by 晚点 LatePost
《晚点聊 LateTalk》是《晚点 LatePost》出品的播客节目 由曼祺和汉洋主持 片言可以明百意，坐驰可以役万景
Language
🇨🇳
Publishing Since
11/11/2021
Email Addresses
1 available
Phone Numbers
0 available
April 29, 2025
<p>「伯克利 BAIR 博士、清华叉院助理教授，跳进具身创业。」</p> <p>高阳是清华大学交叉信息研究院的助理教授，同时也是具身智能公司千寻的联合创始人和首席科学家。</p> <p>高阳在具身智能领域深耕多年，他是清华计算机系本科，UC Berkeley 博士，师从国际计算机视觉大师 Trevor Darrell。在 2016 年时，他就和许华哲一起做了端到端自动驾驶的课题，这在当时是个小众的方向，但如今已经成为自动驾驶行业的共识。</p> <p>这几年在具身智能领域崭露头角的早期公司，多多少少有 UC Berkeley 学子的身影——刚才提到的许华哲是星海图的首席科学家，星动纪元的创始人陈建宇、最近刚刚加入估值最高的智元机器人的罗建兰，都曾在 UC Berkeley 深造过；创立边塞科技的吴翼也是毕业于 UC Berkeley。</p> <p>在 2024 年，高阳与有产业经历的韩峰涛共同创立了千寻，千寻在非共识中找到的切入点是端到端+具身大脑+机器人本体+互联网视频预训练、模仿学习、强化学习。成立至今，千寻已经获得了三轮融资。最近他们也发布了VLA Spirit v1 的 demo，机器人可以叠衣服了。</p> <p>这次我们不仅聊到了高阳的技术理解，也聊到了他的思维方式和过往经历。</p> <p>创业者们都在尝试怎么把机器人做得更像人，而高阳像一个融入人类世界的机器人：他从不熬夜，早晨七点半“开机”，每天骑 31-33 分钟的共享单车前往工作地点，在每周固定时间健身；他相信 COT（Chain-of-Thought，思维链），认为所有事情都可以按照 COT 一步一步走向结果，不仅是生活，也包括学术研究和创业，甚至“一步一步，每一个链条都做好，自然会导向具身智能的 L2、L3 的实现”。</p> <p>这位 91 年出生的具身研究者和创业者，不倾向输出斩钉截铁的结论，但他相信他推理出的一切，不管和别人的声音是否一致。</p> <p><strong>本期嘉宾：</strong><br> <strong>高阳，千寻智能首席科学家，清华叉院助理教授，<a href="https://people.iiis.tsinghua.edu.cn/%7Egaoyang/yang-gao.weebly.com/index.html" rel="nofollow">个人主页（内有邮箱联系方式）</a></strong></p> <p><strong>时间线跳转：</strong></p> <p><strong>-“中国速度”在具身智能的体现：修机器</strong><br> 02:02 创业 moment：科学家能做的探索越来越少，这在大语言模型领域已经发生<br> 04:09 团队搭建：产业老炮+年轻科学家<br> 07:18 Figure 02 的 demo 很好，展示了快慢系统<br> 09:38 中国相对美国优势在于修机器人快，不然修机器人的速度赶不上做实验的速度<br> 12:12 具身智能的阶段划分<br> 14:23 现在中国具身智能在从 L1 到 L2 的路上</p> <p><strong>-机器人必须得是“人”形吗？</strong><br> 14:41 机器人不一定是人形，但 L2 以后可能需要双臂+轮式底盘<br> 15:31 没有操作、只有移动，不能解决主要矛盾<br> 18:52 双足不难，没有本质的卡点<br> 21:31 虽然操作重要，但一定得有上半身吗？其实是从成本角度考虑的，像“人”一定可行<br> 23:53 人形机器人，到底是更精细分工，还是更泛化？</p> <p><strong>-“端到端是走向具身智能的共识，分层只是短期工程选择”</strong><br> 27:00 端到端（VLA，Vision-Language-Action）是现在具身智能的共识吗？<br> 28:53 训练过程：互联网视频预训练、模仿学习、强化学习<br> 29:51 为什么叠衣服这样的操作会成为具身智能领域的“智商测试”？<br> 34:14 快慢系统在叠衣服这件事里怎么配合的？<br> 35:35 当前机器人的主要挑战是泛化性</p> <p><strong>-“人是分布式，机器人是中心式”</strong><br> 36:28 视频数据的可用量只有 1%，机器人学习怎么操作、预测轨迹<br> 38:44 人类的肌肉记忆，机器人也有<br> 43:33 跨任务泛化：强化学习成功率取决于基模的训练和 SFT（监督微调 Supervised Fine-Tun-ing）<br> 45:00 具身智能也有 Scaling Laws 吗？做到 GPT3.5，可能需要 100 亿条有效数据、1 亿遥操数据、几千万强化学习数据<br> 49:05 Scaling Laws 在仿真数据不成立</p> <p><strong>-“具身智能做到 GPT-4 那种程度还得5年”</strong><br> 50:32 为什么只做大脑不行？驯化新的躯体很难的<br> 51:55 为什么只做本体不行？价值在大脑端，现在有了大脑能力才引起的风潮<br> 53:06 机器人未来会像汽车产业链<br> 55:10 关于朱啸虎说的没有商业化，高阳觉得现在最重要的还是把技术做好<br> 56:41 行业何时收敛？当具身智能走向 L2 时<br> 57:57 现在具身智能的瓶颈还是在 AI，要补齐才能成为“木盆”</p> <p><strong>-个人成长：一位信奉 COT 的“小天才”</strong><br> 59:35 伯克利“归国几子”的介绍<br> 01:01:27 同一个实验室的，还有许华哲、贾扬清等<br> 01:03:22 2016 年博士最开始做自动驾驶，那时端到端自动驾驶还不被相信<br> 01:06:41 学术不需要灵光乍现，个人的思考方式就是 COT<br> 01:07:11 所以在明年 6 月具身智能会到 L2，再过一年半到两年 L3<br> 01:07:34 读书时在 waymo 实习三个月：感觉脑子要坏掉了<br> 01:10:15 读博想创业，但没好机会；毕业后回国做科研，伯克利“归国几子”兼职“HR”<br> 01:12:43 跟许华哲最近讨论：看起来具身智能是个非共识行业，但这已经是坍缩、收敛后的结果<br> 01:15:54 大学教授出来创业，会拍拍屁股走人吗？<br> 01:17:37 一个崇尚规律的 ISTJ：不熬夜、骑共享单车上下班、规律健身</p> <p><strong>相关链接：</strong><br> <a href="https://www.xiaoyuzhoufm.com/episode/671eaa8fd6db5bf9593a1e6f?s=eyJ1IjogIjYwZDg0ZWU1ZTBmNWU3MjNiYjc3YjhmMCJ9" rel="nofollow">晚点聊 86：We,Robot-2，清华叉院/星海图许华哲看“Optimus”的门道</a><br> <a href="https://www.xiaoyuzhoufm.com/episode/660ba14925e97345b65cc5b4?s=eyJ1IjogIjYwZDg0ZWU1ZTBmNWU3MjNiYjc3YjhmMCJ9" rel="nofollow">晚点聊 65：信仰充值的威力，与逐际谌华聊 GTC 和人形机器人新进展</a><br> <a href="https://www.xiaoyuzhoufm.com/episode/64c239d70f7b199a693a55fa?s=eyJ1IjogIjYwZDg0ZWU1ZTBmNWU3MjNiYjc3YjhmMCJ9" rel="nofollow">晚点聊 40：与梅卡邵天兰聊通用机器人，AI 的下一个浪潮？</a></p> <p><strong>剪辑制作：甜食</strong></p> <p><strong>本期主播：</strong>即刻 @<a href="https://okjk.co/UmgW69" rel="nofollow">王与桐</a></p> <p><img src="https://cdn.z.wiki/autoupload/20250313/tAbq/2062X376/%E4%B8%8E%E6%A1%90-shownotes_%E7%AD%BE%E5%90%8D.png" alt=""></p> <p><strong>☆《晚点聊 LateTalk》建立「 播客听友群」啦！☆</strong></p> <p>欢迎关注科技、商业大公司动态和创业创新的小伙伴进群交流，第一时间收听新节目。<br> 这里有更多互动，更多话题讨论。欢迎贡献选题 & 推荐嘉宾。</p> <p>请先添加「晚点」小助手的微信号，<strong>备注：“晚点聊”</strong>，我们邀请您入群。</p> <p><img src="https://cdn.z.wiki/autoupload/20250114/en02/1991X754/%E6%88%AA%E5%B1%8F2025-01-14_15.34.07.png" alt=""></p> <p><strong>关注公众号《晚点 LatePost》和《晚点对话》，阅读更多商业、科技文章：</strong></p> <p><img src="https://hv.z.wiki/autoupload/20250129/DqTi/1452X514/%E6%92%AD%E5%AE%A2%E7%BB%93%E5%B0%BE%E6%88%AA%E5%9B%BE.png" alt=""></p>
April 22, 2025
<p>「长期看，LLM 是 Agent 和人类之间交互的前端，后端则靠 RL 模型完成工作。」</p> <p>几乎所有主流 AI Agent 产品，都把大语言模型（LLM），或者它的多模态升级版当作“大脑”，靠一个或几个 LLM 编排工作、调用工具。</p> <p>但也有不同的路。这期节目的嘉宾，Pokee.ai 的创始人朱哲清（Bill），认为 LLM 只是 Agent 理解人类需求、向人类递交产出的“前端”，后端决策、完成任务则可以靠用强化学习方法训练的、不依赖自然语言的模型完成。</p> <p>Bill 提到，把 LLM 当作大脑时，Agent 调用工具的能力有限。这是因为 LLM 使用工具时，需要先把工具描述、输入、输出等相关信息传入上下文，而 LLM 支持的上下文长度有限。把 Agent 的决策中枢换成另一个强化学习模型可以解决这个问题。</p> <p>本期节目中，Bill 还聊到优秀的通用 Agent 需要具备四个要素：实现任务比人快、无需人工干预、能读取信息也能写入信息、成本低。Agent 产品的壁垒不在技术，而在于和用户的工作流深度绑定。</p> <p>此外，我们还和 Bill 聊了他对通用 Agent 接下来竞争态势的判断，以及他在强化学习还并没有成为显学时，便相信强化学习潜力的原因。</p> <p>Bill 本科开始便在海外留学，不熟悉、常用一些专业术语的中文表达。节目中高频提及的英文术语，可参考 Shownotes 文末附录。</p> <p><strong>本期嘉宾：</strong><br> Pokee.ai 创始人，前 Meta 应用强化学习负责人、工程经理朱哲清</p> <p><strong>时间线：</strong><br> <strong>-创业前，花近十年研究、落地强化学习算法</strong><br> 04:02 一边在杜克读博士，一边在 Meta 上班，每周工作 110 个小时<br> 07:20 拒绝 LLM 创业机会，留在强化学习主航道上<br> 10:17 刚开始研究强化学习的时候，强化学习还并不是显学<br> 16:52 DeepSeek R1 带火了强化学习，让投资人意识到强化学习重要性</p> <p><strong>-强化学习做 Agent 的优势</strong><br> 19:26 现有 LLM 写入能力较弱，调用工具数量有限<br> 23:51 长期看，LLM 可能只是模型和用户的交互层，Agent 之间沟通不一定用语言</p> <p><strong>-如何设计一款 Agent 产品，服务专业用户</strong><br> 31:02 保留用户控制节点，避免“自由落体”的失控感<br> 36:36 Pokee.ai 想服务专业用户，未来还要进入企业工作流<br> 43:46 一项子任务失败，不一定挡住 Pokee.ai 完成其他子任务<br> 45:33 抛开 browser-use，强化学习 Agent 完成一项任务只需要数十秒<br> 46:53 Pokee.ai 最初没用 MCP，团队自己设计更简单的协议<br> 48:47 目前主流做 Agent 的方法还是以 LLM 为核心<br> 50:00 优秀 Agent 的四要素：速度快、无需干预、能读能写、成本低</p> <p><strong>-创业故事：从垂直 Agent 回归通用 Agent</strong><br> 58:20 Pokee.ai 团队全职员工只有四人，成员主要来自 Meta<br> 59:30 早期产品：旅行规划助手 / Shopify 助手<br> 01:02:07 强化学习爆火后，回归创业初衷做通用 Agent <br> 01:07:33 Manus 出圈是意料之内<br> 01:09:54 Pokee.ai 发布产品不会用邀请码，单次任务成本是同类产品的 1/10<br> 01:10:59 技术不是 Agent 的护城河，重要的是和用户工作流绑定<br> 01:20:24 Pokee.ai 在做通用 Agent，但也能帮垂直 Agent 落地<br> 01:22:15 Agent 行业最后会存留三到五家公司，接下来是各个通用 Agent 差异化的时候<br> 01:26:03 判断技术潜力的好方法：Toy Example（玩具案例）</p> <p><strong>附录：</strong><br> RL（Reinforcement Learning）：强化学习；<br> policy：策略，强化学习语境下指模型完成任务的方式；<br> exploration：探索，强化学习语境下指探索可能完成任务的新路径；<br> exploitation：利用，强化学习语境下指利用已知信息，选择最优的动作，和 exploration 相对；<br> reward model：奖励模型，是强化学习算法的一部分，用于评价某个动作的好坏；<br> ground truth：真值，指训练强化学习模型时使用的标准答案；<br> prosumer（professional consumer）：专业用户，本期节目语境下指用 Agent 产品完成工作需求的用户；<br> context length：大模型的上下文长度；<br> browser-use：使 AI 能够像人类一样浏览、操作网页的开源工具；<br> Monte-Carlo Tree Search：一种基于随机模拟的搜索算法，用于在决策过程中评估不同选择的潜在结果，常用于需要策略规划的情境中；<br> API：应用程序编程接口，是一组允许不同软件系统之间通信、交换数据的规则；<br> SDK：软件开发工具包，旨在帮助开发者为特定平台或系统构建应用程序。</p> <p><strong>剪辑制作：甜食</strong></p> <p><strong>本期主播：</strong><br> 孙海宁（微信 @_HaydenSun）<br> 程曼祺 小红书 @<a href="https://www.xiaohongshu.com/user/profile/5dfa9e92000000000100626f?xsec_token=YBSKzbnOGWpnyJ5fxw_yafTdnAUIDw-EfCtqmFTkCIM2o=&xsec_source=app_share&xhsshare=CopyLink&appuid=5dfa9e92000000000100626f&apptime=1736682459&share_id=331aecb9ca7941f498d81fb9c32ea810" rel="nofollow">曼祺_火柴Q</a>，即刻 @<a href="https://okjk.co/FBoH1Q" rel="nofollow">曼祺_火柴Q</a></p> <p><img src="https://hv.z.wiki/autoupload/20250422/AHFm/1788X252/WechatIMG1762.jpg" alt=""><br> <img src="https://cdn.z.wiki/autoupload/20250129/p96l/1428X298/%E6%92%AD%E5%AE%A2-%E7%BB%93%E5%B0%BE%E4%BD%9C%E8%80%85%E7%AD%BE%E5%90%8D.png" alt=""></p> <p><strong>☆《晚点聊 LateTalk》建立「 播客听友群」啦！☆</strong></p> <p>欢迎关注科技、商业大公司动态和创业创新的小伙伴进群交流，第一时间收听新节目。<br> 这里有更多互动，更多话题讨论。欢迎贡献选题 & 推荐嘉宾。</p> <p>请先添加「晚点」小助手的微信号，<strong>备注：“晚点聊”</strong>，我们邀请您入群。</p> <p><img src="https://cdn.z.wiki/autoupload/20250114/en02/1991X754/%E6%88%AA%E5%B1%8F2025-01-14_15.34.07.png" alt=""></p> <p><strong>关注公众号《晚点 LatePost》和《晚点对话》，阅读更多商业、科技文章：</strong></p> <p><img src="https://hv.z.wiki/autoupload/20250129/DqTi/1452X514/%E6%92%AD%E5%AE%A2%E7%BB%93%E5%B0%BE%E6%88%AA%E5%9B%BE.png" alt=""></p>
April 14, 2025
<p><strong>「与模型公司的主航道保持距离。」</strong></p> <p>2022 年初，夏令在 AI 热潮之前，投资了大模型创业公司 MiniMax 的天使轮。明势创始合伙人黄明明后来曾在暗涌组织的活动上，和 MiniMax 创始人闫俊杰一起回忆投资故事：在米哈游联创刘伟介绍下，明势第一次见了闫俊杰，那会儿其实大家都没太明白闫俊杰要做什么。“好在，夏令听懂了，回来后说，这个项目一定要投”。夏令也是文生图应用 LibLib.ai 和具身智能明星公司逐际动力的早期投资人。</p> <p>这一期，我和夏令聊了 Agent 行业的竞争形势推演。</p> <p>在他的认知里，Agent 横跨软硬件——除了 DeepResearch、Devin 这些主要在云端的Agent，以及接下来可能会进入白热化竞争的与手机结合的 Agent；和车结合的自动驾驶，和机器人结合的具身都是 Agent。它们各自处于不同的成熟阶段和竞争形势中。</p> <p>夏令的观察和判断是，今年下半年开始，围绕入口级 Agent 的大战就会拉开。最为焦灼的战场会是以手机为终端的通用 Agent 产品竞争，主要玩家是掌握超级 App 或流量的大厂和自己能迭代模型的头部大模型公司。OpenAI、Google、Meta、字节、阿里、腾讯都不会放过这个机会，美团、小红书，乃至智能汽车领域的理想也都跃跃欲试。</p> <p>而在早期投资视野里，大多数创业公司的机会可能在于垂直和专业的 Agent。更通用的 Agent 很可能会因处在模型公司主航道上而备受挑战。模型公司的主航道边界在哪儿？今年 2 月 Google 的一份白皮书有一个比较清晰的框架，我们在节目中有展开。</p> <p><img src="https://hv.z.wiki/autoupload/20250414/UJb8/1526X794/974c7786-df11-46a2-a33c-f92d2fac680a.png" alt=""><br> 图注：Google Agents 白皮书中的能力框架图。</p> <p>夏令已经投资了一些不同的垂直 Agent 商业模式，这也是中美差异所在——在中国，一些新公司不再用做工具的思路做 Agent，来赚订阅的钱，而是用 Agent 直接做服务，获取收入分成。因为中国客户更愿意为结果本身付费，而不是为效率付费。</p> <p>至于近期被朱啸虎的言论推到风口浪尖的具身智能，夏令投资了这个行业，也从他的角度讲了风险：具身最大的危险，并不是朱啸虎提到的目前没有商业化的 PMF，不能去工厂和商店打工、搬砖，而是具身模型的技术还没有收敛，机器人大脑还没来到它的 GPT-3 的时刻。</p> <p><strong>本期嘉宾：</strong><br> 夏令，明势创投合伙人，邮箱：<a href="mailto:[email protected]" rel="nofollow">[email protected]</a></p> <p><strong>时间线跳转：</strong><br> <strong>00:06 开场介绍</strong></p> <p><strong>跨软硬件视角的 Agent & Google 白皮书的里的技术框架</strong> <br> 04:57 OpenAI 提出 5 级分类，推理是 L2、Agent 是 L3，DeepSeek 爆火是 L2 对 L1 的降维打击，所有人开始提前想 L3<br> 11:14 Agent 技术框架：模型+编排层（目标理解、推理、记忆）+工具使用<br> 14:23 OpenAI 全局记忆功能上线，新的 wow 时刻<br> 16:19 更强推理能力，会削减 workflow 优势 <br> 19:52 MCP 成为工具使用的主流生态，更利好模型公司而非应用公司</p> <p><strong>通用入口大战，下半年就拉开序幕</strong><br> 22:57 已经逃离九宫格的美团等公司，不想再回到“九宫格”<br> 25:21 美团、滴滴最初可以拒绝接入其它公司的 Agent，但这也许会给身后的第二名创造机会<br> 27:25 云端→手机→新终端，通用 Agent 的入口数量递减；Agent 也会冲击互联网传统的广告商业模式<br> 32:22 大厂布局眼镜端 Agent，Meta 牌面最好<br> 36:07 B（字节）AT 三家，生态相对封闭，互通可能性是什么？一个待验证的预言：下半年就会看到巨头间的入口 Agent 竞争</p> <p><strong>模型大厂 vs 应用创业，边界在哪儿？</strong><br> 37:45 创业要和模型主航道保持距离<br> 43:20 GPT 4o 对泛 C 文生图应用冲击大，却能帮 to 专业人群的文生图应用打 Adobe<br> 50:44 模型大厂和 Agent 应用的边界在于前者都有泛 C 野心，后者更擅长服务精准人群，做“最后一公里”<br> 53:24 离模型主航道太近的通用 Agent，壁垒不能在技术本身</p> <p><strong>垂直 Agent 创业机会</strong><br> 54:52 Agent 概念火后，一批已存在的 RPA 公司先受益<br> 57:31 新公司机会：重塑流程（如 Shein）、规模化原本不能规模化的行业、找到低垂的果实（如满帮）<br> 01:02:04 实例：用 AI 帮银行起诉坏账，1 个月发起超 1 万起案件，分收入提成<br> 01:08:30 为什么不是律所+AI，而是原生 AI 公司来做这件事？<br> 01:12:29 这类项目的团队画像：懂行业+懂 AI<br> 01:15:10 Kill time 的内容型 Agent，内核不是解决任务，而是有一定自主性；在当前记忆受限的情况下，还提供不了长期关系<br> 01:17:18 短期机会是做新型内容平台<br> 01:22:12 远期想象：工具 Agent 和陪伴 Agent 的融合<br> 01:24:35 未来 3 年再不到“GPT-3 时刻”可能是个大泡沫，但这是早期投资可以容忍的风险<br> 01:31:42 结尾分享，那些创业公司和开源历史的启发——《九胜一败》、《安卓传奇》、《与开源同行》</p> <p>01:37:39 本期连点成线</p> <p><strong>相关链接：</strong><br> <a href="https://www.kaggle.com/whitepaper-agents" rel="nofollow">Google Agents 白皮书原文</a><br> <a href="https://www.xiaoyuzhoufm.com/episode/67cdb53f7ccfd410926b0c66" rel="nofollow">晚点聊107：与真格戴雨森长聊 Agent：各行业都会遭遇“李世石时刻”，Attention is not all you need</a></p> <p><strong>剪辑制作：Nick</strong><br> <strong>本期主播：</strong>小红书 @<a href="https://www.xiaohongshu.com/user/profile/5dfa9e92000000000100626f?xsec_token=YBSKzbnOGWpnyJ5fxw_yafTdnAUIDw-EfCtqmFTkCIM2o=&xsec_source=app_share&xhsshare=CopyLink&appuid=5dfa9e92000000000100626f&apptime=1736682459&share_id=331aecb9ca7941f498d81fb9c32ea810" rel="nofollow">曼祺_火柴Q</a>，即刻 @<a href="https://okjk.co/FBoH1Q" rel="nofollow">曼祺_火柴Q</a></p> <p><img src="https://cdn.z.wiki/autoupload/20250129/p96l/1428X298/%E6%92%AD%E5%AE%A2-%E7%BB%93%E5%B0%BE%E4%BD%9C%E8%80%85%E7%AD%BE%E5%90%8D.png" alt=""></p> <p><strong>☆《晚点聊 LateTalk》建立「 播客听友群」啦！☆</strong></p> <p>欢迎关注科技、商业大公司动态和创业创新的小伙伴进群交流，第一时间收听新节目。<br> 这里有更多互动，更多话题讨论。欢迎贡献选题 & 推荐嘉宾。</p> <p>请先添加「晚点」小助手的微信号，<strong>备注：“晚点聊”</strong>，我们邀请您入群。</p> <p><img src="https://cdn.z.wiki/autoupload/20250114/en02/1991X754/%E6%88%AA%E5%B1%8F2025-01-14_15.34.07.png" alt=""></p> <p><strong>关注公众号《晚点 LatePost》和《晚点对话》，阅读更多商业、科技文章：</strong></p> <p><img src="https://hv.z.wiki/autoupload/20250129/DqTi/1452X514/%E6%92%AD%E5%AE%A2%E7%BB%93%E5%B0%BE%E6%88%AA%E5%9B%BE.png" alt=""></p>
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at [email protected] for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.
