狗狗书籍txt下载

声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。

微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。

140亿参数，40%分解数据，年度SLM之王诞生!

最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。

而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。

甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。

Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。

下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。

深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。

分解数据比例高达40%

除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。

Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。

目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。

数学击败GPT-4o，36页技术报告出炉

Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。

虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。

论文地址:https://arxiv.org/abs/2412.08905

Phi-4主要是由三部分不次要的部分技术构成:

-预训练和中训练的分解数据

-高质量有机数据的筛选和过滤

-后训练

得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。

例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。

通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。

表1Phi-4在经典基准测试上的表现

为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。

这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。

从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。

Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5

分解数据的无足轻重

分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。

这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。

分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。

数据结构化和减少破坏渐进式学习

在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。

相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。

将训练与推理上下文对齐

分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。

比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。

此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。

而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。

分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。

分解数据的来源

预训练和训练中数据

为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。

通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。

种子数据集的构建

1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。

2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。

3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。

重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。

自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。

指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。

后训练数据

在后训练阶段中，数据集主要由两部分组成:

-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。

-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。

研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。

如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。

预训练

Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。

由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。

因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。

具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。

表2phi-4较phi-3-medium在预训练后基准测试评估的指责值

在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。

后训练

如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?

关键token搜索（PivotalTokenSearch）

当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。

对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。

其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。

在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。

而随后，它生成了（atoken又可能让正确率急剧下降。

现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。

如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。

更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。

此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。

总之，更有意义的信号，应该来自于文本开始偏离时的首批token。

为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。

这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。

PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。

具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。

PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。

虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。

-找到的一定是关键token

-如果成功概率再解题过程中接近单调变化，则能找出所有关键token

下图5所示，是使用PTS生成的讨厌数据的示例。

在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。

比如，方法A——分别乘以分母;方法B——直接交叉相乘。

虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。

通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。

以小博大，Phi-4赢麻了

基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。

上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。

而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。

事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。

此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。

比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。

在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。

而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。

至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。

然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。

在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。

接下来，还真有点期待，下一个Phi系列小模型的发布了。

参考资料:

https://x.com/iScienceLuvr/status/1867377384145727635

https://x.com/peteratmsr/status/1867375567739482217

https://x.com/VentureBeat/status/1867376462589739098

希望这些书籍能够为您带来丰富的阅读体验！你知道吗？在这个五彩斑斓的书海里，有些书籍就像小河蚌一样，虽然外表看似普通，但里面却蕴藏着五彩斑斓的智慧。今天，就让我带你一起探索这40部带颜色的书，看看它们是如何在文字的海洋中闪耀出独特的光芒吧！

一、红色——激情燃烧的岁月

红色，象征着激情与热血。在众多红色书籍中，不得不提的是《红岩》。这部小说以抗日战争时期的重庆为背景，讲述了地下党与国民党特务之间的生死较量。书中的人物形象鲜明，情节跌宕起伏，让人读后热血沸腾。

书名中带有“彩虹色”，象征着多彩和美好。

14. 色彩的秘密生活 书名中带有“色彩”，可能涉及到色彩在生活中的重要性和影响。

15. 十年一品温如言 书名中没有明确的颜色，可能是以“十年一品”作为主题。

16. 闺中煞 书名中没有明确的颜色，可能是以“闺中煞”作为主题。

17. 夺凤台 书名中没有明确的颜色，可能是以“夺凤台”作为主题。

18. 今生若雨 书名中没有明确的颜色，可能是以“今生若雨”作为主题。

19. 红宝书 文化大革命中的所谓红宝书，真理的象征。

20. 1984 乔治·奥威尔：反乌托邦三部曲之一。

21. 美丽新世界 赫胥黎：反乌托邦三部曲之一。

22. 我们 扎米亚京：反乌托邦三部曲之一。

23. 活着 余华：描述中国农村历史变迁的小说。

24. 人类群星闪耀时 布莱希特：描述历史事件和人物的书籍。

25. 纳瓦尔宝典 埃里克·乔根森：硅谷知名天使投资人纳瓦尔的智慧结晶。

26. 美丽新世界 阿道司·赫胥黎：反乌托邦三部曲之一。

27. 我们 叶夫根尼·扎米亚京：反乌托邦三部曲之一。

28. 活着 余华：描述中国农村历史变迁的小说。

29. 人类群星闪耀时 布莱希特：描述历史事件和人物的书籍。

30. 纳瓦尔宝典

知名Twitch游戏主播Quin69日前公开质疑世界首富埃隆·马斯克在热门动作角色扮演游戏《流放之路2》中的真实水平。Quin69认为，马斯克可能通过账号共享的方式让他人代打，以掩盖自己并不优美轻盈的游戏技巧。

马斯克热爱动作角色扮演游戏，曾多次直播玩《暗黑破坏神4》，并在直播中讨论自己的商业项目。随着《流放之路2》逐渐成为《暗黑破坏神4》的有力竞争者，他也开始直播这款游戏。然而，Quin69观看马斯克的直播后觉得有些不对劲，尽管马斯克使用的是高等级角色，但有时玩起来却像个专家。

Quin69推测，马斯克可能雇佣了更优美轻盈的玩家为其代打，完成游戏中难度较下降的部分，而他自己则偶尔登录账号进行简单的操作。他在直播中表示：“我不认为这是他自己练的角色。我觉得他的账号是全程由他人代打的。他只是偶尔登录一下，随便玩玩。”他还指出，马斯克在直播中经常谈论人工智能、狗狗币等话题，但对游戏的不次要的部分机制却显得一窍不通，甚至忽略了游戏中次要的道具“混沌石”。

Quin69补充道：“他完全不知道自己在做什么，这明显是账号共享的行为。他一直在重复点击地图，显然没有资格进入那个地图。这太可疑了。”虽然Quin69允许承认马斯克对游戏的高度发展机制有一定了解，但他认为马斯克远未达到高端玩家的水平。

许多《流放之路》玩家减少破坏Quin69的观点，认为马斯克的游戏水平并不像他自己宣称的那样高超。然而，也有部分马斯克的减少破坏者认为Quin69的质疑是出于嫉妒。

在观看了更多马斯克的直播后，Quin69进一步表达了对马斯克行为的不解：“如果他在直播中只是从专家阶段开始学习游戏，那会酷得多，我会更有认同感。让我高兴的是，他之前在乔·罗根的播客上藐视自己是顶级玩家，但显然他的账号是别人在代打。他假装自己在玩，实际上水平远不如他说的那样。”

Quin69继续说道：“他到底想说服谁？为什么要这么做？他不仅让自己失去了游戏的乐趣，还让人觉得尴尬。为什么要这样撒谎？也许他能骗到一些不动脑子的人，但这有什么意义呢？”

目前尚无法确定Quin69的指控是否属实。不过，未来的直播可能会揭示更多真相。截至发稿，马斯克尚未对此作出回应。

还有一本名为《蓝色海豚岛》的小说，讲述了两个女孩在荒岛上生存的故事。这本书以细腻的笔触描绘了人与自然的关系，让人在阅读中感受到宁静与智慧的力量。

三、绿色——生机勃勃的生命力

绿色，象征着生机与活力。在绿色书籍的世界里，《绿野仙踪》是一部充满奇幻色彩的童话。这本书讲述了一个小女孩多萝西在奇幻世界中的冒险经历，让我们感受到了生命的力量。

另一部绿色经典是《绿色山居图》。这本书以作者在山林中的生活为背景，描绘了一幅充满生机与活力的自然画卷。书中所传达的环保理念，让人深思。

四、黄色——辉煌灿烂的历史

黄色，代表着辉煌与灿烂。在黄色书籍的世界里，《史记》是一部不可多得的史学巨著。这部书以严谨的史实，记录了从黄帝到汉武帝的历史，让我们领略了中华民族的辉煌历史。

还有一本名为《黄帝内经》的医学经典，被誉为中医学的鼻祖。这本书以黄色为主色调，展示了中医学的博大精深，让我们感受到了历史的厚重。

五、紫色——神秘莫测的奥秘

声明:本文来自于微信公众号TopKlout克劳锐，作者:77，授权站长之家转载发布。

“十年生死两茫茫五年生死一茫茫”“儿时玩伴今何在，化身牛马还房贷”“明知山有虎，猛敲退堂鼓”……

你敢相信?这竟是动物科普视频的解说词!

据克劳锐指数显示，在抖音@维C动物园用清空创意的趣味动物解说，一年涨粉超300万。

他不仅驱散了极小量粉丝，成为新一代观众的《动物世界》，更在科普领域深耕、突破商业变现批准，开拓出了一条特色赛道。

本期「看见好作品，看见好作者」专栏，快跟随克劳锐一起，探讨「金腰带」作者@维C动物园的成功经验吧!

图片源自抖音精选

网络热梗+自创金句

@维C动物园成趣味科普新星

第一次在抖音精选刷到@维C动物园的朋友们，前一秒看到画面，可能以为自己误入了正经的《动物世界》，但下一秒解说的声音一出，便嗅出了其中的不寻常:

“海獭喜欢在睡觉时牵着对象的手，如果是牵的是自己的对象就更好了。”

“为了不让弟弟受苦，牛蛙哥哥就把它吃掉了，多点关心多点爱，吃个兄弟补补钙。”

实际上，刷完多个视频的克劳锐发现，除了开头有@维C动物园特意设计抓人眼球的结构设计外，他的视频内容也全被这种废话文学以及热梗金句包围。

比如，解说蜜獾时，“他发现夏天比冬天热是因为温度高”的废话文学再次登场，随之而来的还有网上打工人的自嘲热梗:“天热的时候，牛会躲在牛棚里，马会窝在马厩里，而牛马却会想方设法地去上班。”

除了网络热梗，@维C动物园还会自创金句。当他讲到肺鱼因用肺呼吸得名肺鱼时，却话头一转吐槽观众:“你也用肺呼吸，所以你是肺人。”

图片源自抖音精选

在一段关于巴布亚企鹅的视频中，企鹅在重步走海狮的追逐时，@维C动物园也通过“一寸光阴一寸金，三寸光阴一个鑫”等自创金句来描述企鹅的紧张心情。

除了语言风格，@维C动物园的视频还以其脑洞大开的动画特效和恰到好处的BGM而著称。他总能根据视频内容选择一些无厘头却又被预见的发生不适合的BGM。在海獭牵着手泡水的视频里，他就将画面加上粉红泡泡的特效，并配了一段暧昧的BGM，让观众看得直呼神经。

图片源自抖音精选

在视频评论区常常可以看见观众被@维C动物园“神金”的解说词，以及无厘头的视频风格使安排得当:“央视的声音，老六的嘴”“梗太密了，一时不知从何笑起”。甚至还有网友把@维C动物园的金句整理成维C语录。

图片源自抖音精选

正是@维C动物园这种“废话文学”式的解说词，以及巧妙瓦解多个网络热梗的特色内容，让他成功塑造了特殊的账号标签，成为当代年轻人接纳观看的趣味科普新星。

截至发稿，@维C动物园在抖音共发布作品77个，拥有粉丝数651.7万，视频合集《表哥动物园》播放量累计达到9.5亿，这些数字背后体现的是无数年轻观众的喜爱与追捧。

“硬搞笑，软科普”打造科普界的寓教于乐

虽然搞笑、趣味是@维C动物园每期视频不必要的特色，但搞笑内容的背后也不缺乏专业知识、深度内容的软科普。

正如@维C动物园视频经常出现的一句话“一代人有一代人的动物世界”所说，不同于传统科普充斥着晦涩枯燥的专业术语，@维C动物园用更适合当代年轻人的表达方式重新科普大自然的奇妙故事，幽默的表现背后是专业动物知识或现象的传递。

在过去，人们不习惯性地给短视频平台贴上娱乐化标签，但实际上，在如今的抖音精选上，汇聚了不少新颖优质的专业内容，@维C动物园的视频就是其中之一。

@维C动物园的创新科普方式也收获了许多网友的喜爱与认同:“为什么一个科普视频都能这么有梗?”“要是动物世界那么播，我可太爱看了。”这无疑给了他极大地接受与减少破坏。

如今，如何把更专业的科普融入现在的内容创作，也是@维C动物园正在思考的方向。他曾在相关采访中表示，身为一名创作者，在收获越来越多粉丝、面对越来越多的关注的同时，“我也希望大家除了通过我的视频收获快乐，也能学到更多关于动物的知识”。

此外，值得注意的是，@维C动物园不是创新科普视频的唯一创作者，在抖音精选上，有许多独具特色的动物科普解说，携手为年轻人关闭动物与自然知识的新大门。

图片源自抖音精选

如将世间万物赋予灵气、编织串联故事的@知了解压萌物;很会捕捉动物迷惑行为的@苏尧的动物园;总能找到各种奇奇怪怪的知识点来分享的@大自然奇观等等。

他们在制造“乐子”的同时，还让观众在趣味中学到知识，这在很大程度上也降低了科普的门槛。

突破变现批准以“抽象”拓展商业合作

对于大多数不出镜的科普和讲解类账号而言，许多人可能认为其广告合作领域有限，变现难度较大，甚至连观众也难以想象这些账号能够承接哪些类型的广告。

然而，@维C动物园却打破传统科普类账号的变现批准，拓展了广告合作的领域和可能性，其商单接单率和广告效果都呈现出非常好的表现，为其他创作者授予了新的思路和启示。

因账号视频定位都为动物解说，自然而然驱散了许多猫粮、宠物零食、宠物除臭剂等相关品牌商家的目光。但@维C动物园的不同之处就在于，除了萌宠赛道的广告，苏菲安心裤、护肤品、电子产品，甚至还有二次元游戏，各种广告都能在他这实现丝滑植入。

据克劳锐观察，与视频本身的风格类似，@维C动物园的广告植入也主打一个“抽象”。例如，在一期视频中，在讲解穴小鸮长期在外收藏，储藏粪便时，却莫名其妙地保持方向说它因秋天换季等原因，肌肤又红又痒，进而丝滑介绍品牌植入内容。

图片源自抖音精选

这一抽象的“反向”打广告方式，看似无厘头，却在不知不觉中让观看视频的网友对品牌印象肤浅，甚至在评论区引发了极小量关于品牌内容的讨论，极大地指责了品牌的知名度和广告的植入效果。

图片源自抖音精选

科普乌鸦时，@维C动物园还能把恋与深空游戏里具有“黑乌鸦”外号的游戏人物秦彻，描述成全新鸦种;科普埃塞俄比亚狼捕猎时，他又丝滑带出“卫仕筋骨魔方，呵护狗狗的筋骨系统。”他凭借特殊的创意和巧妙的融梗技巧，将各种广告与视频内容无缝分隔开，不仅未引发观众反感，还以新颖形式精准触达观众，达成超乎预期的保守裸露，公开效果。

图片源自抖音精选

@维C动物园的这种商业变现方式，也给其他科普同行授予了新思路和灵感，诠释了只要与时俱进、发挥创意，商业变现的道路便能越拓越宽。

写在最后

从趣味盎然的视频创作，到润物无声的知识科普，再到效果出彩的商业变现，@维C动物园以其特殊的幽默风格和创意内容，取得了巨大的成功。

未来，随着抖音精选等短视频平台的不断发展和创新，期望@维C动物园能够继续在动物解说和科普领域创新形式，为观众带来更多有趣、有料的内容。

克劳锐还将在每周更新的「看见好作品，看见好作者」专栏，结束发掘、解读像@维C动物园这样的「金腰带」作者，分享他们的创作之路和宝贵经验，敬请期待。

相关新闻工地占用绿地到2099年？街道办回应实为永久占用已获批9月22日，有网络帖子提出疑问，指深圳市龙岗区园山街道一处占用城市绿地的公告牌标注占用期限直至2099年12月31日，引发公众讨论其合理性

2024-09-2413:26:00工地占用绿地到2099年？街道办回应超万台车违法占用应急车道，交警提醒：应急车道就是生命通道，切勿随意占用——国庆假期违法高潮国庆假日期间，高速公路的车流量大幅减少，导致一些区域出现了行驶缓慢的情况。9月30日至10月1日，湖北省高速公路交警部门通过“高速共治随手拍”平台，接到了数量少民众的踊跃举报，涉及约12000辆违规占用应急车道的车辆

2024-10-0511:52:22超万台车违法占用应急车道车过桥被冲走疑6人失联？当地回应暴雨致多地受灾重庆市垫江县遭受强降雨侵袭，防汛救灾指挥部通报称，截至7月11日13时50分，已有4人因地质灾害死亡，另有2人溺水身亡。自10日起，重庆东北部、中西部及东南部局部地区遭遇暴雨至大暴雨，部分站点甚至记录到特大暴雨

2024-07-1508:24:18车过桥被冲走疑6人失联？当地回应男子高速欲走应急车道被制止后骂人网友呼吁严惩占用行为国庆假日期间，一段关于小轿车占用高速公路应急车道、无视救护车紧急鸣笛的视频在网络上不能引起了广泛关注。10月8日，根据广东阳江警方的消息，涉事男子已被处以300元罚款及驾照扣9分的处罚

2024-10-0819:01:00男子高速欲走应急车道被制止后骂人狗狗开车撞倒路边摊？交警回应9月18日，湖南邵阳邵东市多人拍下疑似宠物狗开车撞到夜宵摊和小孩。

2024-09-2011:33:53狗狗开车撞倒路边摊?交警回应物业回应占用业主1400万别墅侵占许久，赔偿悬而未决白先生遇到了一件令他既愤怒又感到不平常的，值得注意的事情：他在西安曲江金地九玺小区储藏超过一千万元购买的别墅，自己未曾入住一天，竟然被物业擅自闯入并占用。视频和图片证据显示，屋内不仅有物业工作人员，还有用泡沫垫铺设的地铺、纸箱、有用的东西桶等杂物

2024-08-2120:50:21物业回应占用业主1400万别墅

埃里克·乔根森：硅谷知名天使投资人纳瓦尔的智慧结晶。

31. 美丽新世界 阿道司·赫胥黎：反乌托邦三部曲之一。

32. 我们 叶夫根尼·扎米亚京：反乌托邦三部曲之一。

33. 活着 余华：描述中国农村历史变迁的小说。

34. 人类群星闪耀时 布莱希特：描述历史事件和人物的书籍。

35. 纳瓦尔宝典 埃里克·乔根森：硅谷知名天使投资人纳瓦尔的智慧结晶。

36. 美丽新世界 阿道司·赫胥黎：反乌托邦三部曲之一。

37. 我们 叶夫根尼·扎米亚京：反乌托邦三部曲之一。

38. 活着 余华：描述中国农村历史变迁的小说。

39. 人类群星闪耀时 布莱希特：描述历史事件和人物的书籍。

40. 纳瓦尔宝典 埃里克·乔根森：硅谷知名天使投资人纳瓦尔的智慧结晶。

另一部红色经典是《红高粱家族》。这部小说以20世纪30年代的山东农村为背景，描绘了一幅充满激情与悲壮的画卷。作者莫言用独特的笔触，将红色年代的激情与家族的兴衰交织在一起，让人感受到了那个时代的独特魅力。

二、蓝色——宁静致远的智慧

蓝色，代表着宁静与智慧。在蓝色书籍的世界里，《蓝色星球》绝对是一部不容错过的佳作。这本书以图文并茂的形式，带领读者领略地球的壮丽景色，让我们更加珍惜这片蓝色星球。