Vegas12

Luna 升级进展得非常顺利！🚀
✅ Vegas 节点已经完成更新
✅ 链正在正常出块
✅ 链停机时间：零
升级很顺利，参与其中的每个人都做得很棒。👏

去年你是律师，今年你是经济专家……哈哈哈，真难过有些人看不出来这个 😢 lol

⟦ŁƲ₦₡Λł⟧ꙮ̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅ·ŁƲ₦Λ⸸̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅŦЯIX⟧ϟ̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅ

比特币正在讨论诸如 BIP-360 和 BIP-361 之类的提案，以保护网络免受未来量子攻击，包括如何处理存在风险且处于闲置状态的钱包。
迈克尔·赛勒已经分享了他的立场。
你的看法是什么？必要的防护，还是危险的先例？
#Bitcoin #BTC #QuantumComputing #BitcoinSecurity #Crypto

Cmp170 真的还是炒作？

这是一场很棒的比赛。

让大型 AI 模型更易于家庭电脑使用
超过三个月以来，我一直在低调研究降低运行超大型 AI 模型所需的硬件与内存负载的方法——尤其是诸如 GLM-5.2 这类的混合专家（mixture-of-experts）模型，在普通家用电脑上运行。
这项工作是我计算机科学硕士学位的一部分，早期结果令人鼓舞。
我现在已经有了一个可运行的原型，计划很快分享更多细节。
目标并不仅仅是创建模型的更小版本，或者声称数千亿参数能够神奇地塞进消费级 GPU。
完整模型仍然可用，但系统会尝试只加载、保留并传输推理当前阶段所需的组件。
我的研究涉及以下领域：
动态专家驻留
预测性专家预取
在 VRAM、系统内存和 NVMe 存储之间进行分层加载
具备缓存感知的路由
减少不必要的参数移动
根据可用硬件调整执行路径
我最近看到另一个项目在探索类似方向，这也促使我把自己的工作公开出来。
不过，我认为一些当前做法可能低估了真实的推理负载。
仅计算分配给活动专家的参数，并不能代表推理的完整成本。共享层、注意力状态、KV cache、路由决策、专家切换、内存带宽、页故障以及 CPU 到 GPU 的同步，都可能成为主要瓶颈。
当只用活动参数来衡量时，一个系统可能看起来很高效，但在真实的端到端推理中仍可能表现很差，因为它会反复在存储、RAM 和 VRAM 之间传输数据。
因此，我的方法并不仅仅聚焦于选择更少的专家。
它还会考虑

裂（Rip）#zcash $zcash

法律应当对所有人一视同仁。 如果普通人不能携带刀具，那么没有人应当凌驾于此规则之上。 不允许例外。 人人平等的法律。

print("你好，世界！👶")