了 （6/6）
分享一些好用、优雅的 AI 、工作流和创作方式，一起边学边做，前字节coder, Al and tech Educator, LearnPrompt founder
还可以看看人物第一视角口播卖货， 重点看人物的嘴形、眨眼、手部动作，虽然目前是没有声音的，但一分钟的画面里面没有出现过嘴形来回循环播放的片段，而且手部晃动这个香水的时候，瓶子里的液体也会对应细微晃动。 （5/6）
为什么可以原生输出5分钟的不穿帮的视频， 它依托了一种叫视频续写任务的预训练方式。在训练的时候，LongCat-Video看的不是零碎的短片，而是大量的连续剧。它的大脑天生就在思考接下来会发生什么，而不是这个画面应该长什么样。 模型在看连续剧的时候，不是一帧一帧地看，而是一段一段、一个事件一个事件地看。它理解的是“动作的起承转合”，这是一种叫Block-Causal Attention的机制，这样生成的长时间的动作不会轻易断裂 在生成长视频时，LongCat-Video还会把前面算过的不变的东西，比如背景里的那栋楼，先缓存起来，不用每一帧都重新算一遍，这样就可以提升到5分钟了 （6/6）