在vscode的codex扩展里面开启完全访问权限之后，还是在沙盒里面运行吗 
 [image]

[图片] 
买了个sixtynet的家宽

各州（市）市场监管局，各州（市）禁毒委员会（或承担禁毒议事协调机构职能的有关部门）： 
为贯彻落实国家禁毒委员会全体会议暨全国禁毒工作视频会议和全省禁毒工作视频会议精神，结合我省当前禁毒工作需要，切实降低麻醉药品和精神药品滥用风险，保障公众身体健康尤其是青少年用药安全，决定对含右美沙芬复方制剂和普瑞巴林两种滥用风险较高的药物进行管控，具体要求如下： 
一、严格规范经营行为 
自2026年4月1日起，各药品零售企业严格管控含右美沙芬复方制剂、普瑞巴林销售行为。严格凭医师处方销售，处方原件留存备查；药品零售信息系统必须设置实名登记拦截、超量锁定功能（单次销售不得超过5个最小包装），杜绝违规操作；充分利用“麻精药品实名登记可追溯系统”，严防不法分子骗购、套购行为；严禁直接向未满18周岁未成年人销售上述药品，未成年人确需购买的，须监护人在场、凭处方购买并核验身份信息。含右美沙芬复方制剂、普瑞巴林不...

AI浪潮中胜出的一定不会是BAT 
[图片] 
 [图片]

友友有哪些Ai生图交流群吗！我也想进去交流一下 求推荐！谢谢谢谢

ldc 关闭，市面还有什么物美价廉的 team 或  codex 5.4 渠道吗？目前几乎一天一个号用完周限。5.4 不能停啊 😭

四年大部分笔记没有整理，整个文档树一团乱麻，全在收集箱里。 🤣 
整理得汗流浃背了。 
 [image]

之前一直在用Cursor的补全，看佬友们的讨论说Cursor的补全是最厉害的，有时候顺带还黑一下Copilot。由于我一直用Cursor，也不知道别家怎么样。 
最近申请到了Github学生包，不用白不用，所以乘着订阅过期就换Copilot用了，感觉它代码补全也挺厉害的呀。貌似这个补全还是跨文件的，我写C++把函数拆开来写的，它补全也能补到 😮

idea转vocode出现nacos读不上，这个是因为少了什么插件吗，还是其他的问题

慢讯，模型地址：

请注意 
我没要当管理啊 
我的想法是啥呢 
随着人越来越多 
不可控因素也越来越多 
有些坏人会自爆卡车 
发一下不可描述内容 
然后截图发到一些网站上 说L站支持XXX之类的 很危险 
社区之盾貌似叫这个 但是这个也得达到一定标准 
如果管理数量更多的话 
我们管理可以更有效 
对于自爆卡车防范行加强 
或者考虑增加3.5级管理 
不用有敏感信息真看权限 
但可以使用临时封禁

个人喜欢有界面的可以看的，目前在vscode中开发，claudecode、codex、augmentcode哪个更好用呢

如题，课是周四周五晚上的课，有啥方便请假的借口？

手贱升级而来V0.11.0 
发现有个功能是自动同步更新上游的所有模型，直接给我整不会了。我之前手动筛选的模型体系全乱套了。 
有些上游的模型根本就是假的，我一个个地调整回来，它又给我全拉回来了。 
网上查了查，说是加个环境变量，加上了消停了一天，今天又给我把所有模型列表全拉出来了。 
我小龙虾崩溃都崩麻了，因为路由到乱七八糟的模型上去了。 
这种功能不应该做个全局开关而且默认不开启的嘛。

搜了一下貌似现在只有claude能识图

本来想让claude给我写好模块的模型图和代码，喂到nanopro里面去给我画图，然后在临摹 
但是nanopro为什么如何都无法生图呢？ 
 [e4fb919f6ca81f89793a690e5a459bf9]

目前的风险主要是洗黑钱, 毕竟量在那摆着, 加上neo人在国内, 暂时关停服务是最稳妥的解法. 
但是只要提供LDC在用户直接的流转, 这种情况就避免不了, 这就和虚拟币是一样的 
虚拟币最开始的初衷也是激励矿工参与记账, 后来掺和进去了法币兑换, 就给搞成了现在的样子. 
大家有什么好的关于LDC的优化吗? 我感觉在不关闭流通的情况下, 好像有点无解

最近在站里站外都刷到很多做 AI 短剧、漫剧的帖子，很好奇这种剧的变现手段和模式是怎样的呢？除了用来起号还有什么方式？都有哪些渠道可以上传呢？有佬做过并给些提点建议吗？ 🫡

这几天github copilot幺蛾子甚多，站内有不少关于“学生号/一个月试用pro“如何继续使用opus、以及之前用ask连续追问工具、尝试白嫖github copilot credit的方案… 
各位佬一定谨慎使用。千万不要拿主号搞这个 
尤其是最近多个反代渠道收窄的背景下，github copilot一定会因为“因替代效应而涌入的大量非正常使用量”，加强计费方面的风控 
以下是我废了三个copilot订阅的经验： 
我之前手搓过一个类似的反代方案，从一个知名的copilot反代方案魔改来的。大致原理就是模拟claude agent的tool loop，设置成一天仅扣一次积分。一开始觉得自己老聪明了然后一周后github发邮件说我流量不对给我copilot订阅封了 🫪。（开了个工单申诉了下说是一个刚入组的硕士干的，警告了我一下又给我恢复订阅了 🤣） 
 [image] 
殷鉴在前我于...

鸽了一周 🥹 
今日无事 勾栏听曲 L站继续水文 😀 
23 天入门大模型算法 
原项目如下： 


在线阅读地址：LLM 前世今生 
第一节 Seq2Seq 架构
前面我们已经学习了如何使用 RNN 和 LSTM 处理序列数据。这些模型在三类任务中表现出色： 

多对一（Many-to-One）：将整个序列信息压缩成一个特征向量，用于文本分类、情感分析等任务。
多对多（Many-to-Many, Aligned）：为输入序列的每一个词元（Token）都生成一个对应的输出，如词性标注、命名实体识别等。
一对多（One-to-Many）：从一个固定的输入（如一张图片、一个类别标签）生成一个可变长度的序列，例如图像描述生成、音乐生成等。

但是，在自然语言处理中，还存在一类更复杂的、被称为多对多（Many-to-Many, Unaligned） 的任务，它们的输入序列和输出序列的长度可能不相等，...