真给你点了你又不乐意了😅

你这套打游戏比之前那套低了不少，因为你选的这个档位的显卡性能还没到 pcie3.0 有影响的地步

@yuwen2002cn #45 现在已经收敛很多了，基础版比米便宜，大存储的加的有点多。不过 v 线下渠道价会便宜点，不算国补，能便宜个五六百，所以谈不上高价低配了

确实奇怪，一般息肉做的时候顺道就切了，反正我老婆和她同事都是这样

可能只是你的梦中情机罢了

还是 infuse 良心啊，之前订阅的只要不取消就不涨价

你要记住，赌博输的钱只是有人帮你存起来，你要是戒了就永远拿不回来了

27 4k 32 4k 都用过，一直 200%，没遇到什么排版问题。

什么年代了还在这原生安卓，典型的安卓思维

在老家结婚的，我和老婆的朋友只凑了一桌，剩下十来桌都是亲戚和父母的朋友 https://i.imgur.com/NIvxivj.png

不反对商单，全职 up 也是要吃饭的，但是讨厌无法区分的商单。比较喜欢的比如隋坡这种本身是美食探店，接神奇小鹿或者妙界的商单。或者商单有明确暗号的。

@emSaVya 哥们的用户都是电竞小子吗 20ms 就受不了了

@marquina 妹说就是零卡

@breadykidliu 工作十年还有热情，你做什么都会成功的

对空间没要求推荐自组，带核显的 i3 就够了。系统可以 pve ，可以 Ubuntu ，可以飞牛

@huc2 是的，oneRec 生成的确实是一个序列。其实在他之前，也有人做把系统推出的几个用一个小模型重新排列组合，也是一种 listwise 的想法。不过效果没有好到在业界推广开的程度。

是否牺牲用户体验取决于模型的目标是什么。现在业界大部分模型本质上还是 pointwise 的，对短视频/电商推荐来说，推荐的是当下你能产生最大目标的视频/商品，一般是时长/点击转换率 or gmv 。

「为了增加用户的使用时间对真正的好东西藏着掖着，不一次给用户，而是细水长流。」这是短视频推荐的最终目的，就是最大化用户总时长，如果能做到全局最优，也就是你说的细水长流那是最好的。但事实上像我之前说的业界大部分模型都是预估的单个视频的时长最大化。但是这个我不认为是损害了用户的利益，单个视频看的时长长未必是你说的「真正的好东西」，这个本来就是极难定义的一个事情。

「为了增加用户的消费推荐更贵的商品，而不是有同样功能却更便宜的。」给你推贵的你未必下单买，最终打分未必比便宜的但是点击转换率高的好。

你说的那些内容农场呀骗点击骗点赞的视频呀，一般都是由运营或者 ai 来标注，然后通过策略进行过滤或者降权操作，不让他们出或者少出。

「通过简单的打分进行推荐效果并不好，而效果更好的通过列表排序进行推荐的复杂度是 O(n!)」这个就是上面说的单个最优还是全局最优，pointwise 还是 listwise 。其实很难做 listwise 。模型比较难训，时延上也不允许，我了解业界应该没有直接以序列质量为目标来优化的，一般都是在最后用策略或者另一个小的模型来优化一下。策略举个例子，打散就是一种优化手段，纯粹按模型分排序，可能某一个你特别喜欢的作者会连着出，这时候打散会防止他连着出，这样长期来说不会让用户感到厌倦。

@HzMz 确实，对面三号位拍拍出来的时候我以为稳了。结果前期五打四打不过，真的无力，那时候我就去睡了。