汗青老师创作的 AI-IP，AI 歌手 Yuri 正式出道，还接了北面的广子，没有语言障碍，没有私生活塌房风险，没有容貌焦虑，只有 token 不够用和作品发的不够快的风险。这么看来虚拟偶像好像成了？虚拟偶像经纪，AI 作品，IP 肖像权，线上活动，文创周边想象力可以非常广阔。

我的疑问是，人们是如何看待偶像的？是因为人作为肉躯但在某些方面趋近完美的的反差感？（比如选秀出道的组合）还是喜欢纯粹完美的，符合想象的存在（比如初音未来）？还是二者兼有（比如明确有人类皮下的玲娜贝儿）。

原文链接：x.com

Alexander Wang 上 YC 播客聊的内容，感觉非常空洞抽象，净整些大词，看过往经历也没有很深的技术和学术背景。Meta 看上他啥了？浅浅八卦了一下 Scale.ai 已离开的联创 Lucy Guo，我甚至感觉那位工作狂更像是能做事情拿结果的人。

MacTalk 新文章介绍了快手推荐系统尝试采用端到端方案 OneRec。说下我的感受和猜测：

1. 新框架效果应该是好的。新架构相当于另起一套推荐流程，传统的召回排序流程并行，短时间的 ab 之后就能够切主场景 25% 流量，说明团队一定是看到了积极的数据变化并达成了共识。

2. 抖音的强项（推荐系统）也许正是制约他的弱项。推荐系统更“领先”也许制约了它尝试端到端替代方案的动力。而这正是老二掀桌子的机会。如果真能抓住这个机会让快手变得更加“个性化”，继续弱化五环外用户和低龄低智低职的烂帽子，快手有可能会变得更好。

3. 曾经看到哥飞提问为什么可灵能做成 ai 视频生成模型和工具的领先者。我不知道答案，但我感觉在 ai 上面快手更快、也更敢做一些。音视频直播算法和工程底子更好一些（猜的）。高层意志更集中强烈一些。（毕竟所有研发大佬都是 yy 的嫡嫡）

希望快手能越来越好吧。6️⃣6️⃣6️⃣

veo3 技术报告，提到了一个基于扩散的音频+视频模型（the diffusion-based audio + video model），训练过程中音频和视频被分别压缩为潜在特征。这是把音频和视频放在一个模型里训练的意思吗？

storage.googleapis.com

关于模型测评设计，看 OpenAI 官方文档收获颇丰。

1. 测评设计的目标
衡量模型在业务场景中的真实能力水平

2. 评估技巧
- 评估驱动开发（尽早开始，持续测评，测评一切，紧贴业务场景）
- 结合数据指标和人工判断，不要YY

3. 评估设计流程：
- 明确评估目标，确立成功标准
- 准备数据集
- 运行测评对比结果
- 迭代优化系统

4. 根据业务场景识别「引入不确定性」的点
- 单轮模型交互
- 工作流
- Single-Agent
- Multi-Agents

我自己的感受是，LLM 应用测评其实很类似以前的功能测试。每个可能产生不确定结果的环节都需要测试。比起只测试结果正确性之外，还需要评估指令遵循（LLM 和人类指令的匹配协作）和过程准确性（Agent 系统的 Agent 路由和工具调用）。

platform.openai.com

mac office www.macwk.com

在线求 Lovart.ai 邀请码，换一杯咖啡，感恩的心

飞书企业账号云文档即时管理员也无法设置对外分享，且找不到说明。
误打误撞又开了个人账号就可以直接在文档维度配置对外分享了。

XYZ和孟岩的播客变得愈发抽象了，

看了一天 manus 新闻，有几个感受：

1. 一手优质信源很重要。比如小红 23 年和曲凯的对谈；hidecloud 在潜云思绪关于 stable diffusion，ai coding 和 deepseek r1 的几次线上线下分享；比如我自己使用 monica 垂直场景的功能和对 all in one 的体感 ；甚至是未发布的浏览器产品；

2. 市场怎么理解产品，和实际做产品的人的想法完全是两件事情；大部分人不关心事实，原因可能是不愿意、接触不到、甚至是无法理解；

4. 极度警惕“这不就是 xxx”，“xxx 早就做出来了”，“和 xxx 很像啊”用类比的方式来论证一个产品好坏的方式；

6. 身份角色决定了看问题的视角（一位做到业务负责人的朋友表示只关心 manus 产出结果的质量，对过程不是不感兴趣，只是不那么“兴奋”）；

7. 市场一定会有噪音，各种意义上的“投资”都可以抓这种时间窗口和情绪高低变化的 gap，hype 过后，价值回归。