激战2厨房:福茂集团董事长赵安吉车祸身亡，多方哀悼

"激战2厨房",福茂集团董事长赵安吉车祸身亡，多方哀悼,女网红在海底捞包间拍摄不雅视频警方通报：刑拘4人

"激战2厨房",跨省份遗弃亲生父亲，一男子除夕夜被内蒙古呼伦贝尔警方刑事拘留,西班牙瓦伦西亚一住宅楼发生火灾伤亡不明

"激战2厨房",率先采用希捷银河ExosX24，百度联手希捷全面驾驭数据力量

青柠影院手机在线观看免费

xzl幼儿视频包子铺

厨房中的激战2电视剧

厨房中的激战中2字免费观看

青柠免费影院在线观看

激战2厨房专精攻略

沈娜娜和苏语棠特工姐妹

激战2厨房:日元跌跌不休！对冲基金狂砸百亿做空，日本当局“压力山大”,国家医保局：纳入医保药品以5年内获批的新药为主,全国流感仍以乙流为主，流感检测阳性率开始逐渐下降

"激战2厨房",　　华福证券指出，无论在视频保真度、分辨率、文字理解等方面，Sora都做到了业内领先水平，此外当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，使视频生成模型具备了类似于物理世界通用模拟器的潜力。　　要点：Sora横空出世引领多模态产业革命。美国时间2月15日，文生视频大模型Sora横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，Sora都做到了业内领先水平，引领多模态产业革命。此外，当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。拆解视频生成过程，技术博采众长或奠定了Sora文生视频领军地位。从技术报告中，Sora视频生成过程大致由“视频编码+加噪降噪+视频解码”三个步骤组成，视频压缩网络、时空patches、transformer架构、视频数据集等技术与资源在其中发挥了重要作用。视频压缩网络：过往VAE应用于视频领域通常需插入时间层，Sora从头训练了能直接压缩视频的自编码器，可同时实现时间和空间的压缩，既节省算力资源，又最大程度上保留视频原始信息，或为Sora生成长视频的关键因素，并为后续处理奠定基础。时空patches：1）同时考虑视频中时间和空间关系，能够捕捉到视频中细微的动作和变化，在保证视频内容连贯性和长度的同时，创造出丰富多样的视觉效果；2）突破视频分辨率、长宽比等限制的同时显著提升模型性能，节约训练与推理算力成本。Transformer架构：1）相比于U-Net架构，transformer突显ScalingLaw下的“暴力美学”，即参数规模越大、训练时长越长、训练数据集越大，生成视频的效果更好；2）此外，在transformer大规模训练下，逐步显现出规模效应，迸发了模型的涌现能力。视频数据集：Sora或采用了更丰富的视频数据集，在原生视频的基础上，将DALL?E3的re-captioning技术应用于视频领域，同时利用GPT保障文字-视频数据集质量，使得模型具有强大的语言理解能力。　　Sora引领多模态革命，技术与资源突显优势　　1.Sora横空出世，引领多模态产业革命　　美国时间2月15日，文生视频大模型Sora横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。　　总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，Sora都做到了业内领先水平，引领多模态产业革命。此外，当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。　　2.Sora视频生成过程：视频编码+加噪降噪+视频解码　　从技术报告中，Sora视频生成过程大致由以下三个步骤组成：视频编码：VisualEncoder将原始视频压缩为低维潜在空间，再将视频分解为时空patches后拉平为系列视频token以供transformer处理。加噪降噪：在transfomer架构下的扩散模型中，时空patches融合文本条件化，先后经过加噪和去噪，以达到可解码状态。视频解码：将去噪后的低维潜在表示映射回像素空间。　　总体而言，我们认为Sora技术报告虽未能详尽阐述视频生成技术细节，但从参考技术文献中，可初步窥探出时空patches、视频压缩网络、Transformer技术架构、独特文本标注视频数据集等技术与资源优势，这些或为Sora占据业内领先地位的原因。　　博采众长，Sora技术开拓创新　　3．视频压缩网络实现降维，或为长视频生成基础　　OpenAI训练了降低视觉数据维度的网络，该网络接受原始视频作为输入，并输出在时间和空间上都被压缩的潜在表示。Sora在这个压缩的潜在空间上进行训练，并随后生成视频。与之对应，Sora训练了相应的解码器模型，将生成的潜在表示映射回像素空间。　　压缩网络本质上是将高维数据映射至低维空间，低维空间中每个点通常对应原始高维数据的潜在表示，在复杂性降低和细节保留之间达到最优平衡点，实现提升视觉保真度的同时降低算力资源消耗的作用。　　VAE为图片生成领域的常见图片编码器，应用到视频领域则需要加入时间维度以形成视频框架。例如，2023年发布的VideoLDM通过将视频拆解为每一帧，之后插入时间对齐层，从而实现了视频生成。　　Sora从头训练了能直接压缩视频的自编码器，既能实现空间压缩图像，又能在时间上压缩视频。我们认为，在时空维度上压缩视频，既节省了算力资源，又最大程度上保留视频原始信息，或为Sora生成60s长视频的关键因素，并为后续时空patches和transfomer架构处理奠定基础。　　4.1时空patches统一视频分割，奠定处理和理解复杂视觉内容的基石　　Sora借鉴LLM中将文本信息转化为token的思路，针对视频训练视觉patch，实现视觉数据模型的统一表达，实现对多样化视频和图像内容的有效处理和生成，之后通过视频压缩网络分解为时空patches，允许模型在时间和空间范围内进行信息交换和操作。　　从Sora技术报告来看，时空patches或借鉴ViViT操作。　　ViViT借鉴ViT在图片分割上的思路，把输入的视频划分成若干个tuplet，每个tuplet会变成一个token，经过spatialtemperalattention进行空间和时间建模获得有效的视频表征token。　　传统方法可能将视频简单分解为一系列连续的帧，因而忽略了视频中的空间信息，也就是在每一帧中物体的位置和运动。我们认为，由于连续帧存在时空连续性，Sora的时空patches可同时考虑视频中时间和空间关系，能够更加精准生成视频，捕捉到视频中细微的动作和变化，在保证视频内容连贯性和长度的同时，创造出丰富多样的视觉效果，灵活满足用户的各种需求。　　4.2Sora时空patches突破视频长宽比、分辨率等限制　　OpenAI表示，过去的图像和视频生成方法通常会将视频调整大小、裁剪或修剪为标准尺寸，而这损耗了视频生成的质量。例如，ViT通常需要将图像调整为固定的分辨率与尺寸进行处理，并仅能分解为固定数量的patches，因而限制了灵活处理不同尺寸、分辨率视频的建模。　　Sora或借鉴谷歌NaViT中“Patchn’Pack”的方法，在训练效率、模型适应性和推理灵活性等方面具有显著优势。1）允许从不同图像中提取多个patch打包在一个序列中，从而实现可变分辨率并保持宽高比。2）NaViT相比ViT具有较高计算性能。例如，使用四倍少的计算量，NaViT到达顶级ViT的性能。此外，NaViT可以在训练和微调过程中处理多种分辨率的图像，从而在各种分辨率下都能表现出优秀的性能，在推理成本方面给NaViT带来了显著的优势。　　我们认为，经过patch化之后，Sora无需对数据进行裁剪，就能够对不同分辨率、持续时间和长宽比的视频和图像的原始数据进行训练，既极大程度上利用原始信息保障生成高质量图片或视频，又显著提升模型性能，节约训练与推理算力成本。　　根据技术报告，Sora在原视频训练有以下优势：采样灵活性：Sora可以采样宽屏1920x1080p视频、竖屏1080x1920视频以及介于两者之间的所有格式。这使得Sora能够直接按照不同设备的原生宽高比创建内容。它还允许在使用同一模型生成全分辨率内容之前，快速原型化较小尺寸的内容。改进的构图和画面组成：将Sora与一个版本的模型进行了比较，该模型将所有训练视频裁剪成正方形。在正方形裁剪上训练的模型有时会生成主体只部分出现在视野中的视频。相比之下，来自Sora的视频具有改善的取景。　　4.3Transformer架构突显ScallingLaw的“暴力美学”　　扩散模型定义了扩散步骤的马尔科夫链，先通过向真实数据添加随机噪声，后反向学习扩散过程，从噪声中构建所需数据的样本，逐步降噪输出图片或视频。其中，U-Net为扩散模型的重要架构之一，通过训练U-Net预测噪声，逐步去噪后输入结果。　　U-Net为卷积神经网络模型（CNN），在视频生成领域存在需裁剪数据与额外引入时间层等缺陷。1）卷积神经网络由于架构限制，存在分辨率与长宽比约束，输入与输出的结果均需调整至标准化大小，可能产生性能损失与效率低下等问题。2）U-Net的去噪模型在处理视频数据时，需额外加入一些和时间维度有关的操作，比如时间维度上的卷积、自注意力。在该过程涉及到时间注意力块嵌入位置问题，因而或较难处理长视频较多帧数的时间嵌入。　　OpenAI在2020年首次提出了模型训练的秘诀——ScalingLaw。根据ScalingLaw，模型性能会在大算力、大参数、大数据的基础上像摩尔定律一样持续提升，不仅适用于语言模型，也适用于多模态模型。　　Sora替换U-Net为DiT的transformer作为模型架构，具有两大优势：　　1）transformer可将输入视频分解为3Dpatch，类似DiT将图片分解为图块，不仅突破了分辨率、尺寸等限制，而且能够同时处理时间和空间多维信息；　　2）transformer延续了OpenAI的ScalingLaw，具有较强的可拓展性，即参数规模越大、训练时长越长、训练数据集越大，生成视频的效果更好。例如，Sora随着训练次数的增加，小狗在雪地里的视频质量显著提升。　　U-Net为扩散模型主导架构，主要系Transformer中全注意力机制的内存需求会随输入序列长度而二次方增长，高分辨率图像处理能力不足。在处理视频这样的高维信号时，这样的增长模式会让计算成本变得非常高。然而，我们认为，OpenAI背靠云计算资源，具有较强的算力禀赋支持其再次打造“ChatGPT”时刻的Sora，此外通过视频网络空间降维技术可起到节约算力资源的作用，进一步促成Sora的成功与巩固OpenAI的龙头地位。　　4.4Sora在Transformer大规模训练下涌现模拟能力　　Sora在大规模训练的“暴力美学”下，未经过明确的3D、物体等归纳信息的训练，逐步显现出规模效应，迸发了模型的涌现能力：3D一致性：Sora能够生成具有动态相机运动的视频。随着相机的移动和旋转，人物和场景元素在三维空间中保持一致地移动。长距离连贯性和物体持久性：Sora通常能够有效地建模短距离和长距离依赖关系。例如，即使在人、动物和物体被遮挡或离开画面时，也能持续保持它们的存在；在单个样本中生成同一角色的多个镜头，并在整个视频中保持其外观。与世界互动：Sora有时可以模拟一些简单的动作来影响世界的状态。例如，画家可以在画布上留下随时间持续存在的新笔触，或者一个人可以吃一个汉堡并留下咬痕。模拟数字世界：Sora可以在同时控制《我的世界》中的玩家采用基本策略的同时，还能以高保真度渲染世界及其动态。　　4.5数据来源或更为丰富，视频重标注技术展示强大语言理解能力　　缺乏丰富的视频数据集以及如何对视频标注文本为文生视频的主要难点之一。从流行的Gen-2、EmuVideo等应用来看，这些模型通常先利用CLIP技术训练生成文本-图像对，之后加入时间层对视频进行标注，因而或许面临视频数据质量保证问题。　　Sora训练数据集具有如下特点：数据来源或更为丰富。Sora技术报告未披露训练数据的详细情况，而我们认为从其涌现能力表现来看，Sora在训练数据中或许容纳了众多电影、纪录片、甚至游戏引擎等合成数据。原生视频处理。不对视频/图片进行裁剪等预处理，从而保证Sora生成的灵活性。Sora建立在过去DALL?E3和GPT模型的研究基础之上，构建视频re-captioning，使得模型具有强大的语言理解能力。原始的文本可能并不能很好的描述视频，可以通过re-captioning的方式为视觉训练数据生成高度描述性的字幕。因此，该模型能够在生成的视频中更忠实地遵循用户的文字提示。本文节选自华福证券《Sora技术深度解析》，施晓俊（执业证书编号：S0210522050003）　　风险提示及免责条款　　市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。股市回暖，抄底炒股先开户！智能定投、条件单、个股雷达……送给你>>海量资讯、精准解读，尽在新浪财经APP

"激战2厨房",专业选手打在身上的拳头固然痛，却也不如生活曾给她的暴击那么痛彻心扉。她不是不怕痛，她是曾经千百倍地痛于现在，显得那雨点式--**--　　专业选手打在身上的拳头固然痛，却也不如生活曾给她的暴击那么痛彻心扉。她不是不怕痛，她是曾经千百倍地痛于现在，显得那雨点式的拳头落在身上也像甘霖了。　　文| 阿布　　虽然前几天已经在各种剧透图中见到了贾玲减重后的真容，在情人节上海影城路演活动上见到活的（半个）贾玲的时候，我还是露出了和电影里乐莹听到李雪琴跟乔杉结婚还非得请自己当伴娘时一样的表情：woc，她腰这么细！woc，她都没有穿个修身的衣服来显身材！woc，这世界上果然只有胖子才会想要通过穿对衣服来“显瘦”，而瘦子是穿什么都显瘦的！贾玲在上海　　为什么对胖子的恶意这么大？　　其实前几天我对《热辣滚烫》的饥饿营销还是有点反感的：拿瘦了100斤当宣传法宝，又不公布照片，藏着掖着放一张阴影身形图，这是必须在大年初一买张电影票才能看到贾玲真容的意思吗？　　但是那天看完片子我反而理解了贾玲说的，这部电影不是在讲减肥。电影里女主角乐莹（当然也是贾玲本人）从210斤减到110斤的过程，大概只剪进去一分钟吧。为了不让电影重心偏移到减肥上去，贾玲把大家对她个人的关心都交代在了片尾字幕里——长长的备忘录记载下她体重的浮动数字，记载下她深夜对鸡爪和小蛋糕的渴望，也记载下她的反弹、崩溃与再战。　　尽管贾玲不想多提，但是鉴于这100斤确实太过震撼，电影从未映到已映多日，都免不了让人们的关注点偏移到体重上去。这些天对于电影内容的讨论热度显然远远不及贾玲的体重——短视频上有无数健身博主在拆解电影里乐莹的每一个健身动作，有无数减肥博主在自述自己减掉50—100斤的经历，当然也有很多人在质疑她，这些质疑包括但不限于以下种种：　　贾玲瘦了皱纹多了，不如以前喜庆了；　　贾玲肯定是打司美格鲁肽瘦的，要不然药发明前她怎么不减；　　贾玲减肥那是有高薪团队的，普通人不要学，你减不到那样；　　贾玲减肥肯定是为了嫁人的；　　贾玲减下来有几十亿元票房，你又没有，别天真得替人家数钱；　　今天又升级到了一个离谱的谣言，说贾玲减下来像姜昆，她肯定是姜昆的私生女，不然怎么发展得这么好？　　哎呦喂，怎么说呢，人类的确是有点“爱打分”的天性在身上，喜欢对人说长道短，喜欢互相比较，也喜欢将自己的意志加之于人。倒也不觉得生气，只觉得挺耐人寻味的，就好像看到一个人说：贾玲瘦了以后就不是她了，还体贴地加了一个括号：（与体重无关）——合着贾玲减掉的那100斤里，还包括了她21克重的灵魂了是吗？　　上海路演现场，来了一个和贾玲一样减掉100斤的女生，那女生抱着贾玲就开始哭，说她很难过的是，减肥之后有人会对她说：你瘦了以后就不好看了。　　好家伙，胖的时候有人说你不好看，瘦了照样被人说。官字两个口，都不及有的人嘴皮子两边翻呐。然而可惜的是，人类除了有爱给别人打分的天性，同时还配套了“自我攻击”的基因——别人的评价，尤其是差评，很容易被听进去、接纳下来、化成自我批评自我攻击的能量。电影里的乐莹不就是在周边众口一词的嫌弃中陷入自我厌恶和无价值感的吗？（也是抑郁症的根源之一，嗯）　　电影上映之后引发过一个提问：为什么人们对胖子的恶意这么大？　　我想了想，其实不是人们对胖子的恶意特别大，而是人会对别人身上和自己不同的特点普遍抱有一定程度的恶意，胖子只是因为容易和“懒”“贪吃”“不自律”联想在一起而更加雪上加霜——想想学生时代，什么样的人最容易受到霸凌？无非是，个子矮一点，高一点，胖一点，瘦一点，戴眼镜，青春期胸大一点，口吃，成绩差一点……总之，只要某方面和大多数人不太相同，就容易受到集体的排挤。我们从小到大，大概身边总有几个“猴子”“长脚”“猪头”“四眼”，我也曾在学生时代被人叫过几年“胖子”。　　这些绰号大多都谈不上太大的恶意，但也说明了一个事实：当你偏离“正常”的时候，哪怕只是偏离一点点，别人就可以凭借他的“正常”，不需作出任何努力，仅仅只是站在你面前就获得一定的优越感，一声声胖子、猴子背后，其实大多是评价你的人，在这一刻需要通过你，去确认他自己的价值。理解了这一点之后，虽然我们永远也不可能改变别人，却可以在遇到恶意评价的时候，将那些重重压来的欲加之罪，随手轻轻放下。路演现场　　贾玲当然很有智慧，现场被无数人喊着“我爱你”的时候，她笑说：“你们都爱我呀？！我会反弹的啊！”路演现场　　瞧你说的，反不反弹的，那不都得爱你吗！“胖的时候做个快乐的胖子，觉得自己不健康了就适当减点儿”——你看你都这么说了，还有人说你拍电影是为了“审丑”，说最瞧不起胖子的就是你——你永远无法获得所有人的爱，你也不能阻挡反弹后依然被人爱，对不对？（只不过通过增肌和改变饮食方式获得的减重，会不会大幅反弹，本身很值得怀疑。）　　被嫌弃的乐莹的半生　　承认别人有才华又肯努力还干出了大成绩有这么难吗？对有些人来说，好像真的有——乐莹在电影里的每一记出拳，在他们看来都是打拳，拳拳正中他们的玻璃心。　　和这些人聊电影内容大概是徒劳的，不过基于大多数观众并没有那么偏激，我还是想抛开贾玲的体重，再说几句电影。　　看完电影我觉得贾玲是个好演员，乐莹那种因为自卑和终日无所事事不与社会交流造成的“呆”，那种讲话都是嗫嚅，和外人有了分歧从不还嘴，逆来顺受的状态，挺真实的，也和她此前的喜剧角色大相径庭，在一定程度上体现了她作为演员的可塑性。　　贾玲也是个好导演，在这样一部讲述个人成长的电影里融入了贺岁档需要的搞笑与感动，搞笑并不生硬，是原创的生活化的笑料，这已经跑赢了很多导演；感动也并不是无脑爽文，后者通常充满了不切实际的“向生活复仇”情结——这一点你从雷佳音饰演的“坤教练”并未被十分矮化也可以看出来：他那段暴怒发脾气的“渣男戏”，其实是因为乐莹当时说出了他内心对自己的差评，在当下引发了强烈的自我防御，这恰恰说明他内心里对她的观点是认同的。而他丢掉的梦想又被她捡起，也可算是一种“爱过”的证明吧。雷佳音　　非要说深度的话《热辣滚烫》也许谈不上，非要跟费里尼比那估计贾玲自己也得吓一跳。中国女导演本来就屈指可数，贾玲这才第二部，和她的第一部《你好，李焕英》一样，贵在真诚。只要这种真诚保持下去，她今后大概率是会越拍越好的。　　原版《百元之恋》的女主角，打动人的精髓是那种日式的“丧到极点便是自由”；而《热辣滚烫》是逆来顺受半生“就是想赢一次”，立意固然不同，倒也不能草率地大笔一挥，就说翻拍不如原版高级。　　今年贺岁档和贾玲同台PK的国师张艺谋曾经有一句名言，说一部电影能有三五分钟让观众记住就足够了。在《热辣滚烫》里，很多观众开始“爆哭”的点是那条走廊里肌肉乐莹和胖乐莹的对视——　　这一段，贾玲出场的时候，身上的衣服印着“李焕英的女儿”几个字，只是考虑到为了不让观众出戏，故意写得比较潦草。看电影的时候我也确实没认出这几个字。　　后来在片尾花絮里我们看到了更多的“走廊戏”——原来每减掉大概十多斤，贾玲就会重新拍一段走廊戏。我想，这也是她给自己的不断鼓励吧。如果我们能为《机械师》里减重55磅的克里斯蒂安·贝尔送上一声“敬业”，怎么就不能为贾玲再说一次？　　戏里戏外，这段“走廊戏”，应该都会被观众记住，很久很久。　　果汁分你一半，苹果要看心情　　相形之下，拳击在电影里只是一个载体。话虽如此，贾玲还是请来了王德新担任拳击技术指导，他是奥运拳击赛场上唯一的中国籍裁判。戏里把乐莹打趴的是张桂玲，全国女子拳击冠军，据说出拳力度超大，拍戏的时候应贾玲要求也没收着，打在身上是真疼，还差点脑震荡。片尾彩蛋里和贾玲过招的是李菲菲，同样是专业拳击手。他们也都来到了现场。　　虽然体育精神感人，但是坦白说，我还是不喜欢拳击。因为个人家庭原因，早年我每个周日的早晨都在“Are！！！You！！！ready！！！！！！”的怒吼中醒来，那是电视台在转播拳击赛——拳台上血呼啦滋的拳击手聒噪得令我厌烦，更不用说还有拳击手上了台把红袍子一掀，发现里面“忘了”穿底裤，或者拳击手眼看打不过对手，把对方耳朵咬下来……总之我的童年也是见过不少拳台名场面的，对拳击运动是完全爱不起来。　　因此看到电影最后那场拳击大赛，乐莹以业余身份对战专业选手，一样被打得血呼啦滋的时候，我的内心和看台上的张小斐是一样样的：被人打成这样，看着都嘎嘎疼，还不肯下台，有病吧？能上台就是精神胜利，服个输，不丢人啊！　　没想到，导演贾玲会在这儿安排一段《你好，李焕英》式的“反转”闪回——在闪回里我们看到此前她遭遇所有扎心事件的一系列反转，或者不该说反转，该说递进——伤害在闪回中一步步加深，最终几乎将她逼上绝路，若不是当时有200斤体重护体，也就真的是绝路了。（所以有的医生会说留点脂肪关键时刻能保命是真的，苦笑。）张小斐这次演贾玲的姐姐　　看到这里才理解了拳台上的乐莹——专业选手打在身上的拳头固然痛，却也不如生活曾给她的暴击那么痛彻心扉。她不是不怕痛，她是曾经千百倍地痛于现在，显得那雨点式的拳头落在身上也像甘霖了。　　也是看到这里才明白《热辣滚烫》与其说是《百元之恋》的改版，倒不如说是《被嫌弃的松子的一生》的改版——松子终于不再微笑着滚下山坡，松子瘫倒在拳台上，却告别了她四处讨好依然众叛亲离的前半生。　　今后，当她再有一大一小两个苹果的时候，给朋友哪一个，完全看心情了。　　在上海影城路演的时候，不知是谁提了一句，说电影里训练乐莹的那个教练坤哥（不是雷佳音），后来对乐莹也产生了某方面的情愫。有人听到这个说法挺激动，好像发现了什么不得了的爆点一样，追问贾玲，是不是啊？有没有啊？爱没爱啊？贾玲犹豫了大概一秒钟吧，回答说：whocares！（谁在乎啊）　　对啊，都减掉100斤练出一身肌肉了，都是穿prada的女魔头了，健身教练对自己到底有没有过好感，谁还care啊？　　就像有的人会说他还是更喜欢胖胖的贾玲，个么在“你喜欢”和“瘦很多”之间选择，你觉得贾玲，或者说绝大多数女人，她会选哪个？点击进入专题：

"激战2厨房",
作者：巢妙彤

钧达股份港交所IPO：57岁陆小红任董事长，丈夫徐晓平任副总经理

"激战2厨房",福茂集团董事长赵安吉车祸身亡，多方哀悼,贝佐斯和英伟达将加入OpenAI投资人形机器人初创公司Figure丨从华尔街到陆家嘴,谁能代表中国AI？,美官员证实美英两国对也门胡塞武装发动新一轮袭击,“韩特估”真的来了！抄日本作业韩监管机构放出“大招”

"激战2厨房",华米发布ZeppOS3.5手表系统：号称“业内首创”ZeppFlowAI大模型自然语言用户界面

"激战2厨房",
总监制：庚绿旋

监 制：殷栋梁

主 编：长孙家仪

编 审：毓觅海

（文章未经授权不得转载。）