@Mirage09 没希望就没希望了，WA 这种除了 EDL 就没有其他 Real ID 的州，不要也罢

@smileherd 至于事实依据，看下福润排行榜上高净值家庭的数量，再看下全球净值超过 1600 万美元的个人有多少就知道了...

@smileherd 我说的不但不是每个人，而且指的是非常小比例的人，你可以认为是 1%都远不到...但是你的文章给人的感觉，仍然是可观比例的人（假定是百分之几）能够达到这个财富水准，而事实是这都过于乐观，不符合现实

这个帖子的不合理之处就在于由于市场经济的内在规律，人类社会的财富是幂律分布的，因此在货币不发生显著贬值的情况下，不可能人人都是亿万富翁...我觉得在初始资本充裕的情况下，赚一个小目标其实未尝不可，但是夸大这个目标的普遍性，轻视其中的困难和资本主义内在规律不可取...

总之学术界这边 lstm 和 rnn 给我的感觉都是上古的东西了...

其实 transformer 也分单向和双向模型，前者就是 gpt ，后者就是 bert 以及衍生出的一系列 mlm 模型...另外单向和双向模型拼接在一起就可以得到 seq2seq model ，比如 bart 或者 t5 ，或者通过构造特殊的 attention mask 也可以实现一个 transformer stack 的 seq2seq model (unlm v1/v2)

@tianshilei1992 ur 点数 yyds ，不过能蹭到员工优惠 75 折那更香…

在 Reddit 看到过一个帖子，这次苹果对高阻抗耳机特别增强了推力，不需要开太大音量了…

@minsheng 可以，现在 Pytorch 官方就在把 TPU （确切说是 XLA ）支持迁移到 Lazy Tensor 架构去…不过我平时还要做 research ，所以也不确定有没有时间搞这个…

@makeitwork 其实 PyTorch 最快支持 M1 的办法应该是开发一个基于 MLCompute 的 JIT 后端，然后利用正在开发的 Lazy Tensor 模拟 eager evaluation...等新电脑到了我准备看看能不能搞个 prototype 玩玩...

@Xusually 这不是 ix ，真正意义上的 ix 可能只有杭州的那个以及之前网宿搞的 chn-ix...

这...我觉得你们需要做密码学的 PhD ，master 可没能力搞算法...

@Livid 下面感觉完全歪楼了，变成了互撕…另外部分楼层的刷帖行为真的大丈夫？

@industryhive Rust 的 cranelift 后端以后是计划 JIT 执行 rust 的，效率应该会有提升，当然这种情况下 ffi 对效率会有一定影响（其实 gcc 后端用的是 libgccjit，说不定也行）

@lovestudykid Use tax 这个东西，至少对华州来说，大概除了 Oregon 买的车要上牌之外就没啥其他东西收上来过（手动滑稽）…有兴趣可以对比一下 Clark county 和 king county 比消费税少收多少…

就等着 Rust 进前 20 的那一天…