ndxxx

哈哈，这帖子的回复里少了个东西，女拳王 D 姐为何还不来锐评一下😁

@QS0x01 哈哈哈哈，老心，你扎铁了🤣

先不论真假，人赚不到认知以外的钱，这句话的含金量还在上升。

直播带货第一是不稳定收入，第二赚钱在郑州花了 220w （大概率全款）买房了。

所以赚钱在哪里？在我这相当于带货至今净赚 负 60 万🤣

@ndxxx 问题 -> 文本

@DiKaErJi 编辑文件的方式，就是复刻 omp 的那个问题替换范式

@DiKaErJi hashline-readmap 这个你有在用吗

pi 你用的那些插件

@Dwayne 楼主前女友冒出这个一两百万这句话直接让我绷不住笑了，小仙女小红书没少看🤣

社区消融实验揭秘：DeepSeek V4 Pro 严重依赖首轮工具锚定，两阶段插件成功复现高分能力

DeepSeek V4 Pro 正式版发布后，因实际表现不及灰度测试预期而引发社区争议。近日，开源社区通过消融实验探针对其进行了深入分析，揭示了其性能波动的底层机制并给出了解决方案：

V4 Pro 对首轮请求中可见的 API 工具目录（ Schema Surface ）极度敏感。在暴露完整 25 个工具的 Standard 模式下，模型易陷入低效的 “Let me...” 思维链（ CoT ）轨迹，Project2 评分仅为 9192 分；而在仅提供 Shell 和 Read 的 Minimal 模式下，模型能被激活为灰测时的 “We need...” 推理轨迹，基准分回升至 9699 分。

针对 Minimal 模式缺失高级工具的问题，社区开源了 dsh-anchored-standard 插件。该方案采用“首轮锚定 + 动态晋升”策略——首次请求仅暴露 2 项核心工具以锚定优质推理轨迹，一旦模型发起首次 Tool Call ，立即在后续轮次解锁全部 25 项标准工具。

在 Windows 原生 Project2 测试中，该方案连续跑出 98 、99 的高分，成功进入 Fable 等前沿模型分数带。该实验表明，V4 Pro 的核心能力并未丢失，但可能在强化学习（ RL ）后训练阶段对特定的 Harness 脚手架与工具暴露环境存在显著过拟合。

参考：microblock_pub 、DeepSeek V4 Pro / Flash 轨迹触发机制实验 、dsh-anchored-standard


DSH 其实就是 deepseek 新模型重要的一个训练工具。另外也相当于官方告诉你这个东西就是他家的官方 harness 骨架。个人开发者拿什么背书这些东西呢😅