成亿万级的参数生成一个神经网络，训练它让它学习流量生成的模式和统计规律，以此为依据为流量分配资源，理论上定能成，但内容的传输并非目标和终点，内容的理解才是，基于大模型的传输优化收益相对成本不大，正如几千年的道路并未多少进化一样，网络总之还是瘦的，堵就堵吧。尺度不变性意味着消除长尾是不可能，因为在一个随机变量相互依赖的自相似世界，这就是一条放之四海而皆准的铁律，抛开网络传输，看看我们的社会，马太效应

所以叠加各种拥塞控制算法无异于雪上加霜，弄巧成拙，不是网络优化没有意义，而是大多数人方向是错的，为什么推理比训练抖动，如何解决，不是叠加几个策略就开箱即用的，包括 AI Infra 在内的所有网络优化，方向错，步步错。统计学中的一句真话，规模差异越大，均值越偏离中位数，发送时延，处理时延分别由网卡和协议栈引入，同类交互系统的网卡，协议栈差异不大，至少没有规模化差异，而传播时延更趋于固定的。由于拥塞

既然 LLM 本质上是个概率机，而那些涌现出来的神奇效果又被各种矩阵，张量，非线性函数绕晕了头，而我们连自己头脑也同样不了解，再加上程序员看不起哲学，既然一切成了一团迷雾，概率的事还要概率自身来解释，而高尔顿板就是一个现成的概率机，所以用它来可视化概率导致的神奇效果的原理，显然高尚。下面实验所有代码均在。在我的世界观中，我们既是高尔顿板中的小球，受概率支配，又是调整钉子的训练者，能改变概率，还是观

我经常思考，在根本不知道曲线外还有一条准线的时候，是怎样知道它的存在的呢，虽然丹德林在 19 世纪用立体几何切线长定理找到了准线，但那是 1500 多年以后的事了，况且那个时候已经知道准线的存在，丹德林只是在圆锥中确定了它们的定位方法，实则一种作图法。帕普斯时代，他的知识仅限于阿波罗尼奥斯，阿基米德已经证明的结论，以及基于欧几里得纯几何的平方和，平方差，二次，三次多项式运算，仅依赖这些，如何寻求一

剩下还有一个原则我只字未提，即 “端到端的流量控制”，原因在于这属于私人范畴，于统计系统无关，只要有 W = min(cwnd, rwnd) 兜底，流控就无法进入公共领域，同理的一个私人范畴的例子是 BBR，从 Google 发布它开始迄今，BBR 一致在私人范畴被优化，它只为提高个别流量的吞吐，值得注意的是，BBR 在 Google 内部骨干网并非没有被公共权力管辖，它的部署环境是 G 家的 B

目前大多数防火墙还是传统的基于五元组的防火墙，我觉得这太差劲了，我认为只有第七层防火墙才是真正的防火墙，五元组不能标示一个应用，正如tcp的80端口并不总是代表http一样，想要标示一个应用，你必须去分析第七层的协议头，而不是联合第三层，第四层的协议头，毕竟我们需要匹配一个第七层的应用，那就要需要第七层的协议头！然而第七层解析的问题何在？我觉得这有两方面，第一方面是谁提供了匹配的内容，也就是协议头

<br />网络拓扑如下：hostA/B/C处于同一个局域网：<br />hostA:<br />eth0:192.168.0.2<br />----------------------<br />hostB:<br />eth0:192.168.0.1<br />eth1:10.0.0.1<br />----------------------<br />hostC:<br />eth0:192

不要在网络设备中show算法，赶紧让数据包通过，否则扣留。网络设备永远都是数据包要快速离开的地方，赶紧走，越快越好。我说这话可能有点矛盾，快速离开没有可以show的算法怎么能行？！问题是，不该你做的事就别做，你根本就不是一个专业防火墙，干嘛搞什么垃圾iptables！把你自己能做的工作，做好，show完美，其他的交给行家，交给适合的设备。网络通路中的算法不限于本机，整个路径中的每一个节点之间运行的

中华国学，用英文讲的，稀里糊涂听了个大概，不得不佩服西方人的缜密的逻辑思维，竟然把玄之又玄的道家思想说的跟牛顿定律一般，佩服。归家，又收到了邮件，还是关于nf-hipac的，不知不觉就想彻底整理一篇文章说个明白，可是哪有个够啊哪有个够。       匆匆吃完晚饭，碗也没刷，餐桌狼藉，家人都在看电视，玩手机，小小依然捧着iPad...我的摊子如下：       如果说理论分析不足以镇住人，或者说一上

人从婴儿到成人，一直在不停学习某种或几种语言的听说读写，本质上是在不断建立形象的，抽象的，具象的，概念的世间万物和某种符号的映射关系，从字到词，词组，句子的读写，到吵架，面试，扯淡，演讲，辩论，都是这种映射关系的学习，矫正，甚至遗忘，即增删改查。中国人无论听到哪个读音，残缺的，方言，连读的，学名，都能想到 🍎，但对于老外学中文，除了按照他学习时老师教的标准普通话 “pingguo” 读音和写法之