你在 X 后台看到的总曝光,是把发的推和回复的曝光都算在一起的。榜单上的推文曝光只算推文本身,不含回复带来的曝光,所以会比你自己后台的数字少一些,这是正常的。
每天早上 8 点为界。8 点之后你看到的「今日」,统计的是从今天 8 点开始的数据;在这之前看到的「今日」还在攒,数字偏小是正常的。页面每小时重新生成一次,页面更新时间不等于数据截止时间。
X 个人页那个计数器把转发和回复都算进去了,看着虚高。榜单上的发帖量不算转发,也不算回复,只算他自己发的和引用的,所以会比你在 X 上看到的计数小。
一条推的曝光会一直涨。榜单上的曝光是当天新增的部分,不是这条推历史累计的总量。
X 没有公开的评论计数,榜单上的评论数是根据公开数据推算出来的,会有偏差,用来看量级和排序,不要当成精确值。
刚收录的账号需要攒几天数据才能进榜。观察期里看到「暂无数据」或「数据偏少」是正常的,不是出错。
某个账号某天的数据没能凑齐时,这一格显示「无数据」,不会拿旧数字顶上。看到「无数据」就是真的没有,不是零。
AI|美股|Meme叙事|GT → 100U 蓝鸟会|全真社区|所有推文不构成投资建议 DYOR 欢迎优质合作,TG:@daweifs
健康趋势仅为公开数据层面的走势参考,不代表账号在 X 平台的任何状态判定,一切以 X 官方为准。
| 维度 | 今天 | 昨日 | 7天 | 30天 |
|---|---|---|---|---|
| 推文曝光 | 62 | 2281 | 4.0万 | - |
| 发帖 | 0 | 2 | 16 | - |
| 评论 | 9 | 64 | 464 | - |
| 涨粉 | -6 | +260 | +1740 | - |
| 帖均曝光 | 3767 | 3767 | 3767 | 3767 |
帖均曝光固定是近 7 天口径,不随时间档变。空着的格子表示这个账号在那个时间窗里数据还不完整,不是 0。
2017年夏天,我用ETH打了BNB的ICO。 1个ETH,换了差不多2700个BNB。 当时点下去的那一秒,其实心里挺没底,还特别慌。它的页面简陋得像随时会跑路,钱打过去了,也不知道最后会变成什么。 我当时也没想过什么宏大叙事。就把BNB最实际的用途,用它抵扣在交易所里手续费。 后来经历过几轮牛熊过去,手续费到底省了多少,早就算不清了,但是我的bnb也抵扣完了😂。ICO的注册记录也找不到了。 翻来翻去,只剩下一封2017年12月19日的币安激活邮件这份深沉的记录。 可能非常多人问我???你不是6-7月才打新,怎么现在才注册??其实我当时用的是我女盆友的信息注册的,但是我发现币安贼…
啥情况??睡了一觉起来,天就塌了,又亏了2000 多 现在经济不景气,一个月工资才 5000,这一下直接干掉小半个月工资。9 月份才刚开始,看来接下来这些天只能省吃俭用了。 别看这些天 Robinhood 热,但是作为一名资深的老韭菜忠告:别上头,别追高。 现在盘子一个接一个往里挤,看着好像天天都有“新机会”,但真正能活下来的又有几个? 很多盘热闹的时候人声鼎沸,等你回过神,可能连门都找不到了。今天翻倍,明天归零,这种剧情在币圈见得还少吗? 所以没事还是常回“家”看看自己的仓,外面的故事再精彩,也别忘了自己最开始为什么买。 刚看到 $1又销毁将近1 %,昨晚 PONS 那边…
现在的 Robinhood,非常像之前早期 SOL 刚开盘那阵子。 链新,Gas 便宜,谁都能发,CEO 自己也说这链拿来玩 meme 没啥问题。关键是钱和人不是从一个地方来,一边是券商 App 里的用户,一边是 SOL 战壕里那批人,两边开始往一块撞,这个感觉其实挺少见的。 但盘面跟当时 SOL 又不完全一样。 现在 1B 以上那种真龙头没那么密,更多还是一千万、五千万、一两个亿来回轮。CASHCAT 把名字梗占了,AI 吃 NVDA 配对,PONS 卡着发射台。你再满链扫狗,说难听点大部分时间就是给别人接杂毛。 Robinhood 这条线里,我主要注意在 $1。 原因也没多复杂,…
假如之前你看过 3Blue1Brown,应该对他视频里的数学动画印象比较深刻的。 它的公式会移动、图形会变形,向量、矩阵、微积分这些很抽象的东西,被他这样一画就变得非常简单,特别容易懂。 刚刚重新翻到他背后的开源项目 Manim,GitHub 已经 8.9W+ ⭐️。 这些动画不是在 AE 里一点点拖出来的,而是直接用 Python 写的。 比如你现在想讲一个函数,可以让坐标轴先出现,再画曲线,然后让切线沿着曲线移动;讲线性代数,可以直接让向量、矩阵、空间变换跟着推导过程一起动。 这也是 Manim 最爽的地方:不是“做一个好看的动画”,而是把一个概念怎么变化、怎么推导,直接写成动画…
现在开始学大模型,很多教程上来就是:调 OpenAI API、套 Transformers、做个 RAG,再接一个 Agent。 东西虽然能跑的通,但是 Attention、Tokenizer、Pretrain、SFT 到底是怎么连接起来,很多时候还是一团迷雾。 这几天找一个非常适合补缺这块的项目 MiniMind,GitHub 已经 5.6W+ ⭐️。 它干的事情特别直接:让你从 0 开始,自己训练一个很小的语言模型。 主线模型大致有 64M 参数,小到普通个人 GPU 也能折腾,不需要先准备几张 H100。而且它不是只给你一个训练好的模型让你跑。 Tokenizer、模型结构、数…
登录后收藏的账号会跨设备同步,换台设备也还在。
我们只保存邮箱和昵称,用来同步你的收藏。