是的，谁家正经 javac 在这个路径上（ doge

每过几个月换个密钥就行了，就算被当作了训练数据也不会立刻反应到市面的模型中

另外 vscode 的 gitlen 插件也还可以

曲线救国：用 wslg 在 wsl 里跑 linux 下的图形化 git 客户端

不错，好看

26 不太行，正式版都一堆 bug ，beta 也比以前惨烈多了

单纯就是有人（ or 脚本）在尝试用安全提示问题改你密码吧

现在所有 LLM 基本都是赛博人体蜈蚣

可以换了，我今年 13p 已经能感到卡了（还是换过官方电池的），换了 air 后很爽

如果是关机的话，关掉 find my iphone 就行了吧

@evegod 有探索精神自己动手实践是好的，不过做学术不是这么搞的，AI 领域一天的新论文都有几百几千篇，你不能指望别人主动去花时间复现一个甚至还不完整的工作，还是先等你至少能放出一些效果或者评测结论后再说吧

@WuSiYu 当然我们的“单臂路由”似乎并不是同一种，我那个是配的是“旁路由”，ipv4 是主路由横跨两个网段，上行过软路由到主路由，下行直接从主路由发到客户端。你这种似乎只是划分 vlan 的话，按说跟正常网络层拓扑没区别

不知道是不是同样的问题，但或许可以检查下这两个设置然后试试：
1. 在“防火墙”页面中关闭“丢弃无效数据包”
2. 打开 WAN Zone – 编辑 – 连接追踪设置 – 允许“无效”流量

这是我之前折腾单臂路由时遇到网络不通的解决方案，具体请参考： https://wusiyu.me/openwrt-bypass-gateway-tcp-not-work/

typo: 分析器 -> 分词器

另外你这满满民科的用词真的很难让人看下去

简单看了下，似乎没啥人，那我先来锐评下你的几个核心点吧：

1. 四元数这个点，看起来是加了一个数学约束，做了个权重复用。直接的结果是能省一些参数量，而能不能有什么神奇的能力提升效果目前还无从得知（你不能只是形而上学的解释，需要有更有说服力的推导或者实验）；

2. rank-8 这个点，看起来就是把 lora 的 adapter 直接当原始模型用了（或者有点深度可分离卷积那种意思），但能否有性能和参数量比的收益很难说。另外 rank=8 这种量级，我很怀疑这到底能不能 work （毕竟这又不是 lora 微调）。你说正常 LLM 学东西是背书，那有没有一种可能就是你的模型压根就学不会呢？

3. 直接不用分析器是开历史倒车，这会浪费很多模型的能力去做本不需要它做的事，跟你最求小参数量的目标是相反的；

4. trivial

code/readme is cheap, show me the paper/evaluation

因噎废食这一块

等回头哪天你把小病拖成大病就老实了，到时候记得可别找医院闹哦

@akorn 那个 1000T 是 fp4+稀疏，要按这么算 5090 有 3352T