老友地方游戏辅助器有挂吗,可以开挂，确实是有挂的 ，需要了解微【64579926】很多玩家在这款游戏中打牌都会发现很多用户的牌特别好
，总是好牌，而且好像能看到其他人的牌一样 。所以很多小伙伴就怀疑这款游戏是不是有挂 ，实际上这款游戏确实是有挂的
1.微乐这款游戏可以开挂
，确实是有挂的，通过客服微【64579926】了解详细

2.在"设置DD功能DD程序手麻工具"里.点击"开启".

3.打开工具.在"设置DD新消息提醒"里.前两个选项"设置"和"连接软件"均勾选"开启"(好多人就是这一步忘记做了)

4.打开某一个分组.点击右上角.往下拉."消息免打扰"选项.勾选"关闭"(也就是要把"群消息的提示保持在开启"的状态.这样才能触系统发底层接口)

【央视新闻客户端】
据报道：

                    

本文来自微信公众号：APPSO （ID：appsolution） ，作者：发现明日产品的，原文标题：《美国现在最贵的
，是中国 AI 人才：清北中科大学霸正在“统治 ”硅谷 AI 圈》，题图来自：AI生成

过去两周 ，AI行业最出圈的不是哪个产品
，而是人
。经常一觉醒来，社交媒体的时间线都在刷新换汤不换药的新闻：又双叒叕有哪位AI大牛被挖走了。

顶级AI人才 ，正成为AI赛道上最稀缺 、也最具品牌效应的资产 。

在这轮人才流动的风暴中心中
，我们发现一个格外显眼的细节：这群主导过ChatGPT
、Gemini、Claude等大模型研发的核心成员中，华人科学家的比例出奇地高
。

这个变化并不是突然出现的 ，这几年兴起的AI浪潮中
，美国的顶级AI人才中华人占比不断升高。根据MacroPolo发布的《全球人工智能人才追踪调查报告2.0》，来自中国的顶尖AI研究人员占比在2019年到2022年间 ，从29%提升到了47% 。

而在智谱研究此前发布的《ChatGPT团队背景研究报告》
，更是发现在ChatGPT核心的87人团队中，有9人都是华人 ，占比超过10%。

因此，我们也重新梳理了近期在硅谷头部公司中广受关注的华人AI研究员画像
，并试图从中总结出一些特征：

1. 顶尖名校出身，学术能力极强

他们大多本科就读于清华 、北大
、中科大、浙大等顶尖高校 ，计算机或数学背景居多；研究生阶段普遍进入MIT 、斯坦福、伯克利
、普林斯顿、UIUC等名校深造
，几乎每人都有顶会高引论文傍身（NeurIPS 、ICLR
、SIGGRAPH等）
。

2. 年轻高产，爆发周期集中于2020年之后

年龄多在30～35岁；硕博阶段恰逢深度学习的全球爆发期 ，学术基础扎实
，熟悉工程体系和团队协作。不少人职业的第一站就是接触大厂或服务大规模人群的AI产品或平台，起点更高、节奏更快 。

3. 强多模态背景 ，攻坚模型后训练

他们的研究方向普遍着重于跨模态（文本 、语音
、图像、视频 、动作）的统一推理系统
，包括RLHF
、蒸馏、对齐 、人类偏好建模
、语音语调评估等具体细节
。

4. 即便频繁流动，但基本不会脱离生态

Google、Meta 、微软、英伟达 ，Anthropic
、OpenAI……他们的流动范围横跨AI初创与大厂巨头
，但研究主题、技术积累往往保持连贯性，基本不会更换赛道。

Shuchao Bi

Shuchao Bi本科毕业于浙江大学数学系 ，后赴加州大学伯克利分校深造，先后获得统计学硕士学位
，并攻读数学博士 。

2013～2019年，他在Google担任技术负责人 ，主要贡献包括构建多阶段深度学习推荐系统
，显著提升Google广告收益（数十亿美元级别）
。

2019～2024年，他担任YouTube Shorts探索负责人 ，期间
，联合创建并主导Shorts视频推荐与发现系统，并组建并扩展大规模机器学习团队 ，覆盖推荐系统 、评分模型
、互动发现、信任与安全等方向。

2024年加入OpenAI后
，他主要领导多模态后训练组织，是GPT-4o语音模式与o4-mini的联合创造者 。

期间 ，他主要推进RLHF 、图像/语音/视频/文本推理
、多模态智能体、多模态语音到语音（VS2S） 、VLA
、跨模态评估系统等
，也涉及多模态链式推理、语音语调/自然度评分 、多模态蒸馏与自监督优化，其核心目标是通过后训练构建更通用的多模态AI Agent
。

2013年 ，Huiwen Chang本科毕业于清华大学计算机系（姚班），后赴美国普林斯顿大学攻读计算机科学博士
，研究方向聚焦于图像风格迁移
、生成模型和图像处理，曾获微软研究院奖学金。

在加入OpenAI之前 ，她在Google担任高级研究科学家
，累计工作超过六年，长期从事生成模型与计算机视觉研究 ，曾在Google Research发明MaskGIT和Muse文本生成图像架构 。

早期的文本生成图像主要依赖扩散模型（如DALL·E 2、Imagen）
，这些模型虽然生成质量高，但推理速度慢 、训练开销大
。而MaskGIT和Muse则采用了“离散化+并行生成
”的方式 ，大幅提升了效率。

MaskGIT是非自回归图像生成的新起点
，Muse则是将这一方法推向文本图像生成的代表作 。它们不像Stable Diffusion那样广为人知，但在学术与工程体系中 ，是非常重要的技术基石。

此外
，她也是扩散模型顶级论文《Palette:Image-to-image diffusion models》的联合作者之一
。

这篇论文发表于SIGGRAPH 2022，提出了一种统一的图像到图像翻译框架 ，并在图像修复、着色
、补全等多个任务上超过GAN和回归基线，至今已被引用超过1700次
，成为该领域的代表性成果之一。

2023年6月起，她加入OpenAI多模态团队 ，联合开发了GPT-4o图像生成功能
，继续推动图像生成、多模态建模等前沿方向的研究与落地 。

Ji Lin主要从事多模态学习 、推理系统与合成数据方向的研究
。他是多个核心模型的贡献者，包括GPT-4o
、GPT-4.1、GPT-4.5 、o3/o4-mini
、Operator、以及4o图像生成模型等。

他本科毕业于清华大学电子工程专业（2014–2018） ，从麻省理工学院获得电子工程与计算机科学博士学位
，导师为知名学者Prof.Song Han 。

博士阶段，他的研究方向聚焦于模型压缩 、量化
、视觉语言模型、稀疏推理等关键方向
。

在2023年加入OpenAI之前 ，他曾在英伟达 、Adobe和Google担任实习研究员
，并在MIT长期从事神经网络压缩与推理加速相关研究，积累了深厚的理论基础与工程实践经验。

学术方面 ，他在模型压缩
、量化和多模态预训练等方向有多篇高影响力论文
，Google学术总引用数超过17800，代表成果包括视频理解模型TSM、硬件感知量化方法AWQ 、SmoothQuant以及视觉语言模型VILA 。

他也是GPT-4o系统技术文档的核心作者之一（比如GPT-4o系统卡） ，并凭借AWQ论文获得MLSys 2024最佳论文奖
。

Hongyu Ren本科在北京大学获得计算机科学与技术学士（2014–2018）学位，随后在斯坦福大学获得计算机科学博士（2018–2023）学位。

他曾获得苹果、百度以及软银Masason基金会PhD Fellowship等多项奖学金
，研究方向聚焦于大语言模型
、知识图谱推理、多模态智能与基础模型评估 。

在加入OpenAI之前，他曾在Google 、微软以及英伟达有过多段实习经历 ，比如2021年在苹果担任实习研究员期间
，参与Siri问答系统的搭建
。

2023年7月加入OpenAI后，Hongyu Ren参与构建了GPT-4o
、4o-mini、o1-mini 、o3-mini
、o3和o4-mini等多个核心模型 ，并领导后训练团队。

用他的话来说：“I teach models to think faster
，harder and sharper.（我教模型思考得更快、更努力 、更敏锐 。）”

学术领域，他的Google学术总引用数超过17742次 ，高被引论文包括：《On the Opportunities and Risks of Foundation Models》（引用6127次）；《Open Graph Benchmark》（OGB）数据集（引用3524次）等。

Jiahui Yu本科毕业于中国科学技术大学少年班
，获得计算机科学学士学位，随后在伊利诺伊大学香槟分校（UIUC）获得计算机科学博士学位
。

他的研究重点包括深度学习
、图像生成、大模型架构 、多模态推理和高性能计算。

在OpenAI任职期间 ，Jiahui Yu担任感知团队负责人
，主导开发GPT-4o图像生成模块
、GPT-4.1、o3/o4-mini等重要项目，提出并落地了“Thinking with Images ”感知体系 。

在此之前 ，他曾在Google DeepMind工作近四年，期间是PaLM-2架构与建模的核心贡献者之一
，并共同领导了Gemini多模态模型的开发，是Google多模态战略中最重要的技术骨干之一
。

他还拥有在英伟达 、Adobe、百度
、Snap、旷视和微软亚洲研究院等多家机构的实习经历 ，研究内容涵盖GAN 、目标检测
、自动驾驶、模型压缩 、图像修复与大规模深度学习训练系统等多个方向。

Jiahui在Google学术上总引用次数超过34500次
，h指数达49，代表性研究成果包括图文对齐基础模型CoCa
、文本生成图像模型Parti、神经网络可伸缩设计BigNAS ，以及广泛应用于Adobe Photoshop的图像修复技术DeepFill v1和v2等 。

Shengjia Zhao本科毕业于清华大学计算机系
，曾在美国莱斯大学交换，后于斯坦福大学获得计算机科学博士学位 ，专注于大模型架构 、多模态推理和对齐方向的研究
。

2022年
，他加入OpenAI，担任核心研发成员 ，深度参与GPT-4和GPT-4o的系统设计工作。曾主导ChatGPT
、GPT-4、所有mini模型 、4.1和o3的研发工作
，还曾领导OpenAI合成数据团队 。

他是《GPT-4 Technical Report》（被引超过1.5万次）和《GPT-4o System Card》（被引超过1300次）的联合作者，并参与了多个系统卡（如OpenAI o1）的撰写 ，是推动OpenAI基础模型标准化与公开化的重要贡献者之一
。

在学术表现上，他Google学术总引用数超过21
，000次，h指数为25 ，曾获得过ICLR 2022 Outstanding Paper Award
、JP Morgan PhD Fellow、Qualcomm创新奖学金（QinF）与Google Excellence Scholarship等多项奖项。

2009年
，Pei Sun在清华大学获得学士学位，随后前往卡内基梅隆大学攻读硕士和博士学位 ，顺利完成硕士阶段学习
，并在博士阶段选择退学 。

他曾在Google DeepMind担任首席研究员，期间主攻Gemini模型的后训练 、编程和推理工作 ，是Gemini系列模型（包括Gemini 1、1.5
、2和2.5）后训练、思维机制构建与代码实现的核心贡献者之一
。

在加入DeepMind之前
，Pei曾在Waymo任职近七年，担任高级研究科学家 ，主导了Waymo两代核心感知模型的研发
，是自动驾驶感知系统演进的中坚力量。

更早些时候，他曾在Google担任软件工程师五年多 ，后又加入分布式存储公司Alluxio任职工程师超过一年，参与系统架构研发 。

Banghua Zhu本科毕业于清华大学电子工程系
，后赴美国加州大学伯克利分校攻读电气工程与计算机科学博士，师从著名学者Michael I.Jordan和Jiantao Jiao。

他的研究聚焦于提高基础模型的效率与安全性 ，融合统计方法与机器学习理论
，致力于构建开源数据集和可公开访问的工具
。他的兴趣方向还包括博弈论 、强化学习
、人机交互以及机器学习系统设计。

他代表性论文《Chatbot Arena》提出了人类偏好驱动的大模型评测平台，成为LLM领域的重要基准之一 。

此外 ，他还在RLHF、人类反馈对齐 、开源对齐模型等方向有所贡献
。其Google学术显示引用总数超过3100
，h指数为23，也是大模型竞技场“Chatbot Arena
”
、“Benchbuilder”、“Starling ”等多个热门开源项目的核心作者之一。

他曾在Microsoft担任研究实习生 ，在Google担任学生研究员
，曾联合创立AI初创公司Nexusflow，今年6月 ，他宣布加入英伟达Star Nemotron团队担任首席研究科学家
，此外将于今年秋季入职华盛顿大学的助理教授 。

根据其发布内容，他将在英伟达参与模型后训练 、评估
、AI基础设施和智能代理构建等项目 ，强调与开发者及学术界的深度协作，并计划将相关成果开源
。

Jiantao Jiao是加州大学伯克利分校电气工程与计算机科学系以及统计系的助理教授。

他于2018年获得斯坦福大学电气工程博士学位
，目前是多个研究中心的联合负责人或成员，包括伯克利理论学习中心（CLIMB）、人工智能研究中心（BAIR Lab） 、信息与系统科学实验室（BLISS）以及去中心化智能研究中心（RDI） 。

他的研究集中于生成式AI与基础模型 ，对统计机器学习
、强化学习系统的隐私与安全、经济机制设计以及自然语言处理 、代码生成、计算机视觉
、自动驾驶与机器人等方向也颇有兴趣
。

和Banghua Zhu一样
，他也是Nexusflow联合创始人之一，目前已经正式加入英伟达 ，担任研究总监兼杰出科学家。

Jiao的总引用次数达7259
，h指数为34，代表性论文包括《Theoretically principled trade-off between robustness and accuracy》 ，以及与Banghua Zhu等人合作的《Bridging Offline Reinforcement Learning and Imitation Learning:A Tale of Pessimism》
，均发表在NeurIPS等顶会 。

Catherine Wu曾在Anthropic担任Claude Code的产品经理，专注于构建可靠、可解释 、可操控的AI系统
。据The Information报道 ，Catherine Wu已被AI编程初创公司Cursor挖角
，出任产品负责人一职。

在加入Anthropic之前，她曾是知名风投公司Index Ventures的合伙人 ，任职近三年，期间深度参与多家顶尖创业公司的早期投资与战略支持 。

她曾在Dagster Labs担任工程经理
，主导公司首个商业化产品的研发，也曾在Scale AI担任早期产品工程师 ，参与多个关键产品的构建与运营扩张。

更早之前
，她在摩根大通实习，并于普林斯顿大学获得计算机科学学士学位 ，在校期间还曾赴苏黎世联邦理工学院进行交换学习
。

段鹏飞（Phil Duan）是特斯拉AI的首席软件工程师
，现负责Autopilot下的Fleet Learning团队，致力于推动特斯拉自动驾驶系统（FSD）中“数据+感知”核心模块的建设。

他带领特斯拉团队开发高吞吐
、快迭代的数据引擎 ，从数百万辆汽车中采集、处理并自动标注驾驶数据
，强调数据质量 、数量与多样性的协同优化 。

在感知方向，他主导构建多项关键神经网络 ，包括视觉基础模型
、目标检测、行为预测 、占据网络
、交通控制和高精度泊车辅助系统等
，是Autopilot感知系统的核心构建者之一
。

他本科毕业于武汉理工大学，主修光信息科学与技术 ，随后攻读俄亥俄大学电气工程博士与硕士学位，研究方向为航空电子
，并以博士论文荣获2019年RTCA William E.Jackson Award，该奖项是美国航空电子与电信领域授予研究生的最高荣誉之一。