Sublime
An inspiration engine for ideas
这位26岁的小伙毕业于哈佛经济学本科，却不工作，睡父母家，专职做股票。
他的x号Gladiator，现在可出名了。
也许有一天成为富翁，也许成为笑话。
他整天泡在X上，只持有BTC和MicroStrategy。
每个推的结尾会说：“You are not bullish enough!”
他去年底接受过WSJ的采访(其实只是一个引用)爆红。
小伙子挺精神的挺可爱的，偶尔会觉得神经兮兮。
因此很多人批评他，赶紧收拾一下，去找份工作。
他振振有词地说，找份工作不值得，每天朝九晚五，还付不起房租买不起房。
他毕业后试着找工作，但想去的公司都没要他。
他将翻身的希望放在BTC和MSTR上。
小伙子还成功地orange pill(转化)了父母，帮父母理财。
美国这样的年轻人很普遍，不想去工作，专职炒股... See more
澄清一些DeepSeek里关于降本增效的概念：
首先，增加训练效率的是MOE，Mixture of Experts，也就是所谓混合专家模型。他指的是模型每一个Transformer Block在最后那一层网络中，仅选择1/k的参数激活进入下一个Block。
这导致对于每一个token来说，一个600B的模型仅需激活了接近37B的权重，相当于每一个token的训练可以节省约80%算力，大大提高了训练速度。
其次，增加推理速度的是MLA，Multihead Latent Attention，多头隐空间注意力机制。名字很玄乎，本质就是通过一些矩阵把注意力机制中最关键的KQV三个矩阵投影到更低维的空间（隐空间）中，以便存在缓存中。这样每次推理的时候就不需要重新计算
大大增加了推理速度
这两... See more
