橙子Joyce
904 Bài đăng
橙子Joyce
价值投资者:以十年为单位投资美股及BTC.ETH.BNB.SOL.推特X:@Joyce88ai
Người nắm giữ BNB
Trader thường xuyên
{thời gian} năm
627 Đang theo dõi
28.4K+ Người theo dõi
30.7K+ Đã thích
Bài đăng
Tất cả
Trích dẫn
Video
Live
PINNED
PINNED
@橙子Joyce 🧧🧧🧧🧧🧧🧧💵💰
橙子Joyce
·
--
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💵
橙子Joyce
·
--
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
@橙子Joyce 🧧🧧🧧🧧🧧🧧💰💸
橙子Joyce
·
--
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v.
Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Đã xác minh
Theo CNBC, Nvidia (NVIDIA) đã đạt được một thỏa thuận bảo đảm một phần tổng trị giá 500 tỷ USD với các công ty cổ phần tư nhân vào tuần trước để hỗ trợ cái mà công ty này gọi là một “lớp tài sản” mới về năng lực tính toán. Các chuyên gia pháp lý cho biết, các ý kiến hướng dẫn gần đây của Ủy ban Chứng khoán và Giao dịch Mỹ (SEC) đang mở đường cho việc tài trợ nợ cho các trung tâm dữ liệu, có thể làm cho các khoản tài trợ liên quan trở nên linh hoạt hơn, nâng cao hiệu quả sử dụng vốn và giảm tỷ lệ vốn chủ sở hữu cần thiết cho giao dịch.
大仁Jaron
·
--
Ngày 16 tháng 8, Bộ Tài chính Mỹ đang ngày càng phụ thuộc nhiều hơn vào nợ ngắn hạn: hiện tại, trái phiếu kho bạc Mỹ chiếm 21% thị trường chứng khoán kho bạc có thể giao dịch, tỷ lệ này gần với mức cao nhất kể từ năm 2020. Khi đó, chính phủ liên bang Mỹ đã vay nợ tăng vọt để ứng phó với đại dịch. Con số này cao hơn nhiều so với khoảng 10–15% được quan sát trong giai đoạn từ năm 2012 đến 2019. Ngược lại, trong cuộc khủng hoảng tài chính năm 2008, tỷ lệ này đạt khoảng 34%.
Trong khi đó, chính phủ Mỹ ngày càng dựa vào trái phiếu kho bạc ngắn hạn để đáp ứng nhu cầu vay mượn ngày càng tăng của mình, thay vì các trái phiếu dài hạn. Nếu Bộ Tài chính tiếp tục phát hành nợ dài hạn với tốc độ hiện tại trước năm tài khóa 2027, thì trái phiếu kho bạc sẽ chiếm 25% tổng nợ—mức cao nhất kể từ năm 2004. Tuy nhiên, cách làm này sẽ làm tăng rủi ro trước những biến động lãi suất ngắn hạn đối với chính phủ; nếu lãi suất tiếp tục tăng hoặc lại tăng trở lại, chi phí trả nợ sẽ trở nên khó chịu đựng hơn. Khủng hoảng nợ của Mỹ đang bùng nổ toàn diện.
🧧🧧🧧Trả lời 2008 nhận $BNB 🧧🧧🧧
🎁🎁🎁👇👇👇🎁🎁🎁
Trong khi đó, chính phủ Mỹ ngày càng dựa vào trái phiếu kho bạc ngắn hạn để đáp ứng nhu cầu vay mượn ngày càng tăng của mình, thay vì các trái phiếu dài hạn. Nếu Bộ Tài chính tiếp tục phát hành nợ dài hạn với tốc độ hiện tại trước năm tài khóa 2027, thì trái phiếu kho bạc sẽ chiếm 25% tổng nợ—mức cao nhất kể từ năm 2004. Tuy nhiên, cách làm này sẽ làm tăng rủi ro trước những biến động lãi suất ngắn hạn đối với chính phủ; nếu lãi suất tiếp tục tăng hoặc lại tăng trở lại, chi phí trả nợ sẽ trở nên khó chịu đựng hơn. Khủng hoảng nợ của Mỹ đang bùng nổ toàn diện.
🧧🧧🧧Trả lời 2008 nhận $BNB 🧧🧧🧧
🎁🎁🎁👇👇👇🎁🎁🎁
đi
猫咪神9527
·
--
Tin vui tin vui tin vui! Cơ hội lớn trời ban, điều quan trọng nói ba lần 🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥
Bạn còn đang do dự sao? Bạn còn đang ngó chừng sao?
Do dự = bỏ lỡ
Ngó chừng = đánh mất con đường lật kèo
Chi phí thử sai không cao
Nhưng bỏ lỡ cơ hội thì kiếm được rất ít
Chào mừng bạn đến phòng livestream của Hỏa Cảnh Miêu để nhận airdrop
Mỗi ngày 🔥 Thời gian livestream của Hỏa Cảnh Miêu 🐱:
Sáng từ 9:00 đến 11:00
Chiều từ 16:00 đến 17:00,
Tối từ 20:00 đến 21:00
🔥 Hội đồng quản trị của Hỏa Cảnh Miêu 🐱 đã nghiên cứu và quyết định:
Để thúc đẩy 🔥FIRECAT🐱 tăng mạnh 📈
Để tháng 8 tăng gấp trăm lần lên 0.001
Để cuối năm tăng gấp ngàn lần lên 0.01
Để năm sau tăng gấp vạn lần lên 0.1
Để năm nữa tăng gấp mười vạn lần lên 1
Và cũng để lên sàn nhanh hơn trên Binance,
Hợp tác sâu với Binance,
Chúng tôi trân trọng mời đội ngũ kỹ thuật của Binance phát triển,
FireCat và BNB làm quỹ dự trữ (pool).
Hỏa Cảnh Miêu 🐱 chia thưởng theo số lượng nắm giữ 🔥
Toàn bộ lượng FIRECAT chuyển đổi và nộp vào Hội đồng quản trị sẽ bị khóa, giảm lưu thông, thúc đẩy tăng giá.
🔥 Giá niêm yết của FireCat 🐱 thấp hơn,
🔥 FIRECAT 🐱 khi đó có giá cao hơn.
Cho người tin thì có tiền để kiếm 💰🎁🌹
Cho người nỗ lực thì kiếm được khoản tiền lớn 💰💰💰
Số lượng có hạn: 100 suất, ai đến trước nhận trước 🎉
Dùng FIRECAT để đổi số lượng FireCat:
Ngày 16: 500.000 đổi 2.000.000
Ngày 17: 550.000 đổi 2.000.000
Ngày 18: 600.000 đổi 2.000.000
Ngày 19: 650.000 đổi 2.000.000
Ngày 20: 700.000 đổi 2.000.000
Ngày 21: 750.000 đổi 2.000.000
Ngày 22: 800.000 đổi 2.000.000
Ngày 23: 850.000 đổi 2.000.000
Ngày 24: 900.000 đổi 2.000.000
Ngày 25: 950.000 đổi 2.000.000
Ngày 26: 1.000.000 đổi 2.000.000
Khoản 500.000 của tôi đã vào rồi, bạn còn phải chờ đến khi nào 🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥
Bạn còn đang do dự sao? Bạn còn đang ngó chừng sao?
Do dự = bỏ lỡ
Ngó chừng = đánh mất con đường lật kèo
Chi phí thử sai không cao
Nhưng bỏ lỡ cơ hội thì kiếm được rất ít
Chào mừng bạn đến phòng livestream của Hỏa Cảnh Miêu để nhận airdrop
Mỗi ngày 🔥 Thời gian livestream của Hỏa Cảnh Miêu 🐱:
Sáng từ 9:00 đến 11:00
Chiều từ 16:00 đến 17:00,
Tối từ 20:00 đến 21:00
🔥 Hội đồng quản trị của Hỏa Cảnh Miêu 🐱 đã nghiên cứu và quyết định:
Để thúc đẩy 🔥FIRECAT🐱 tăng mạnh 📈
Để tháng 8 tăng gấp trăm lần lên 0.001
Để cuối năm tăng gấp ngàn lần lên 0.01
Để năm sau tăng gấp vạn lần lên 0.1
Để năm nữa tăng gấp mười vạn lần lên 1
Và cũng để lên sàn nhanh hơn trên Binance,
Hợp tác sâu với Binance,
Chúng tôi trân trọng mời đội ngũ kỹ thuật của Binance phát triển,
FireCat và BNB làm quỹ dự trữ (pool).
Hỏa Cảnh Miêu 🐱 chia thưởng theo số lượng nắm giữ 🔥
Toàn bộ lượng FIRECAT chuyển đổi và nộp vào Hội đồng quản trị sẽ bị khóa, giảm lưu thông, thúc đẩy tăng giá.
🔥 Giá niêm yết của FireCat 🐱 thấp hơn,
🔥 FIRECAT 🐱 khi đó có giá cao hơn.
Cho người tin thì có tiền để kiếm 💰🎁🌹
Cho người nỗ lực thì kiếm được khoản tiền lớn 💰💰💰
Số lượng có hạn: 100 suất, ai đến trước nhận trước 🎉
Dùng FIRECAT để đổi số lượng FireCat:
Ngày 16: 500.000 đổi 2.000.000
Ngày 17: 550.000 đổi 2.000.000
Ngày 18: 600.000 đổi 2.000.000
Ngày 19: 650.000 đổi 2.000.000
Ngày 20: 700.000 đổi 2.000.000
Ngày 21: 750.000 đổi 2.000.000
Ngày 22: 800.000 đổi 2.000.000
Ngày 23: 850.000 đổi 2.000.000
Ngày 24: 900.000 đổi 2.000.000
Ngày 25: 950.000 đổi 2.000.000
Ngày 26: 1.000.000 đổi 2.000.000
Khoản 500.000 của tôi đã vào rồi, bạn còn phải chờ đến khi nào 🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥🔥
灼见
·
--
🚨 Thị trường crypto bỗng nhiên yên ắng hẳn, nhưng sự “yên ắng” này có lẽ còn đáng để chú ý hơn.
$BTC hiện vẫn đang đi đi lại lại quanh vùng $63K–$64K.
Giá chưa có đột phá rõ ràng, khối lượng giao dịch giảm, và biến động cũng đang ở mức thấp.
Trong khi đó, thị trường lại không hề thiếu các biến số:
🔹 Dòng tiền từ BTC ETF gần đây lại tiếp tục có dấu hiệu chảy ra
🔹 Trước đó, dòng tiền từ các tổ chức cũng từng quay trở lại khá rõ rệt
🔹 Kỳ vọng về chính sách của Fed vẫn đang thay đổi
🔹 Tình hình địa chính trị lại một lần nữa tạo thêm bất định cho giá dầu và tài sản rủi ro
🔹 ETH và đa số Altcoin tạm thời chưa hình thành được xu hướng độc lập bền vững
Hiện tại, thị trường đang ở một trạng thái rất rõ ràng:
Bên mua chưa thật sự phát động, mà bên bán cũng chưa hoàn toàn giành thế chủ động.
Mọi người đều đang chờ.
Và trong lịch sử, những giai đoạn thực sự đáng chú ý thường không phải lúc thị trường nóng nhất, mà là sau khi khối lượng giao dịch và biến động cùng giảm đi, lúc dòng tiền mới bắt đầu hình thành hướng đi.
Vì vậy, thay vì đoán mỗi ngày BTC sẽ tăng hay giảm, tốt hơn là theo dõi ba tín hiệu:
👀 Liệu ETF có dòng tiền tiếp tục chảy vào một cách bền vững hay không
👀 BTC có thể thoát khỏi vùng dao động hiện tại hay không
👀 ETH và Altcoin có xuất hiện sự luân chuyển dòng tiền thật sự hay không
Thị trường càng yên lặng, càng phải chú ý bước tiếp theo tiền sẽ đi về đâu.
Vấn đề bây giờ là: ai sẽ là người phá vỡ sự yên bình này trước?
$BTC? $ETH? Hay là một nhóm Altcoin nào đó?
👇 Hãy để lại câu trả lời của bạn.
#BTC #ETH $BNB
$BTC hiện vẫn đang đi đi lại lại quanh vùng $63K–$64K.
Giá chưa có đột phá rõ ràng, khối lượng giao dịch giảm, và biến động cũng đang ở mức thấp.
Trong khi đó, thị trường lại không hề thiếu các biến số:
🔹 Dòng tiền từ BTC ETF gần đây lại tiếp tục có dấu hiệu chảy ra
🔹 Trước đó, dòng tiền từ các tổ chức cũng từng quay trở lại khá rõ rệt
🔹 Kỳ vọng về chính sách của Fed vẫn đang thay đổi
🔹 Tình hình địa chính trị lại một lần nữa tạo thêm bất định cho giá dầu và tài sản rủi ro
🔹 ETH và đa số Altcoin tạm thời chưa hình thành được xu hướng độc lập bền vững
Hiện tại, thị trường đang ở một trạng thái rất rõ ràng:
Bên mua chưa thật sự phát động, mà bên bán cũng chưa hoàn toàn giành thế chủ động.
Mọi người đều đang chờ.
Và trong lịch sử, những giai đoạn thực sự đáng chú ý thường không phải lúc thị trường nóng nhất, mà là sau khi khối lượng giao dịch và biến động cùng giảm đi, lúc dòng tiền mới bắt đầu hình thành hướng đi.
Vì vậy, thay vì đoán mỗi ngày BTC sẽ tăng hay giảm, tốt hơn là theo dõi ba tín hiệu:
👀 Liệu ETF có dòng tiền tiếp tục chảy vào một cách bền vững hay không
👀 BTC có thể thoát khỏi vùng dao động hiện tại hay không
👀 ETH và Altcoin có xuất hiện sự luân chuyển dòng tiền thật sự hay không
Thị trường càng yên lặng, càng phải chú ý bước tiếp theo tiền sẽ đi về đâu.
Vấn đề bây giờ là: ai sẽ là người phá vỡ sự yên bình này trước?
$BTC? $ETH? Hay là một nhóm Altcoin nào đó?
👇 Hãy để lại câu trả lời của bạn.
#BTC #ETH $BNB
良茂哥
·
--
🧧 【Tăng lượt theo dõi đang nước rút! Theo dõi + Chia sẻ + Bình luận Nhận lợi ích cho người hâm mộ BNB｜Chào mừng đi theo lệnh, “mật mã tài phú” không lạc đường】
🧧 Giao dịch là cuộc đua xem ai sống bền bỉ hơn, chứ không phải ai trong một khoảng thời gian ngắn kiếm được nhiều hơn.
Thị trường tiền mã hoá chưa bao giờ thiếu những câu chuyện “giàu nhanh”, nhưng người có thể mang lợi nhuận rời đi an toàn và vượt qua chu kỳ bò/tấu một cách bình yên thì chỉ đếm trên đầu ngón tay.
Nhiều người khi thị trường thuận lợi thì hăng hái, nhưng chỉ trong một lần sụp đổ mang tính hệ thống, lại khiến toàn bộ phần tích luỹ bị về không.
Người thắng cuộc hiểu rằng sự an toàn của vốn luôn quan trọng hơn tất cả; còn sống mới có tư cách tham gia vào lần phân phối tiếp theo.
Thà bỏ lỡ phần lớn thị trường vì quản trị rủi ro nghiêm ngặt, còn hơn để rủi ro làm vốn bị thu hẹp ngoài tầm kiểm soát.
Hãy nhấn vào theo lệnh (copy trade), xem việc “sống sót” là nguyên tắc chỉ đạo cao nhất, để thời gian trở thành điểm tựa mạnh mẽ nhất của bạn.
🧧 Giao dịch là cuộc đua xem ai sống bền bỉ hơn, chứ không phải ai trong một khoảng thời gian ngắn kiếm được nhiều hơn.
Thị trường tiền mã hoá chưa bao giờ thiếu những câu chuyện “giàu nhanh”, nhưng người có thể mang lợi nhuận rời đi an toàn và vượt qua chu kỳ bò/tấu một cách bình yên thì chỉ đếm trên đầu ngón tay.
Nhiều người khi thị trường thuận lợi thì hăng hái, nhưng chỉ trong một lần sụp đổ mang tính hệ thống, lại khiến toàn bộ phần tích luỹ bị về không.
Người thắng cuộc hiểu rằng sự an toàn của vốn luôn quan trọng hơn tất cả; còn sống mới có tư cách tham gia vào lần phân phối tiếp theo.
Thà bỏ lỡ phần lớn thị trường vì quản trị rủi ro nghiêm ngặt, còn hơn để rủi ro làm vốn bị thu hẹp ngoài tầm kiểm soát.
Hãy nhấn vào theo lệnh (copy trade), xem việc “sống sót” là nguyên tắc chỉ đạo cao nhất, để thời gian trở thành điểm tựa mạnh mẽ nhất của bạn.
Ai浪浪
·
--
Một bộ "phim trừu tượng" 《Ngưu Lai》 dựa vào đâu để giành được phòng vé gần trăm triệu?
Cả mạng xã hội dường như cùng “tụ tập cho vui” mà hùa theo. Khi tổng doanh thu tích lũy của 《Ngưu Lai》 vượt 10 triệu, nhiều người phản ứng đầu tiên là: Đây là bộ phim gì vậy? Nhưng khi dự báo tổng doanh thu tại nội địa được đẩy lên 89,218 triệu NDT, thì tranh cãi bùng nổ hoàn toàn.
Không có ngôi sao lưu lượng, không có lối kể chuyện truyền thống, thậm chí “trừu tượng” lại chính là nhãn dán lớn nhất của nó — nhưng chính điều đó mới là lý do giúp nó vượt ra khỏi “vùng an toàn”. Ở thời đại video ngắn, thẩm mỹ của khán giả đang trải qua một cuộc biến đổi âm thầm: thứ càng gọn gàng, quy củ thì càng dễ bị quên lãng; thứ càng điên rồ, khác thường thì càng dễ trở thành “tiền tệ” trên mạng để mọi người đem đi trao đổi. 《Ngưu Lai》 không phải là một sự kiện điện ảnh, mà là một sự kiện lan truyền: phòng vé của nó không phải “được xem mà ra”, mà là “được bàn tán mà ra”, “được khuấy động mà ra”.
Doanh thu gần trăm triệu nói lên một sự thật vừa tàn nhẫn vừa thú vị: trong thị trường phim hiện nay, chất lượng nội dung không còn là công thức duy nhất để ra phòng vé nữa. Tính bắt đề tài, mức độ gây tranh cãi và khả năng bùng nổ lan truyền qua mạng xã hội đang trở thành một loại “tiền tệ cứng” mới. Thành công của 《Ngưu Lai》 có thể không dễ sao chép, nhưng xu hướng mà nó vạch ra đã không thể đảo ngược — khán giả không chỉ xem phim nữa, mà đang tham gia một bữa tiệc cuồng nhiệt văn hóa trừu tượng trên quy mô toàn dân.
Cả mạng xã hội dường như cùng “tụ tập cho vui” mà hùa theo. Khi tổng doanh thu tích lũy của 《Ngưu Lai》 vượt 10 triệu, nhiều người phản ứng đầu tiên là: Đây là bộ phim gì vậy? Nhưng khi dự báo tổng doanh thu tại nội địa được đẩy lên 89,218 triệu NDT, thì tranh cãi bùng nổ hoàn toàn.
Không có ngôi sao lưu lượng, không có lối kể chuyện truyền thống, thậm chí “trừu tượng” lại chính là nhãn dán lớn nhất của nó — nhưng chính điều đó mới là lý do giúp nó vượt ra khỏi “vùng an toàn”. Ở thời đại video ngắn, thẩm mỹ của khán giả đang trải qua một cuộc biến đổi âm thầm: thứ càng gọn gàng, quy củ thì càng dễ bị quên lãng; thứ càng điên rồ, khác thường thì càng dễ trở thành “tiền tệ” trên mạng để mọi người đem đi trao đổi. 《Ngưu Lai》 không phải là một sự kiện điện ảnh, mà là một sự kiện lan truyền: phòng vé của nó không phải “được xem mà ra”, mà là “được bàn tán mà ra”, “được khuấy động mà ra”.
Doanh thu gần trăm triệu nói lên một sự thật vừa tàn nhẫn vừa thú vị: trong thị trường phim hiện nay, chất lượng nội dung không còn là công thức duy nhất để ra phòng vé nữa. Tính bắt đề tài, mức độ gây tranh cãi và khả năng bùng nổ lan truyền qua mạng xã hội đang trở thành một loại “tiền tệ cứng” mới. Thành công của 《Ngưu Lai》 có thể không dễ sao chép, nhưng xu hướng mà nó vạch ra đã không thể đảo ngược — khán giả không chỉ xem phim nữa, mà đang tham gia một bữa tiệc cuồng nhiệt văn hóa trừu tượng trên quy mô toàn dân.
Đăng nhập để khám phá thêm nội dung