- 主题:现在是不是所有的码农都得学习AI?
其实我是想你把这第二张图给ds继续问下去。虽然我不太看得上ds,但ds r1也确实是有第一梯队实力的模型,而且ai其实比大多数人都要靠谱和客观。
回到这个问题来说,通常当我们不进行非常仔细的量化的时候,也可以用一个足够强的因素去抵消另一个足够强的因素来进行简化。乘用车市场的高速增长与死亡规模的高速下跌,这是两个强因素。要抵消这个就必须用人们和司机每年都比去年更加的守规矩的平方来抵消。从这个角度来说你举例上海当然是没问题,问题是上海在守序方面是全国的天花板。上海2000年出头就在狠抓行人闯红灯,被抓到是会把你的脸登报的。很多人无所谓闯红灯罚的那点钱,但登报还是丢不起这个人的。所以哪怕现在事实上并没有之前那么严的闯红灯惩罚了,但在上海行人主动遵守红绿灯的行为也是全国的天花板。再比如遵守交通规则方面,上海是司机开斗气车互相别对方的时候都会打转向灯的离谱存在。那么问题来了,全国达到上海这个程度的有多少?我觉得每个人会有自己体会。
【 在 RuralHunter 的大作中提到: 】
: 小汽车大幅增加是没有疑问的。我猜以前死亡人数大部分不是小汽车带来的,可能主要是大客车小面包等其它车辆,致命的因素包括超载,道路条件,合规要求等。所以小汽车的普及多少会增加一点小汽车带来的死亡人数,但同时会减少原来那些车辆带来的死亡人数。我们平时在北京上海也的确很少听说有致人死亡的交通事故。
: 我查了一下上海的情况,也对得上:
: ### 3. **2015-2020年趋势**
: ...................
--
修改:lvsoft FROM 39.144.244.*
FROM 39.144.244.*
这么问有问题
应该说是码农都应该学会如何接入ai应用,而不是每个人都要去搞大模型。
这和以前出来一个平台要接入没区别,不过是新的api,新的显示方式而已。
真要去玩模型,别闹了,现在大模型公司死多少了,迭代这块只有头部几家,新版本一出你辛苦研究的东西一夜之间就被淘汰了。
甚至你做垂直领域的模型也风险很大,通用模型的能力比你跳出来的专有模型都不差,你的努力价值在哪里?
--
FROM 120.245.66.*
ds识图能力好像不行
【 在 lvsoft 的大作中提到: 】
: 其实我是想你把这第二张图给ds继续问下去。虽然我不太看得上ds,但ds r1也确实是有第一梯队实力的模型,而且ai其实比大多数人都要靠谱和客观。
: 回到这个问题来说,通常当我们不进行非常仔细的量化的时候,也可以用一个足够强的因素去抵消另一个足够强的因素来进行简化。乘用车市场的高速增长与死亡规模的高速下跌,这是两个强因素。要抵消这个就必须用人们和司机每年都比去年更加的守规矩的平方来抵消。从这个角度来说
: 憔倮虾5比皇敲晃侍猓侍馐巧虾T谑匦蚍矫媸侨奶旎ò濉I虾2000年出头就在狠抓行人闯红灯,被抓到是会把你的脸登报的。很多人无所谓闯红灯罚的那点钱,但登报还是丢不起这个人的。所以哪怕现在事实上并没有之前那么严的闯红灯惩罚了,但在上海行人主动遵守红绿灯的行
: ...................
--
FROM 58.38.99.*
很差
claude也没好到哪里去
【 在 RuralHunter 的大作中提到: 】
: ds识图能力好像不行
: 的
: 行
: ...................
--
FROM 119.57.91.*
以前还有那种副驾系安全带是对司机不信任的荒谬说法 不知道赔了多少人命进去
现在很少不系的了
【 在 lvsoft 的大作中提到: 】
: 其实我是想你把这第二张图给ds继续问下去。虽然我不太看得上ds,但ds r1也确实是有第一梯队实力的模型,而且ai其实比大多数人都要靠谱和客观。
: 回到这个问题来说,通常当我们不进行非常仔细的量化的时候,也可以用一个足够强的因素去抵消另一个足够强的因素来进行简化。乘用车市场的高速增长与死亡规模的高速下跌,这是两个强因素。要抵消这个就必须用人们和司机每年都比去年更加的守规矩的平方来抵消。从这个角度来说
: 憔倮虾5比皇敲晃侍猓侍馐巧虾T谑匦蚍矫媸侨奶旎ò濉I虾2000年出头就在狠抓行人闯红灯,被抓到是会把你的脸登报的。很多人无所谓闯红灯罚的那点钱,但登报还是丢不起这个人的。所以哪怕现在事实上并没有之前那么严的闯红灯惩罚了,但在上海行人主动遵守红绿灯的行
: ...................
--
FROM 36.112.6.*
递减符合我的认识,因为中国人在逐步学习交通规则,你不能因为车多了所以觉得交通事故
就多了。以前人过马路不知道要看车的,国道经常出现撞死人的情况,我小时候在县道边上
,见过好多交通事故。
【 在 adamhj 的大作中提到: 】
: 第一反应:神奇在哪里?
: 第二反应:哈?递减的?
--
FROM 222.64.213.*