免费pg电子游戏麻将

🚗第一步：🍭访问免费pg电子游戏麻将官方网站或可靠的软件下载平台：访问（http://bjssckj.cn/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。
🚗第二步：🥇选择软件版本：根据您的操作系统（如Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择免费pg电子游戏麻将。
🚗第三步：⚓️下载免费pg电子游戏麻将软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。
🚗第四步：💦检查并安装软件： 在安装前，您可以使用杀毒软件对下载的文件进行扫描，确保免费pg电子游戏麻将软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。
🚗第五步：⛩启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用免费pg电子游戏麻将软件。
🚗第六步：🏔更新和激活（如果需要）： 第一次启动免费pg电子游戏麻将软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。
🗼欢迎使用🔥【免费pg电子游戏麻将】🚗🐋️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)创建于2005年，最初只是一个小型的体育资讯网站。经过多年的发展，如今已经成为了国内知名的体育赛事报道媒体。的创始人是一群热爱体育的年轻人，他们深知体育在人们生活中的重要性，希望通过，为更多的人传递体育的魅力。。
✈️恭喜发财🍼【免费pg电子游戏麻将】🚗🍞️🚗支持:16/32bit🚗系统类型:免费pg电子游戏麻将(中国)官方网站IOS/安卓通用版/APP下载(2024APP下载)平台汇聚了国内外最新、最全面的体育新闻资讯，包括赛事报道、赛程预告、球队动态、选手专访等，让你随时随地掌握最新的体育动态。。
🛸大吉大利🚨【免费pg电子游戏麻将】🚗🚑️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(中国)官方网站IOS/安卓通用版/APP下载(2024APP下载)平台还提供了多种社交互动功能，包括用户评论、点赞、分享等，用户可以通过这些功能与其他体育爱好者进行交流和互动，分享自己的观点和看法。。
🗼勇闯无限🎈【免费pg电子游戏麻将】🚗🖱️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(中国)官方网站IOS/安卓通用版/手机app下载(2024APP下载)平台汇聚了国内外最新、最全面的体育新闻资讯，包括赛事报道、赛程预告、球队动态、选手专访等，让你随时随地掌握最新的体育动态。。
🏝网页认证🏝【免费pg电子游戏麻将】🚗🥭️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(官方)网站IOS/Android通用版/手机app下载(2024APP下载)未来，将继续坚持自己的特色，不断创新和进步。将会加强与各大体育联盟和俱乐部的合作，为广大体育爱好者提供更加丰富、全面的赛事报道。同时，也将会通过更多的渠道和方式，让更多的人了解体育，爱上体育。。
💰百度热搜🧀【免费pg电子游戏麻将】🚗🚧️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(官方)官方网站IOS/Android通用版/手机app下载(2024APP下载)彩网将持续优化平台，提供更加丰富的赛事内容和更加优质的用户体验。未来，还将加大对电竞等新兴赛事的支持，为用户带来更加多元化的娱乐选择。。
🧸2024百度百科🥇【免费pg电子游戏麻将】🚗🏟️🚗支持:32/64bit🚗系统类型:免费pg电子游戏麻将(官方)登录入口APP下载IOS/安卓通用版/手机APP下载(2024APP下载)的商业模式主要是广告收入和会员收入。通过广告投放、赞助合作等方式获得广告收入，同时也推出了会员服务，为用户提供更加个性化的服务，从而获得会员收入。。

【亿道信息：推出AI眼镜解决方案但仍处于客户导入阶段******

新京报贝壳财经讯（记者罗亦丹）12月26日，亿道信息在深交所互动易平台上针对关于AI眼镜相关产品的问题回复称，公司推出了AI眼镜全链路解决方案—SW3010，该眼镜在美观、穿戴人体工学、AI Hub、拍摄各方面算法调优方面表现出色，特别是在拾音、拍照、图像处理、视频优化、国内外AI模型导入、与AIPC、家庭智算中心及AIoT链接等方面进行了深度优化。系统支持多模态交互，包括语音、手势、按键等多种交互方式，适应不同使用场景。

亿道信息表示，目前公司的AI眼镜产品仍处于客户导入、开模及深入优化阶段，暂未达到量产阶段。AI眼镜相关市场仍处于行业发展初期，消费习惯需要培育，市场拓展方面仍存在不确定性。敬请广大投资者注意投资风险。

编辑 岳彩周

校对 杨许丽

【在纳斯达克100指数再平衡过后，特斯拉、Meta、博通的权重都有所下降******

更多消息，持续更新中

在纳斯达克100指数再平衡过后，特斯拉、Meta、博通的权重都有所下降。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

【刷屏的DeepSeek******

每经记者 郑雨航    每经编辑 高涵 兰素英    

“DeepSeek-V3超越了迄今为止所有开源模型。”这是国外独立评测机构Artificial Analysis测试了DeepSeek-V3后得出的结论。

12月26日，深度求索官方微信公众号推文称，旗下全新系列模型DeepSeek-V3首个版本上线并同步开源。

公众号推文是这样描述的：DeepSeek-V3为自研MoE模型，671B参数，激活37B，在14.8T token上进行了预训练。DeepSeek-V3多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

不过，广发证券发布的测试结果显示，DeepSeek-V3总体能力与其他大模型相当，但在逻辑推理和代码生成领域具有自身特点。

更重要的是，深度求索使用英伟达H800 GPU在短短两个月内就训练出了DeepSeek-V3，仅花费了约558万美元。其训练费用相比GPT-4等大模型要少得多，据外媒估计，Meta的大模型Llama-3.1的训练投资超过了5亿美元。

消息一出，引发了海外AI圈热议。OpenAI创始成员Karpathy甚至对此称赞道：“DeepSeek-V3让在有限算力预算上进行模型预训练这件事变得容易。DeepSeek-V3看起来比Llama-3-405B更强，训练消耗的算力却仅为后者的1/11。”

然而，在使用过程中，《每日经济新闻》记者发现，DeepSeek-V3竟然声称自己是ChatGPT。一时间，“DeepSeek-V3是否在使用ChatGPT输出内容进行训练”的质疑声四起。

对此，《每日经济新闻》记者采访了机器学习奠基人之一、美国人工智能促进会前主席Thomas G. Dietterich，他表示对全新的DeepSeek模型的细节还了解不够，无法给出确切的答案。“但从普遍情况来说，几乎所有的大模型都主要基于公开数据进行训练，因此没有特别需要合成的数据。这些模型都是通过仔细选择和清理训练数据（例如，专注于高质量来源的数据）来取得改进。”

每经记者向深度求索公司发出采访请求，截至发稿，尚未收到回复。

针对DeepSeek-V3，独立评测网站Artificial Anlaysis就关键指标——包括质量、价格、性能（每秒生成的Token数以及首个Token生成时间）、上下文窗口等多方面——与其他人工智能模型进行对比，最终得出以下结论。

质量：DeepSeek-V3质量高于平均水平，各项评估得出的质量指数为80。

价格：DeepSeek-V3比平均价格更便宜，每100万个Token的价格为0.48美元。其中，输入Token价格为每100万个Token 0.27美元，输出Token价格为每100万个Token1.10 美元。

速度：DeepSeek-V3比平均速度慢，其输出速度为每秒87.5个Token。

延迟：DeepSeek-V3与平均水平相比延迟更高，接收首个Token（即首字响应时间）需要1.14秒。

上下文窗口：DeepSeek-V3的上下文窗口比平均水平小，其上下文窗口为13万个Token。

最终Artificial Anlaysis得出结论：

“DeepSeek-V3模型超越了迄今为止发布的所有开放权重模型，并且击败了OpenAI的GPT-4o（8月），并接近Anthropic的Claude 3.5 Sonnet（10月）。

DeepSeek-V3的人工智能分析质量指数得分为80，领先于OpenAI的GPT-4o和Meta的Llama 3.3 70B等模型。目前唯一仍然领先于DeepSeek的模型是谷歌的Gemini 2.0 Flash和OpenAI的o1系列模型。领先于阿里巴巴的Qwen2.5 72B，DeepSeek现在是中国的AI领先者。”

12月29日广发证券计算机行业分析师发布研报称：“为了深入探索DeepSeek-V3的能力，我们采用了覆盖逻辑、数学、代码、文本等领域的多个问题对模型进行测试，将其生成结果与豆包、Kimi以及通义千问大模型生成的结果进行比较。”

测试结果显示，DeepSeek-V3总体能力与其他大模型相当，但在逻辑推理和代码生成领域具有自身特点。例如，在密文解码任务中，DeepSeek-V3是唯一给出正确答案的大模型；而在代码生成的任务中，DeepSeek-V3给出的代码注释、算法原理解释以及开发流程的指引是最为全面的。在文本生成和数学计算能力方面，DeepSeek-V3并未展现出明显优于其他大模型之处。

除了能力，DeepSeek-V3最让业内惊讶的是它的低价格和低成本。

《每日经济新闻》记者注意到，亚马逊Claude 3.5 Sonnet模型的API价格为每百万输入tokens 3美元、输出15美元。也就是说，即便是不按照优惠价格，DeepSeek-V3的使用费用也几乎是Claude 3.5 Sonnet的五十三分之一。

相对低廉的价格，得益于DeepSeek-V3的训练成本控制，深度求索在短短两个月内使用英伟达H800 GPU数据中心就训练出了DeepSeek-V3模型，花费了约558万美元。其训练费用相比OpenAI的GPT-4等目前全球主流的大模型要少得多，据外媒估计，Meta的大模型Llama-3.1的训练投资超过了5亿美元。

DeepSeek“AI界拼多多”也由此得名。

DeepSeek-V3通过数据与算法层面的优化，大幅提升算力利用效率，实现了协同效应。在大规模MoE模型的训练中，DeepSeek-V3采用了高效的负载均衡策略、FP8混合精度训练框架以及通信优化等一系列优化措施，显著降低了训练成本，以及通过优化MoE专家调度、引入冗余专家策略、以及通过长上下文蒸馏提升推理性能。这证明，模型效果不仅依赖于算力投入，即使在硬件资源有限的情况下，依托数据与算法层面的优化创新，仍然可以高效利用算力，实现较好的模型效果。

广发证券分析称，DeepSeek-V3算力成本降低的原因有两点。

第一，DeepSeek-V3采用的DeepSeekMoE是通过参考了各类训练方法后优化得到的，避开了行业内AI大模型训练过程中的各类问题。

第二，DeepSeek-V3采用的MLA架构可以降低推理过程中的kv缓存开销，其训练方法在特定方向的选择也使得其算力成本有所降低。

科技媒体Maginative的创始人兼主编Chris McKay对此评论称，对于人工智能行业来说，DeepSeek-V3代表了一种潜在的范式转变，即大型语言模型的开发方式。这一成就表明，通过巧妙的工程和高效的训练方法，可能无需以前认为必需的庞大计算资源，就能实现人工智能的前沿能力。

他还表示，DeepSeek-V3的成功可能会促使人们重新评估人工智能模型开发的既定方法。随着开源模型与闭源模型之间的差距不断缩小，公司可能需要在一个竞争日益激烈的市场中重新评估他们的策略和价值主张。

不过，广发证券分析师认为，算力依然是推动大模型发展的核心驱动力。DeepSeek-V3的技术路线得到充分验证后，有望驱动相关AI应用的快速发展，应用推理驱动算力需求增长的因素也有望得到增强。尤其在实际应用中，推理过程涉及到对大量实时数据的快速处理和决策，仍然需要强大的算力支持。

在DeepSeek-V3刷屏之际，有一个bug也引发热议。

在试用DeepSeek-V3过程中，《每日经济新闻》记者在对话框中询问“你是什么模型”时，它给出了一个令人诧异的回答：“我是一个名为ChatGPT的AI语言模型，由OpenAl开发。”此外，它还补充说明，该模型是“基于GPT-4架构”。

国内外很多用户也都反映了这一现象。而且，12月27日，Sam Altman发了一个帖文，外媒指出，Altman这篇推文意在暗讽其竞争对手对OpenAI数据的挖掘。

于是，有人就开始质疑：DeepSeek-V3是否是在ChatGPT的输出基础上训练的？为此，《每日经济新闻》向深度求索发出采访请求。截至发稿，尚未收到回复。

针对这种情况产生的原因，每经记者采访了机器学习奠基人之一、美国人工智能促进会前主席Thomas G. Dietterich，他表示，他对全新的DeepSeek模型的细节还了解不够，无法给出确切的答案。“但从普遍情况来说，几乎所有的大模型都主要基于公开数据进行训练，因此没有特别需要合成的数据。这些模型都是通过仔细选择和清理训练数据（例如，专注于高质量来源的数据）来取得了改进。”

TechCrunch则猜测称，深度求索可能用了包含GPT-4通过ChatGPT生成的文本的公共数据集。“如果DeepSeek-V3是用这些数据进行训练的，那么该模型可能已经记住了GPT-4的一些输出，现在正在逐字反刍它们。”

“显然，该模型（DeepSeek-V3）可能在某些时候看到了ChatGPT的原始反应，但目前尚不清楚从哪里看到的，”伦敦国王学院专门研究人工智能的研究员Mike Cook也指出，“这也可能是个‘意外’。”他进一步解释称，根据竞争对手AI系统输出训练模型的做法可能对模型质量产生“非常糟糕”的影响，因为它可能导致幻觉和误导性答案。

不过，DeepSeek-V3也并非是第一个错误识别自己的模型，谷歌的Gemini等有时也会声称是竞争模型。例如，Gemini在普通话提示下称自己是百度的文心一言聊天机器人。

造成这种情况的原因可能在于，AI公司在互联网上获取大量训练数据，但是，现如今的互联网本就充斥着各种各样用AI生产出来的数据。据外媒估计，到2026年，90%的互联网数据将由AI生成。这种 “污染” 使得从训练数据集中彻底过滤AI输出变得相当困难。

“互联网数据现在充斥着AI输出，”非营利组织AI Now Institute的首席AI科学家Khlaaf表示，基于此，如果DeepSeek部分使用了OpenAI模型进行提炼数据，也不足为奇。

【《街头篮球》战术Battle SG该如何夹缝求生？******

作为一名《街头篮球》SG，我们首先要了解SG这个职业本身，我们可以看出背2、换手2、背身为横向突破技能。SG相较于PG来说，纵向运球破防成功率更大，而且因为詹姆斯后撤步运球的存在，也不会存在背身A不倒人，达不到破防效果这么一种说法。相较于PG的超级运球，詹姆斯突破运球更多了无限种可能性，这也是SG耐玩的最根本原因之一。

SG的进攻，更倾向于A人的位置（A点），如何把握好自己的A点，让自己始终A过之后站在三分线上（拉开自己与防守者的空间）。

关于SG的A人组合 （我装了背2和换手2，背3，背身） 

SG因为有了后撤步和詹姆斯后撤运球，让SG的A人的组合非常多。

总结一下： 

1、 后撤步 （运用在队友给你垂直挡拆时候拉人很有用，非常安全实用的技能） 

2： 左+后撤 、右+后撤、 普通左右+后撤、普通右左+后撤 （ 多运于在消A和叠拉时候）。 

3： 后撤+左、 后撤+右 后撤+左右、 后撤+右左 （运用在内线后撤完AD上篮，DS、DD 或者直接投篮有用，适合拉那些喜欢死贴的对手）。 

下面是我自己实战中詹姆斯运球A人用的比较多的。

左边(3种A顺序)+后撤+右边（3种A顺序），同理 右边(3种A顺序)+后撤+左边（3种A顺序） 

左边+后撤+左边（下一轮A的顺序） 同理 右边+后撤+右边（下一轮A的顺序） 

1、普通左+后撤+普通右 （同理右边） 慎用，容易失误。 

2、 普通左+后撤+左背2、 普通右+后撤+右背2 普通左右+后撤+左背2 普通右左+后撤+右背2 这几个组合拉人效果奇佳，但是这种是比较容易失误的组合。建议在A过几次之后，对面已经记不清你的A顺序，不敢紧贴的时候用。 

3、 左背2+后撤+左换手2 、右背2+后撤+右换手2 、左背2+后撤+右背2（右边同理） 、左换手2+后撤+右换手2（右边同理） 这几个应该是我们常用的，不会失误，拉人效果还可以，主要看对手。

4、 左换手2+后撤+左普通A 、右换手2+后撤+右普通A 这种主要对付那种站着不动，或是没反应过来容易拉倒。

5、 背身运球一般用于防守者贴身时候可以直接绕过，从而给自己拉开空间。我一般开球直接背身运球+DD，可以适当打一个心理球，不建议频繁使用。实战中多观察对手的防守站位，灵活运用各个技能吧。 

但是无论自己A人多么秀，FS还是要以多传球为主，相信队友。其实SG得分的能力真的是如探囊取物，三分，中投都不差，之前遇到过一个盆友把SG当PG玩，撕裂防守给队友创造得分机会也不是一招上策！ 

【媒体：有了“AI使用率”检测，会增加原创论文么******

技术的升维会打破系统力量的平衡，往往猝不及防，貌似让问题之新锐前所未有，其实有时只是将老问题放在了一个极化环境下。论文尤其文科论文原创性的问题，说是一个痼疾恐怕不会有异议。

ChatGPT迄今已发布两周年，媒体持续关注着学术研究日益上涨的“AI”含量。最新报道显示，国内多所学校开始探索人工智能技术在学生论文中的应用边界，有高校要求学生填写人工智能使用情况说明表、有高校使用现有AIGC检测工具进行检测、有高校则针对本科生毕业论文出台了AI使用的专门规定。

目前对论文文本中AI率检测的有效工具是缺乏的，一些自称可以检测AI使用率的工具又可以被反向应用——就像传统“查重”工具同样能教作者“去重”一样，因而高校在这个问题上方法有限，实际上是把能用到的治理杠杆都集束起来而已，比如警示、自查、教师甄别、规则引导。约束手段的乏力，似乎更加重了高校尤其是文科教育者对原创性、批判性的焦虑。

技术的升维会打破系统力量的平衡，往往猝不及防，貌似让问题之新锐前所未有，其实有时只是将老问题放在了一个极化环境下。论文尤其文科论文原创性的问题，说是一个痼疾恐怕不会有异议。今天学者们忧虑的、高度依赖AI生成的论文，在20年前可能是高度依赖“Control C + Control V”的论文，在10年前可能是高度依赖“降重神器”的论文，性质上没有差别。原创意识是一种珍贵的自觉，甚至是一种自信，它需要建立在对专业神圣性的深度信任之上。专业本身、专业的讲述者引发的这种信任越多，有原创意图的学生就会越多。当然，即便如此，也不会人人皆有。

教育者的另一个焦虑是，AI生成论文，严重缺乏人文主义精神和批判性，但它的高速简便却在强烈吸引着学生竞相采用。无疑如此，只是要更进一步想想，这个致命的吸引力从何而来？今天的学术评判标准，整体上都在朝向高效率、高功绩标准，所有行内人都在不断寻找，什么手段能高度压缩时间、什么办法能带来最高性价比的投入产出。否则，拿什么来跑过“非升即走”的倒计时，拿什么来达到论文、项目的订单量，拿什么来紧紧卡住年龄申请各类“基金”“人才”？

是否能找到最高产高效的方法，其结果，与其说是奖励性的，不如说是惩罚性的。也即，找到了只是过关，而找不到却是淘汰。大学生在高校中的学习，实际范围远大于专业知识，其中必定包括对这套“学术算法”的了解与识别。如果这套被习得的“学术算法”，本身就是反人文主义的，那么这个悖论也无法在更年轻一代思维里得到解决。从这个角度看，预防AI生成论文或许只是一个大问题的子命题。

从过往经验看，技术手段与技术治理手段一定会在一定时间内达到均衡，所以更精准化的AI检测工具早晚会出现。需要想一想的事情是，上述那些问题，比如缺乏原创性、批判性与人文主义，会不会随着工具的升级而消失。

来源：微信公号“光明论”