Sensitive content

This media may contain sensitive content.

正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

🐶：I’m suffering from all the studies 🧑‍🌾：Will turning into a rubber drone and getting edged for a whole afternoon help? 🐶：I’m all geared up! 🕶️ 一些不太推荐尝试的复习期解压（摸鱼）方式：变成胶偶然后被责一下午

RubberPupTG

23,811 subscribers

42,641 次观看 • 2 年前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

11 条评论

小狗 100 + ▼⁠・⁠ᴥ⁠・⁠▼ 的头像

小狗 100 + ▼⁠・⁠ᴥ⁠・⁠▼2 年前

Wow ! Very hot ! 🔥🔥🔥🔥🔥🔥🔥

Gaga🔻Stone 的头像

Gaga🔻Stone2 年前

I'm gonna come to help you to relax after the next exam 😈😈

RubberPupTG 的头像

RubberPupTG2 年前

Hahahaha ok, quale ruolo intendi?🤪

RMI Mr.Dobby 的头像

RMI Mr.Dobby2 年前

😍

Pup Leilei 的头像

Pup Leilei2 年前

骚狗！🌝

RubberPupTG 的头像

RubberPupTG2 年前

@leidegouzi168 哟骚狗醒啦

马虎的橙子🍊 的头像

马虎的橙子🍊2 年前

骚狗

RubberPupTG 的头像

RubberPupTG2 年前

骚狗说谁！

Johnny-sumeru 的头像

Johnny-sumeru2 年前

骚狗

泽鲁托的头像

泽鲁托2 年前

学到了，很新颖的解压方式（）

RubberPupTG 的头像

RubberPupTG2 年前

赶快用起来吧

相关视频

习近平因从小在大院被薄熙来等太子党当狗骑当猪骑，文革时期受尽屈辱和共产党的残害后来第一任妻子与其离婚，到社会上被排挤，到总参被打压，这些经历让其形成变态反社会人格后习近平因学习毛泽东著作里关于台湾的阐述，认为拿回台湾是中国共产党的历史性任务和责任，得到老革命的认可和赏识，让习近平推向另一个极端，认为收复台湾就是他的人生使命习近平本身就是魔，在台湾问题上不存在谁劝服他的问题习近平认为打了台湾他就是中国秦始皇习近平认为只要打了台湾，一切中国的问题都解决了，科技、人才、技术、对美、对日、亚洲问题都迎刃而解

习近平因从小在大院被薄熙来等太子党当狗骑当猪骑，文革时期受尽屈辱和共产党的残害后来第一任妻子与其离婚，到社会上被排挤，到总参被打压，这些经历让其形成变态反社会人格后习近平因学习毛泽东著作里关于台湾的阐述，认为拿回台湾是中国共产党的历史性任务和责任，得到老革命的认可和赏识，让习近平推向另一个极端，认为收复台湾就是他的人生使命习近平本身就是魔，在台湾问题上不存在谁劝服他的问题习近平认为打了台湾他就是中国秦始皇习近平认为只要打了台湾，一切中国的问题都解决了，科技、人才、技术、对美、对日、亚洲问题都迎刃而解

Bill🌟🌟🌟银河系

31,131 次观看 • 2 个月前

习近平在韩国庆州出席亚太经合组织第三十二次领导人非正式会议期间会见日本首相高市早苗，有时候，一些议题太敏感，且双方都没有形成一个最终的立场时，举行非正式会谈就很有必要。非正式会谈较灵活，不仅除去“繁文缛节”，可以在开会的间隙中“见缝插针”地举行，双方也可只就阶段性的想法进行交流。在高峰会期间举行的双边会谈，有时能够促成重要的国际协议，但对中日双方来说，APEC只是一个“偶然”的时间点和平台让双方会谈，之后双方或有局部性的调整，但根本的趋势已不会改变。习近平想让高市首相为“一个中国”原则定锚，而要达成如此复杂的“大妥协”需要中日极高的政治信任，而这根本不存在。2010年中日爆发钓鱼台风波后，时任中国总理温家宝与日本首相菅直人在比利时亚欧会议间“偶然”相遇，交谈了25分钟。2012年，日韩同为岛屿主权问题关系紧张，当年APEC峰会结束后，两国元首也在场外站着交流5分钟。

习近平在韩国庆州出席亚太经合组织第三十二次领导人非正式会议期间会见日本首相高市早苗，有时候，一些议题太敏感，且双方都没有形成一个最终的立场时，举行非正式会谈就很有必要。非正式会谈较灵活，不仅除去“繁文缛节”，可以在开会的间隙中“见缝插针”地举行，双方也可只就阶段性的想法进行交流。在高峰会期间举行的双边会谈，有时能够促成重要的国际协议，但对中日双方来说，APEC只是一个“偶然”的时间点和平台让双方会谈，之后双方或有局部性的调整，但根本的趋势已不会改变。习近平想让高市首相为“一个中国”原则定锚，而要达成如此复杂的“大妥协”需要中日极高的政治信任，而这根本不存在。2010年中日爆发钓鱼台风波后，时任中国总理温家宝与日本首相菅直人在比利时亚欧会议间“偶然”相遇，交谈了25分钟。2012年，日韩同为岛屿主权问题关系紧张，当年APEC峰会结束后，两国元首也在场外站着交流5分钟。

Xiang Yang 向阳

187,840 次观看 • 9 个月前

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

Ashlyn He

11,937 次观看 • 20 天前

李笑来在《1000小时》这本书中给的英语学习建议：每天用自己的话记录生活中的趣事或想法，然后用AI翻译工具翻译成地道的英语。不会的单词查询搞清楚意思和发音，再用11Labs等TTS工具合成语音。然后分段跟读，就像练习吉他曲一样，分小节练习。跟读时最好戴一只耳机，既听清楚TTS发音，又能听清楚自己的发音。然后是完整跟读，读几遍以后要录音，方便对比发现细节处理不好的地方。最后一步，背诵。另外，复习很重要，比如每天复习昨天学的内容，每周/每月都要做阶段复习。时间投入建议每天3小时，结束前做复盘，记录今天遇到的困难，尚未解决的问题，尝试的方法等等。这个要求真不是一般的高！首先，每天写作就筛选掉大部分人。然后，要会用各种AI翻译、生成工具，还要跟读录音，做复盘笔记。最难的是，每天要投入3小时，坚持一年，达到1000小时。 In his book "1000 Hours", Li Xiaolai provides the following advice for learning English: Every day, record interesting events or thoughts from your life in your own words, then use AI translation tools to translate them into idiomatic English. For unfamiliar words, look up their meanings and pronunciations, and use TTS tools like 11Labs to generate audio. Then, practice reading along with the audio in segments, similar to practicing a guitar piece by breaking it down into smaller sections. When reading along, it's best to wear one earphone so you can clearly hear both the TTS pronunciation and your own. Next, practice reading the entire passage. After a few read-throughs, record yourself so you can compare and identify areas where you need to improve. The final step is memorization. Additionally, review is crucial. For example, review the content you learned yesterday every day, and conduct periodic reviews every week or month. It's recommended to invest 3 hours per day. Before finishing, do a retrospective and record the difficulties you encountered, unresolved problems, methods you tried, and so on. These requirements are exceptionally high! First, daily writing alone will eliminate most people. Then, you need to know how to use various AI translation and generation tools, as well as practice reading along and recording yourself, and write retrospective notes. The most challenging part is investing 3 hours every day and persisting for a year to reach 1,000 hours. 按这个方法，把上面内容做了个视频，工具使用如下： 1. 用POE中的Claude Opus翻译成英语。 2. 免费把文本转成TTS 3. 打开剪映，文本->智能字幕，修改文本大小和样式（气泡和花字） 4. 用POE中的DallE做一个封面图导出合成视频如下

李笑来在《1000小时》这本书中给的英语学习建议：每天用自己的话记录生活中的趣事或想法，然后用AI翻译工具翻译成地道的英语。不会的单词查询搞清楚意思和发音，再用11Labs等TTS工具合成语音。然后分段跟读，就像练习吉他曲一样，分小节练习。跟读时最好戴一只耳机，既听清楚TTS发音，又能听清楚自己的发音。然后是完整跟读，读几遍以后要录音，方便对比发现细节处理不好的地方。最后一步，背诵。另外，复习很重要，比如每天复习昨天学的内容，每周/每月都要做阶段复习。时间投入建议每天3小时，结束前做复盘，记录今天遇到的困难，尚未解决的问题，尝试的方法等等。这个要求真不是一般的高！首先，每天写作就筛选掉大部分人。然后，要会用各种AI翻译、生成工具，还要跟读录音，做复盘笔记。最难的是，每天要投入3小时，坚持一年，达到1000小时。 In his book "1000 Hours", Li Xiaolai provides the following advice for learning English: Every day, record interesting events or thoughts from your life in your own words, then use AI translation tools to translate them into idiomatic English. For unfamiliar words, look up their meanings and pronunciations, and use TTS tools like 11Labs to generate audio. Then, practice reading along with the audio in segments, similar to practicing a guitar piece by breaking it down into smaller sections. When reading along, it's best to wear one earphone so you can clearly hear both the TTS pronunciation and your own. Next, practice reading the entire passage. After a few read-throughs, record yourself so you can compare and identify areas where you need to improve. The final step is memorization. Additionally, review is crucial. For example, review the content you learned yesterday every day, and conduct periodic reviews every week or month. It's recommended to invest 3 hours per day. Before finishing, do a retrospective and record the difficulties you encountered, unresolved problems, methods you tried, and so on. These requirements are exceptionally high! First, daily writing alone will eliminate most people. Then, you need to know how to use various AI translation and generation tools, as well as practice reading along and recording yourself, and write retrospective notes. The most challenging part is investing 3 hours every day and persisting for a year to reach 1,000 hours. 按这个方法，把上面内容做了个视频，工具使用如下： 1. 用POE中的Claude Opus翻译成英语。 2. 免费把文本转成TTS 3. 打开剪映，文本->智能字幕，修改文本大小和样式（气泡和花字） 4. 用POE中的DallE做一个封面图导出合成视频如下

向阳乔木

84,748 次观看 • 2 年前

最近在看何一 Yi He 推荐的这本 Mindset: The New Psychology of Success 中文书名叫《终身成长—重新定义成功的思维模式》读的过程中，一姐那些演讲都跃然于屏上了「如果我多看书、多了解世界，天天坚持，就会变成另一个自己」仿佛在和一姐对话这是一种什么心态呢？就是强者从不抱怨环境你是固定思维模式，还是成长型思维模式？固定思维模式：人的智商不可改变、能力、聪明是天生的，赚多少钱就看命、运成长型思维模式：能力可以通过后天努力培养，学习能力、执行力、抗挫能力才是决定赚多少钱的核心因素一姐自身的成功，也完美诠释了，有了这种心态，人人都有机会成功那如何获得成长型思维呢？语言影响思维可以对自己多说以下 4 句话： 1、犯错没关系，它会让我更强 2、值得的事情，总会花点时间和精力，我会持续学习 3、我不是不行，我只是还没找到方法 4、我相信自己，我会努力，成为更好的自己！ 2026 年，列出几个你最想完成的小目标用成长型思维去完成它！ ✅

最近在看何一 Yi He 推荐的这本 Mindset: The New Psychology of Success 中文书名叫《终身成长—重新定义成功的思维模式》读的过程中，一姐那些演讲都跃然于屏上了「如果我多看书、多了解世界，天天坚持，就会变成另一个自己」仿佛在和一姐对话这是一种什么心态呢？就是强者从不抱怨环境你是固定思维模式，还是成长型思维模式？固定思维模式：人的智商不可改变、能力、聪明是天生的，赚多少钱就看命、运成长型思维模式：能力可以通过后天努力培养，学习能力、执行力、抗挫能力才是决定赚多少钱的核心因素一姐自身的成功，也完美诠释了，有了这种心态，人人都有机会成功那如何获得成长型思维呢？语言影响思维可以对自己多说以下 4 句话： 1、犯错没关系，它会让我更强 2、值得的事情，总会花点时间和精力，我会持续学习 3、我不是不行，我只是还没找到方法 4、我相信自己，我会努力，成为更好的自己！ 2026 年，列出几个你最想完成的小目标用成长型思维去完成它！ ✅

Annie 所长

37,987 次观看 • 7 个月前

主播真是个咸鸭蛋，外面白里面黄🤣 当 Web3 不再只是“亮闪闪的新名词”，而变成你用过一次就记住的工具时，它的背后往往不是轰轰烈烈的宣言，而是那些悄悄改善用户感受的细节。下面这几位项目正在做的，就是让链上体验更像“自然发生的行为”，而不是把你推进一个操作流程。 Spaace 🟠 — 让 NFT 交易变成“玩出来的历程” Spaace 是业内首个游戏化 NFT 市场，用户不仅限于简单挂单和成交，而是可以通过累积行为、完成任务、参与排行等方式不断“升级体验层”。这种把买卖行为拆成多次可反馈事件的设计，让 NFT 不再是急着成交的商品，而是一条可以反复参与的成长路径。这种交互沉淀正逐渐成为社区互动的内在逻辑。 @GlintAnalytics — 把链上分析从“看懂”变成“可参与的信号层” 过去数据分析像是观察者的工具，Glint 的定位则是把它变成一个“交互式洞察网络”：不仅输出链上数据，还试图让这些洞察被共享、引用甚至形成协作回报机制。它正在构建一个更像“分析师经济体”的信号生态，让链上智能分析不再只是报表，而是参与者之间可交易、可价值化的资源。 Veera — 把 Web3 入口变成 “习惯性空间” Veera 的产品思路是：入口不再是工具板，而是探索空间。它整合钱包、DApp 发现与资产管理于一体，以更像信息流、推荐流的形式呈现功能入口，让用户不被陌生感阻隔，一滑就懂。一款“你不觉得难用”的链上入口，是推进 Web3 普及最重要的改进之一。 Altura — 让链上资产从“静态凭证”变成“可调用构件” Alturax 的逻辑不止于交易或持有资产，它把这些资产视为可以被不同协议和玩法嵌入、调用、组合的基础构件，而不是单一的价值标签。这种让资产本身参与生态互联的思路，是让用户真正拥有“资产用途”的关键一步——不仅是在市场看涨跌，而是作为生态互动动力参与其中。 Konnex — 让现实任务与链上结算真正对接 Konnex 的有趣之处在于，它不仅仅把任务搬到链上，而是让现实世界的不确定性成为系统结构的一部分。它提出了机器人、自动化系统与链上协议协作的方式，让物理任务可以被量化、验证、结算，从而支持基于结果的稳定币支付机制。这种把现实交互信任度嵌入链上逻辑的尝试，是 Web3 迈向现实世界应用的重要布局。 TermMax | Fixed Rate Borrowing & Lending

主播真是个咸鸭蛋，外面白里面黄🤣 当 Web3 不再只是“亮闪闪的新名词”，而变成你用过一次就记住的工具时，它的背后往往不是轰轰烈烈的宣言，而是那些悄悄改善用户感受的细节。下面这几位项目正在做的，就是让链上体验更像“自然发生的行为”，而不是把你推进一个操作流程。 Spaace 🟠 — 让 NFT 交易变成“玩出来的历程” Spaace 是业内首个游戏化 NFT 市场，用户不仅限于简单挂单和成交，而是可以通过累积行为、完成任务、参与排行等方式不断“升级体验层”。这种把买卖行为拆成多次可反馈事件的设计，让 NFT 不再是急着成交的商品，而是一条可以反复参与的成长路径。这种交互沉淀正逐渐成为社区互动的内在逻辑。 @GlintAnalytics — 把链上分析从“看懂”变成“可参与的信号层” 过去数据分析像是观察者的工具，Glint 的定位则是把它变成一个“交互式洞察网络”：不仅输出链上数据，还试图让这些洞察被共享、引用甚至形成协作回报机制。它正在构建一个更像“分析师经济体”的信号生态，让链上智能分析不再只是报表，而是参与者之间可交易、可价值化的资源。 Veera — 把 Web3 入口变成 “习惯性空间” Veera 的产品思路是：入口不再是工具板，而是探索空间。它整合钱包、DApp 发现与资产管理于一体，以更像信息流、推荐流的形式呈现功能入口，让用户不被陌生感阻隔，一滑就懂。一款“你不觉得难用”的链上入口，是推进 Web3 普及最重要的改进之一。 Altura — 让链上资产从“静态凭证”变成“可调用构件” Alturax 的逻辑不止于交易或持有资产，它把这些资产视为可以被不同协议和玩法嵌入、调用、组合的基础构件，而不是单一的价值标签。这种让资产本身参与生态互联的思路，是让用户真正拥有“资产用途”的关键一步——不仅是在市场看涨跌，而是作为生态互动动力参与其中。 Konnex — 让现实任务与链上结算真正对接 Konnex 的有趣之处在于，它不仅仅把任务搬到链上，而是让现实世界的不确定性成为系统结构的一部分。它提出了机器人、自动化系统与链上协议协作的方式，让物理任务可以被量化、验证、结算，从而支持基于结果的稳定币支付机制。这种把现实交互信任度嵌入链上逻辑的尝试，是 Web3 迈向现实世界应用的重要布局。 TermMax | Fixed Rate Borrowing & Lending

搞子(明日香版)🕊️

102,922 次观看 • 6 个月前

什么是顶级的思维？总结的很到位，值得收藏！ 1.墨菲定律：越怕什么，越发生什么推论：越害怕什么?就越准备什么，那样发生什么都不需要害怕。 2.吉德林法则：把问题清楚记下来，就能解决一半问题推论：问题越清楚，解决越彻底。 3.吉尔伯特法则：工作上的危机信号，就是没有人会告诉你工作要怎么做推论：有人告诉你怎么做的时候，不一定就是对的。 4.福克兰定律：不用做决定时，就不要做决定推论：不变则损害利益时，就一定要做决定。 5.沃尔森定律：想变现，就要把信息和情报放首位推论：各行各业，把握第一手9热点，结合相应的商品，就能打造强大IP。 6.福尔摩斯原则：除去所有不可能的因素，剩下的，无论你多么不愿意去相信，但它就是事实的真相推论：真相(目标)只有一个。 7.德鲁克管理思维：用反馈发现优势，用优势解决短处难，用长处做事，每次专注一件事推论：每日专注不断开发更多优势、增强长处 8.巴菲特定律：要到竞争对手少的地方投资推论：投资用于有长远价值且少竞争对手的地方。 9.吉格勒定理：设定高目标等于达到目标的一部分推论：起点越高，得到更多。 10.叶杜二氏法则：动机越强，越高效，越成功推论：动机强的事先做。 11.吸引力法则：专注什么，就会吸引什么推论：专注自强，强者成堆;专注自卑，弱者自损。 12.快鱼法则：快慢决定成败推论：大吃小，不如快吃慢。 13.复利思维：做任何事，每做一次都要优化一次，同时能给其他事带来了增幅效果推论：把手上的事尽可能优化，并使其能对其它事件带来增幅效果，即能逆转人生。 14.无限猴子定理：让一只猴子在打字机a上随机地按键，当按键时间达到无穷时，几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作推论1：当明确条件下的尝试，方向会越明确，越来越接近成功推论2：漫无目的下的尝试，只会增加试错成本°，且与成功越来越远。 15.因果定律：事出必有因，事做必有果推论：不做就失败，做错也成功，做对更成功。 16.剃刀定律(化繁为简思维)：勿增派资源，去做一件本来用极少资源就能做好的事推论：不要把时间浪费于机械重复，来做好一件事;而是善用更少的时间且不重复来做好一件事。 17.破窗效应：有问题出现，必当下解决或补救或矫正。推论：问题就是方法，及时发现问题，就会发现方法。用思维导图能理清思路，然后找出问题以及解决方案，这个AI树图能一键生成思维导图、还有各种模板，有思路混乱症的小伙伴。 18.坏苹果法则：态度决定结果推论：牺牲小我，无法大我:成全大我，必先小我。 19.罗伯特定理：自己不打败自己，则天下无敌推论：别人说你错，你就大声说对方大错特错错。 20.卡蒂埃定理：只想一条路走到尽头，尽头就是绝路推论：前方无路，路在脚下。 21.能事相关定律：能者多劳，劳多者能;能者少劳，劳少者退。推论：能力越大，事情越多，化繁为简，只是规则化。 22.普希尔定律：再好的决策经不起拖延推论1：任何事满足实行的最佳条件，必须不顾一切马上行动推论2：男女婚嫁都要捉住自己高光时刻，不然后悔莫及。 23.费汀斯格法则：任何事有10%是人们无能为力，剩下的90%却能扭转乾坤°。推论：不论遇到任何坏事，都可以变成一件好事，这也是富人最强大的思维之一！

什么是顶级的思维？总结的很到位，值得收藏！ 1.墨菲定律：越怕什么，越发生什么推论：越害怕什么?就越准备什么，那样发生什么都不需要害怕。 2.吉德林法则：把问题清楚记下来，就能解决一半问题推论：问题越清楚，解决越彻底。 3.吉尔伯特法则：工作上的危机信号，就是没有人会告诉你工作要怎么做推论：有人告诉你怎么做的时候，不一定就是对的。 4.福克兰定律：不用做决定时，就不要做决定推论：不变则损害利益时，就一定要做决定。 5.沃尔森定律：想变现，就要把信息和情报放首位推论：各行各业，把握第一手9热点，结合相应的商品，就能打造强大IP。 6.福尔摩斯原则：除去所有不可能的因素，剩下的，无论你多么不愿意去相信，但它就是事实的真相推论：真相(目标)只有一个。 7.德鲁克管理思维：用反馈发现优势，用优势解决短处难，用长处做事，每次专注一件事推论：每日专注不断开发更多优势、增强长处 8.巴菲特定律：要到竞争对手少的地方投资推论：投资用于有长远价值且少竞争对手的地方。 9.吉格勒定理：设定高目标等于达到目标的一部分推论：起点越高，得到更多。 10.叶杜二氏法则：动机越强，越高效，越成功推论：动机强的事先做。 11.吸引力法则：专注什么，就会吸引什么推论：专注自强，强者成堆;专注自卑，弱者自损。 12.快鱼法则：快慢决定成败推论：大吃小，不如快吃慢。 13.复利思维：做任何事，每做一次都要优化一次，同时能给其他事带来了增幅效果推论：把手上的事尽可能优化，并使其能对其它事件带来增幅效果，即能逆转人生。 14.无限猴子定理：让一只猴子在打字机a上随机地按键，当按键时间达到无穷时，几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作推论1：当明确条件下的尝试，方向会越明确，越来越接近成功推论2：漫无目的下的尝试，只会增加试错成本°，且与成功越来越远。 15.因果定律：事出必有因，事做必有果推论：不做就失败，做错也成功，做对更成功。 16.剃刀定律(化繁为简思维)：勿增派资源，去做一件本来用极少资源就能做好的事推论：不要把时间浪费于机械重复，来做好一件事;而是善用更少的时间且不重复来做好一件事。 17.破窗效应：有问题出现，必当下解决或补救或矫正。推论：问题就是方法，及时发现问题，就会发现方法。用思维导图能理清思路，然后找出问题以及解决方案，这个AI树图能一键生成思维导图、还有各种模板，有思路混乱症的小伙伴。 18.坏苹果法则：态度决定结果推论：牺牲小我，无法大我:成全大我，必先小我。 19.罗伯特定理：自己不打败自己，则天下无敌推论：别人说你错，你就大声说对方大错特错错。 20.卡蒂埃定理：只想一条路走到尽头，尽头就是绝路推论：前方无路，路在脚下。 21.能事相关定律：能者多劳，劳多者能;能者少劳，劳少者退。推论：能力越大，事情越多，化繁为简，只是规则化。 22.普希尔定律：再好的决策经不起拖延推论1：任何事满足实行的最佳条件，必须不顾一切马上行动推论2：男女婚嫁都要捉住自己高光时刻，不然后悔莫及。 23.费汀斯格法则：任何事有10%是人们无能为力，剩下的90%却能扭转乾坤°。推论：不论遇到任何坏事，都可以变成一件好事，这也是富人最强大的思维之一！

Eth_蛋总

20,646 次观看 • 9 个月前

强推兄弟们去看这期腾讯WorkBudy产品负责人Jason的深度对谈播客！比起百篇AI教程，这一小时的官方干货内容更有价值，认知拉满。 Jason认为：2021年他还计划让孩子学编程，可到2026年，编程早已不再是稀缺技能。 AI时代真正的核心竞争力，是洞察力、审美和清晰的表达能力。播客里的文科生案例格外有启发：一位不会写代码的前媒体人，因整理七千多首杜比音乐屡屡碰壁，被迫借助AI工具自研App。他反复调试、拆解文件、摸索部署，踩遍无数坑，耗时数月打磨，最终做出的杜比音乐App已迭代至3.2版本，成功上架App Store。支撑他坚持下来的，是AI的正向反馈。每当他思路正确，AI就会给予肯定。这一点精准戳中了在否定式教育中长大的东亚人，我们很多时候不敢尝试，不是能力不足，而是长期被否定，内心充斥着“自己不行”的自我怀疑。过往学习做事，出错总会被指责、挑错，久而久之就畏手畏脚。但AI不会评判、不会打压，只会精准捕捉你的闪光点并给予鼓励，慢慢抚平长期积累的自我否定。如今各类AI新名词层出不穷，很多人盲目报课学习，却始终不敢上手实操。其实AI学习不必追求一步到位，不用执着于开发上架级别的项目。如果你也害怕出错、不敢起步，不妨从小事尝试：用AI写简易脚本、整理杂乱文件。你会发现，自己从来不是能力不够，只是从未被好好肯定过。 AI时代的成长，不必焦虑畏难。敢于伸手尝试，就会发现前路远比想象中顺遂，与大家共勉。

强推兄弟们去看这期腾讯WorkBudy产品负责人Jason的深度对谈播客！比起百篇AI教程，这一小时的官方干货内容更有价值，认知拉满。 Jason认为：2021年他还计划让孩子学编程，可到2026年，编程早已不再是稀缺技能。 AI时代真正的核心竞争力，是洞察力、审美和清晰的表达能力。播客里的文科生案例格外有启发：一位不会写代码的前媒体人，因整理七千多首杜比音乐屡屡碰壁，被迫借助AI工具自研App。他反复调试、拆解文件、摸索部署，踩遍无数坑，耗时数月打磨，最终做出的杜比音乐App已迭代至3.2版本，成功上架App Store。支撑他坚持下来的，是AI的正向反馈。每当他思路正确，AI就会给予肯定。这一点精准戳中了在否定式教育中长大的东亚人，我们很多时候不敢尝试，不是能力不足，而是长期被否定，内心充斥着“自己不行”的自我怀疑。过往学习做事，出错总会被指责、挑错，久而久之就畏手畏脚。但AI不会评判、不会打压，只会精准捕捉你的闪光点并给予鼓励，慢慢抚平长期积累的自我否定。如今各类AI新名词层出不穷，很多人盲目报课学习，却始终不敢上手实操。其实AI学习不必追求一步到位，不用执着于开发上架级别的项目。如果你也害怕出错、不敢起步，不妨从小事尝试：用AI写简易脚本、整理杂乱文件。你会发现，自己从来不是能力不够，只是从未被好好肯定过。 AI时代的成长，不必焦虑畏难。敢于伸手尝试，就会发现前路远比想象中顺遂，与大家共勉。

0x鸣人

38,728 次观看 • 25 天前

看完这期视频，你的大脑将不可逆转地变聪明一些。今天我们来讲大脑可塑性原理。我们的内容，会依据于哥伦比亚大学的脑科学教授 Lara Boyd 的研究。今天我们就来讲：如何让你的大脑自己变聪明。大脑的改变可以分成三个部分，分别是：化学改变、结构改变，以及功能改变。因为脑科学的研究在不断更新，所以人们对于大脑的认知，其实往往会出现三个方面的误解。第一个误解是：你的大脑是你父母给予的，所以你的大脑的聪明程度，以及它的功能性，是有上限的。人们往往对大脑的第二个误解是：成年以后，人的大脑就不能再改变了。人们对于大脑的第三个误解就是：当你不再思考的时候，大脑就不会运行。但是随着神经科学的发展，我们发现，大脑其实是一直在改变的，你的脑部结构也是一直在改变的。所以今天我们主要要讲的就是：如何让你自己改变你的大脑。其实简单来说，一言以蔽之，就是：行为是可以改变大脑的。而且行为是无时无刻不在改变着大脑。今天会讲很多反常识的点。首先我们来讲，Lara 的第一个核心观点是什么。他认为：不是因为你是谁，所以你做了这样的事情；某种程度上，也是因为你做了这样的事情，造就了你是谁。你的行为在无时无刻地塑造你的大脑。正是因为你眼前面临一个选择，你选择了 A 或选择了 B，然后你持续地在做 A、做 B 的过程中，它塑造了你是谁。你不是用拥有的大脑在生活，而是生活在不断构建你的大脑。这有点像萨特的存在主义：你塑造了你自己是谁，而不是你是谁，所以你做了怎样的事情。你的行为，完全改变了你的大脑结构，也定义了你是谁。所以每个人的行为，每个人眼前的选择，是非常重要的。即便你不选择，也是一种选择。这就不得不让我们引出第二个话题：改变大脑的三种方式。分别是：化学性改变、结构性改变，以及功能性的改变。什么叫化学性的改变呢？就是大脑是如何运作的。大脑是通过神经元之间的化学信号来传递工作的。换言之，你的神经元和神经元之间传递出一个化学信号，才导致你身体有怎样的反应。这就是为什么每个人的愤怒值不一样，这就是为什么每个人的敏感值不一样，这就是为什么每个人对于音乐的这种敏感度不一样。因为，其实你大脑之间的这个化学信号浓度，是不一样的。所以如果说你想快速改变你的大脑，就是通过改变行为，通过学习，来改变神经元之间化学信号的浓度。举个简单的例子：考试之前临时抱佛脚有没有用？有，其实是有用的。因为你有瞬时记忆。你在不断学习的过程中，你的大脑间的神经元之间的化学信号的浓度变强了，所以你学了以后是有用的。但是你有没有发现，考完试以后，到了第二天，再问你考试时候的那个内容的时候，你就忘记了答案。是的。所以某种程度上，这种化学性的改变是什么？是增强你的瞬时记忆。你单次的学习，就会增强你这个神经元之间的瞬时记忆。也就是说，在考试之前，你不要想着放松还是学习，临时抱佛脚是管用的。换言之，这种化学性的大脑改变，会短期地让你变聪明。大脑的第二种改变方式，叫做结构性的改变。因为大脑通过改变神经链接的形态和数量，来储存长期记忆。我举个简单例子就明白了。你看那个马龙，包括樊振东，他们打球的时候，是不是有这种肌肉记忆？对的。他们真的是看到了球的轨迹，所以做出了预判，然后打到这个乒乓球吗？不是的。他的脑子反应没有那么快。但是他通过这种肌肉记忆，其实改变了他的脑部结构。当一个球以某种形态发出来的时候，他的身体自然会给出反应，你的大脑会自动地给出反应，你的大脑结构已经变了。那么它和这个化学性有什么区别呢？我举个简单例子就明白了。就是说你弹钢琴的时候，你第一次，比如说你学一个简单的钢琴曲，当你学会以后，你是不是就会了？你是不是就不会再忘掉了？对。但是第二天弹的时候，你手还是反应不过来，你还是会忘掉。因为你短暂的学习，只是改变了神经元间的化学信号的浓度，而没有改变你的脑部结构。但是如果说你长期学习，长期学习，你就再也忘不掉了。当你把这首曲子弹得滚瓜烂熟的时候，你就再也忘不掉。可能有些人已经失忆了，但他还会弹钢琴。这就是长期学习、长期进步，给予你大脑结构性的改变。这就是为什么小的时候，老师让我们反复练习，反复去背一些诗文。由于小的时候通过朗读的过程中，很多诗文已经背得滚瓜烂熟，所以你就再也忘不掉了。大脑发生了结构性的改变，而且你对于诗歌的鉴赏能力也提高了。所以为什么有一种说法：一个人的家庭环境非常重要，一个家庭的教育环境非常重要。说白了就是所谓的浸淫、所谓的熏陶、所谓的耳濡目染，让你不知不觉之间进入了某种长期学习的状态，大脑结构因此而改变。也就是说，一个杀人犯的孩子，如果被养在一个书香门第，他的大脑结构是会改变的。不代表就是龙生龙、凤生凤、老鼠儿子会打洞。不是这样的。只要你愿意花时间进行长期的学习，进行长期的这种训练，你的大脑结构是会改变的。你是可以突破那个大家以为的那个极限的。第三种改变方式，叫做功能性的改变。什么叫功能性的改变呢？简单来说，就是伦敦的出租车司机。以前是没有 GPS 的，所以他们要怎么样呢？他们就要靠大脑来记地图。当一个客人说：我要从这个地方到另外一个地方的时候，他是靠大脑去记住这个方位的。经过核磁共振的实验，你会发现，伦敦的出租车司机海马体要比一般人活跃得多。就是他们的空间记忆能力，要比一般人活跃得多。难道是因为伦敦出租车公司专门选了海马体比较活跃的人来当出租车司机吗？不是。他就是平凡人，但是他通过长期的训练，导致他的大脑某一项功能，就是比一般人强。我再举个简单例子。就是说如果你学过盲文，就是盲人的文字，通过触摸来获取信息。通过核磁共振你会发现，这些人的手部感觉区域的大脑功能会变大。这就是训练得来的功能性的脑部改变。有没有发现，这个事情很让人兴奋？也就是说，你的每一个行为，其实某种程度上都在重塑你的大脑。最害怕的就是你不改变。但是这个地方，有一点让人失望的地方了。虽然大脑可以改变，每个人的大脑都可以改变，叫大脑可塑性。但是每个人的大脑可塑性是不同的。就是有些人，他想改变大脑特别简单；有些人想改变大脑就难一些。有些人想改变自己的大脑结构，他可以通过训练某种行为，比如弹钢琴、画画、写字、练书法、练舞蹈，他可能 30 天，大脑结构就改变了。但是有些人可能要 60 天，有些人可能要两年。也就是说，这个大脑可塑性不是公平的。大脑可以改变这件事情，对于每个人来说都是透明的。但是改变时间的快慢，对于每个人来说是不一样的。它是某一个领域的不一样，还是整个大脑都不一样？某一个领域。但是如果说，恰巧你就希望这个领域得到改变的话，那就很惨，对吧？相对来说就辛苦一些。但是，一定是可以改变的。换言之，改变大脑是一个非常个人化的事情，它不是一概而论的。不是说你读 30 个小时的诗，和我读 30 个小时的诗，对于大脑的改变是一样的。它不同，有高低之分。我们刚才说的，其实都是正面的大脑可塑性。那我们再说一下，大脑可塑性的这种负面的影响。负面的影响是什么？就是如果你有一个坏习惯，也很难改变。是的。你的大脑结构已经记住了那种坏习惯的行为模式。比如抽烟、喝酒、泡吧。换言之，如果你的大脑已经得到了某种快速获得多巴胺的体验，它就很难放弃这种模式。这就是为什么很多人有成瘾行为。那么如果说你讨厌这样的生活方式，你就要通过其他方式获取多巴胺。这对你来说可能是非常痛苦的。那再说一个负面的点。就是说你不做某些事情，某种程度上也会改变你的大脑。比如说你有每天读书的好习惯，结果突然因为你出去玩了一趟，你放弃了这个习惯，你的大脑也会慢慢变笨。这好真实。对，是这样的。就是你放弃了某一个好习惯，你的大脑也会改变。无论你怎么做，你的大脑都会因为你的做法而得到改变。这就是为什么我经常有一个想法：这个世间万事，都是不进则退，不存在停留。是的，包括你的大脑能力。不进则退，对吧？就是说你要是不想着让它变聪明，它就会变笨。不存在“我的智商维持住了”。对吧？所以就是说，如果你的某种大脑惯性思考方式已经给你带来了困扰，你是可以通过行为去改变。但是，通过行为去改变这件事情，本身也是一件很难的事情。其实以前我听过这么一句话，是台湾省的小马哥说的。他在一次演讲里面说，他为什么要坚持跑步呢？他说：强迫成习惯，习惯成自然。我觉得这句话是非常受用的。如果说你想改变自己大脑，让自己变得聪明一点，刚开始一定是不舒服的。那不舒服没关系，每个人刚开始的改变都是不舒服的。所以要强迫自己去做某些事情。强迫成习惯，习惯成自然。所有成长的东西，都是反人性的。当然，摆烂也是一种生活方式。如果你躺得很平的话，我觉得也没有问题。但是如果说你想变聪明，希望这期能给到你帮助。

看完这期视频，你的大脑将不可逆转地变聪明一些。今天我们来讲大脑可塑性原理。我们的内容，会依据于哥伦比亚大学的脑科学教授 Lara Boyd 的研究。今天我们就来讲：如何让你的大脑自己变聪明。大脑的改变可以分成三个部分，分别是：化学改变、结构改变，以及功能改变。因为脑科学的研究在不断更新，所以人们对于大脑的认知，其实往往会出现三个方面的误解。第一个误解是：你的大脑是你父母给予的，所以你的大脑的聪明程度，以及它的功能性，是有上限的。人们往往对大脑的第二个误解是：成年以后，人的大脑就不能再改变了。人们对于大脑的第三个误解就是：当你不再思考的时候，大脑就不会运行。但是随着神经科学的发展，我们发现，大脑其实是一直在改变的，你的脑部结构也是一直在改变的。所以今天我们主要要讲的就是：如何让你自己改变你的大脑。其实简单来说，一言以蔽之，就是：行为是可以改变大脑的。而且行为是无时无刻不在改变着大脑。今天会讲很多反常识的点。首先我们来讲，Lara 的第一个核心观点是什么。他认为：不是因为你是谁，所以你做了这样的事情；某种程度上，也是因为你做了这样的事情，造就了你是谁。你的行为在无时无刻地塑造你的大脑。正是因为你眼前面临一个选择，你选择了 A 或选择了 B，然后你持续地在做 A、做 B 的过程中，它塑造了你是谁。你不是用拥有的大脑在生活，而是生活在不断构建你的大脑。这有点像萨特的存在主义：你塑造了你自己是谁，而不是你是谁，所以你做了怎样的事情。你的行为，完全改变了你的大脑结构，也定义了你是谁。所以每个人的行为，每个人眼前的选择，是非常重要的。即便你不选择，也是一种选择。这就不得不让我们引出第二个话题：改变大脑的三种方式。分别是：化学性改变、结构性改变，以及功能性的改变。什么叫化学性的改变呢？就是大脑是如何运作的。大脑是通过神经元之间的化学信号来传递工作的。换言之，你的神经元和神经元之间传递出一个化学信号，才导致你身体有怎样的反应。这就是为什么每个人的愤怒值不一样，这就是为什么每个人的敏感值不一样，这就是为什么每个人对于音乐的这种敏感度不一样。因为，其实你大脑之间的这个化学信号浓度，是不一样的。所以如果说你想快速改变你的大脑，就是通过改变行为，通过学习，来改变神经元之间化学信号的浓度。举个简单的例子：考试之前临时抱佛脚有没有用？有，其实是有用的。因为你有瞬时记忆。你在不断学习的过程中，你的大脑间的神经元之间的化学信号的浓度变强了，所以你学了以后是有用的。但是你有没有发现，考完试以后，到了第二天，再问你考试时候的那个内容的时候，你就忘记了答案。是的。所以某种程度上，这种化学性的改变是什么？是增强你的瞬时记忆。你单次的学习，就会增强你这个神经元之间的瞬时记忆。也就是说，在考试之前，你不要想着放松还是学习，临时抱佛脚是管用的。换言之，这种化学性的大脑改变，会短期地让你变聪明。大脑的第二种改变方式，叫做结构性的改变。因为大脑通过改变神经链接的形态和数量，来储存长期记忆。我举个简单例子就明白了。你看那个马龙，包括樊振东，他们打球的时候，是不是有这种肌肉记忆？对的。他们真的是看到了球的轨迹，所以做出了预判，然后打到这个乒乓球吗？不是的。他的脑子反应没有那么快。但是他通过这种肌肉记忆，其实改变了他的脑部结构。当一个球以某种形态发出来的时候，他的身体自然会给出反应，你的大脑会自动地给出反应，你的大脑结构已经变了。那么它和这个化学性有什么区别呢？我举个简单例子就明白了。就是说你弹钢琴的时候，你第一次，比如说你学一个简单的钢琴曲，当你学会以后，你是不是就会了？你是不是就不会再忘掉了？对。但是第二天弹的时候，你手还是反应不过来，你还是会忘掉。因为你短暂的学习，只是改变了神经元间的化学信号的浓度，而没有改变你的脑部结构。但是如果说你长期学习，长期学习，你就再也忘不掉了。当你把这首曲子弹得滚瓜烂熟的时候，你就再也忘不掉。可能有些人已经失忆了，但他还会弹钢琴。这就是长期学习、长期进步，给予你大脑结构性的改变。这就是为什么小的时候，老师让我们反复练习，反复去背一些诗文。由于小的时候通过朗读的过程中，很多诗文已经背得滚瓜烂熟，所以你就再也忘不掉了。大脑发生了结构性的改变，而且你对于诗歌的鉴赏能力也提高了。所以为什么有一种说法：一个人的家庭环境非常重要，一个家庭的教育环境非常重要。说白了就是所谓的浸淫、所谓的熏陶、所谓的耳濡目染，让你不知不觉之间进入了某种长期学习的状态，大脑结构因此而改变。也就是说，一个杀人犯的孩子，如果被养在一个书香门第，他的大脑结构是会改变的。不代表就是龙生龙、凤生凤、老鼠儿子会打洞。不是这样的。只要你愿意花时间进行长期的学习，进行长期的这种训练，你的大脑结构是会改变的。你是可以突破那个大家以为的那个极限的。第三种改变方式，叫做功能性的改变。什么叫功能性的改变呢？简单来说，就是伦敦的出租车司机。以前是没有 GPS 的，所以他们要怎么样呢？他们就要靠大脑来记地图。当一个客人说：我要从这个地方到另外一个地方的时候，他是靠大脑去记住这个方位的。经过核磁共振的实验，你会发现，伦敦的出租车司机海马体要比一般人活跃得多。就是他们的空间记忆能力，要比一般人活跃得多。难道是因为伦敦出租车公司专门选了海马体比较活跃的人来当出租车司机吗？不是。他就是平凡人，但是他通过长期的训练，导致他的大脑某一项功能，就是比一般人强。我再举个简单例子。就是说如果你学过盲文，就是盲人的文字，通过触摸来获取信息。通过核磁共振你会发现，这些人的手部感觉区域的大脑功能会变大。这就是训练得来的功能性的脑部改变。有没有发现，这个事情很让人兴奋？也就是说，你的每一个行为，其实某种程度上都在重塑你的大脑。最害怕的就是你不改变。但是这个地方，有一点让人失望的地方了。虽然大脑可以改变，每个人的大脑都可以改变，叫大脑可塑性。但是每个人的大脑可塑性是不同的。就是有些人，他想改变大脑特别简单；有些人想改变大脑就难一些。有些人想改变自己的大脑结构，他可以通过训练某种行为，比如弹钢琴、画画、写字、练书法、练舞蹈，他可能 30 天，大脑结构就改变了。但是有些人可能要 60 天，有些人可能要两年。也就是说，这个大脑可塑性不是公平的。大脑可以改变这件事情，对于每个人来说都是透明的。但是改变时间的快慢，对于每个人来说是不一样的。它是某一个领域的不一样，还是整个大脑都不一样？某一个领域。但是如果说，恰巧你就希望这个领域得到改变的话，那就很惨，对吧？相对来说就辛苦一些。但是，一定是可以改变的。换言之，改变大脑是一个非常个人化的事情，它不是一概而论的。不是说你读 30 个小时的诗，和我读 30 个小时的诗，对于大脑的改变是一样的。它不同，有高低之分。我们刚才说的，其实都是正面的大脑可塑性。那我们再说一下，大脑可塑性的这种负面的影响。负面的影响是什么？就是如果你有一个坏习惯，也很难改变。是的。你的大脑结构已经记住了那种坏习惯的行为模式。比如抽烟、喝酒、泡吧。换言之，如果你的大脑已经得到了某种快速获得多巴胺的体验，它就很难放弃这种模式。这就是为什么很多人有成瘾行为。那么如果说你讨厌这样的生活方式，你就要通过其他方式获取多巴胺。这对你来说可能是非常痛苦的。那再说一个负面的点。就是说你不做某些事情，某种程度上也会改变你的大脑。比如说你有每天读书的好习惯，结果突然因为你出去玩了一趟，你放弃了这个习惯，你的大脑也会慢慢变笨。这好真实。对，是这样的。就是你放弃了某一个好习惯，你的大脑也会改变。无论你怎么做，你的大脑都会因为你的做法而得到改变。这就是为什么我经常有一个想法：这个世间万事，都是不进则退，不存在停留。是的，包括你的大脑能力。不进则退，对吧？就是说你要是不想着让它变聪明，它就会变笨。不存在“我的智商维持住了”。对吧？所以就是说，如果你的某种大脑惯性思考方式已经给你带来了困扰，你是可以通过行为去改变。但是，通过行为去改变这件事情，本身也是一件很难的事情。其实以前我听过这么一句话，是台湾省的小马哥说的。他在一次演讲里面说，他为什么要坚持跑步呢？他说：强迫成习惯，习惯成自然。我觉得这句话是非常受用的。如果说你想改变自己大脑，让自己变得聪明一点，刚开始一定是不舒服的。那不舒服没关系，每个人刚开始的改变都是不舒服的。所以要强迫自己去做某些事情。强迫成习惯，习惯成自然。所有成长的东西，都是反人性的。当然，摆烂也是一种生活方式。如果你躺得很平的话，我觉得也没有问题。但是如果说你想变聪明，希望这期能给到你帮助。

另一面

30,073 次观看 • 5 个月前

如果没有 Beldex.bdx，这套叙事为什么走不通这几天重刷《余欢水》、《老舅》，老舅那条线让我反复想一个问题。你们真的可以不爱，还结婚吗？只是为了物质生活。剧里赵海龙的老婆张晓梅，被韩国富商一击命中： “这世上，没有开不起的价格。” 她信了。抛下几个月的婴儿，跟人走了。残酷，但很真实，现实中很多这样例子。一、价格能解决一时，但解决不了边际递减我一直在想一件事。韩国富商真的会为了自己的爱情性福，甘愿长期支付这份关系的全部成本吗？女人的自身优势，会随时间的递减。而一个人的职业能力、资源、地位，却更像滚雪球。这很像经济学里的一个老规律：边际效用递减。你很饿的时候，第一口饭，救命，老香了。吃到第十口，已经平淡，灵肉交融了。吃到第二月、第三个年呢？只剩下肉体的碰撞了。张晓梅会一直被珍惜吗？当然，世上有真爱，也有转正的故事。但比例，大家心里都有数。价格能买到进入，却很难买到长期留下。二、隐私叙事，曾经也掉进过这个陷阱把这个问题，换个场景。过去几年，隐私项目拼命在说： -自由 -权利 -反监控 -反审查这些话，全都正确。但它们有一个共同的问题——太贵了。不是钱贵。是使用成本、学习成本、失败成本贵。隐私像一段昂贵的关系：第一次很刺激，但每一次使用都要你付出额外精力。久了，大多数人都会退出。这就是为什么如果隐私只停留在理念，它一定会输给便利。三、如果只有隐私币，这套故事一定会塌再说得直接一点。如果隐私只存在于转账那一刻，那它永远只是一个防御工具。但人的一天，不是由一笔交易组成的。你在： -聊天 -浏览 -搜索 -登录 -协作这些行为，才是数字世界真正的亲密关系。如果这些场景没有隐私，那匿名支付本身就会越来越像一次短暂的、高价的、不可持续的体验。叙事从结构上，就走不远。四、Beldex 真正不一样的地方说到这里，才轮到 Beldex.bdx 出场。它做的不是把隐私价格抬高，而是系统性地把隐私的日常成本压下来。不是靠一句口号，而是靠一整套可被反复使用的现实结构： BChat：不用理解密钥，就能安全聊天 BelNet：不用懂路由，就能匿名上网浏览器：隐私不是模式，是默认 BNS：把一串地址，变成可记忆的身份你不需要为了隐私而额外付出。你只是正常地生活，隐私在背后默默生效。这和花钱买关系，是完全不同的逻辑。五、为什么没有 Beldex，这套叙事立不住回到最初那个问题。如果没有 Beldex 这种形态： -隐私只能被讨论，不能被习惯 -理念只能被认同，不能被身体记住 -用户只能被吸引一次，却无法长期留下就像张晓梅的故事一样靠价格进入的关系，一旦新鲜感退潮，就开始崩塌。而真正能留下人的，从来不是刺激，是不费力。六、所以关键不是隐私值不值钱而是一个更现实的问题：有没有一种隐私，不用你反复证明自己值得，它就默认站在你这边？如果没有这样的答案，隐私叙事终究会像那段关系开始得轰烈，结束得沉默。至少现在Beldex 给了一个可以被反复验证的尝试。写在最后价格，解决的是进入。体验，决定的是留下。不管是关系，还是隐私。最后留一个问题给你：你用过的隐私产品里，哪一次让你觉得“原来，不用这么累”？评论区聊聊。 Beldex.bdx #Beldex #BDX #Privacy #Web3 #Narrative #隐私基础设施 #Kaito

如果没有 Beldex.bdx，这套叙事为什么走不通这几天重刷《余欢水》、《老舅》，老舅那条线让我反复想一个问题。你们真的可以不爱，还结婚吗？只是为了物质生活。剧里赵海龙的老婆张晓梅，被韩国富商一击命中： “这世上，没有开不起的价格。” 她信了。抛下几个月的婴儿，跟人走了。残酷，但很真实，现实中很多这样例子。一、价格能解决一时，但解决不了边际递减我一直在想一件事。韩国富商真的会为了自己的爱情性福，甘愿长期支付这份关系的全部成本吗？女人的自身优势，会随时间的递减。而一个人的职业能力、资源、地位，却更像滚雪球。这很像经济学里的一个老规律：边际效用递减。你很饿的时候，第一口饭，救命，老香了。吃到第十口，已经平淡，灵肉交融了。吃到第二月、第三个年呢？只剩下肉体的碰撞了。张晓梅会一直被珍惜吗？当然，世上有真爱，也有转正的故事。但比例，大家心里都有数。价格能买到进入，却很难买到长期留下。二、隐私叙事，曾经也掉进过这个陷阱把这个问题，换个场景。过去几年，隐私项目拼命在说： -自由 -权利 -反监控 -反审查这些话，全都正确。但它们有一个共同的问题——太贵了。不是钱贵。是使用成本、学习成本、失败成本贵。隐私像一段昂贵的关系：第一次很刺激，但每一次使用都要你付出额外精力。久了，大多数人都会退出。这就是为什么如果隐私只停留在理念，它一定会输给便利。三、如果只有隐私币，这套故事一定会塌再说得直接一点。如果隐私只存在于转账那一刻，那它永远只是一个防御工具。但人的一天，不是由一笔交易组成的。你在： -聊天 -浏览 -搜索 -登录 -协作这些行为，才是数字世界真正的亲密关系。如果这些场景没有隐私，那匿名支付本身就会越来越像一次短暂的、高价的、不可持续的体验。叙事从结构上，就走不远。四、Beldex 真正不一样的地方说到这里，才轮到 Beldex.bdx 出场。它做的不是把隐私价格抬高，而是系统性地把隐私的日常成本压下来。不是靠一句口号，而是靠一整套可被反复使用的现实结构： BChat：不用理解密钥，就能安全聊天 BelNet：不用懂路由，就能匿名上网浏览器：隐私不是模式，是默认 BNS：把一串地址，变成可记忆的身份你不需要为了隐私而额外付出。你只是正常地生活，隐私在背后默默生效。这和花钱买关系，是完全不同的逻辑。五、为什么没有 Beldex，这套叙事立不住回到最初那个问题。如果没有 Beldex 这种形态： -隐私只能被讨论，不能被习惯 -理念只能被认同，不能被身体记住 -用户只能被吸引一次，却无法长期留下就像张晓梅的故事一样靠价格进入的关系，一旦新鲜感退潮，就开始崩塌。而真正能留下人的，从来不是刺激，是不费力。六、所以关键不是隐私值不值钱而是一个更现实的问题：有没有一种隐私，不用你反复证明自己值得，它就默认站在你这边？如果没有这样的答案，隐私叙事终究会像那段关系开始得轰烈，结束得沉默。至少现在Beldex 给了一个可以被反复验证的尝试。写在最后价格，解决的是进入。体验，决定的是留下。不管是关系，还是隐私。最后留一个问题给你：你用过的隐私产品里，哪一次让你觉得“原来，不用这么累”？评论区聊聊。 Beldex.bdx #Beldex #BDX #Privacy #Web3 #Narrative #隐私基础设施 #Kaito

Domingo_gou | MemeMax⚡️

12,339 次观看 • 7 个月前

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统我把自己最常用的 20 个技巧整理出来了。如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。一、让 Codex 逐渐认识你 1. 每天让它问你一个问题我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。四、建立自己的信息雷达 16. 每天订阅 Builder 信息我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是：不要把 AI 只当作“问答工具”或“临时外包”。当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。换电脑时，我第一个装的软件就是 Codex。写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。你最想让我把上面哪一条展开成教程？评论区告诉我，我下一条就拆！ #codex #chatgpt @thsottaux

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统我把自己最常用的 20 个技巧整理出来了。如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。一、让 Codex 逐渐认识你 1. 每天让它问你一个问题我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。四、建立自己的信息雷达 16. 每天订阅 Builder 信息我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是：不要把 AI 只当作“问答工具”或“临时外包”。当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。换电脑时，我第一个装的软件就是 Codex。写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。你最想让我把上面哪一条展开成教程？评论区告诉我，我下一条就拆！ #codex #chatgpt @thsottaux

Vivi Xiao

95,566 次观看 • 11 天前

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

301,570 次观看 • 1 年前

反共不够，现在还得反“觉醒左”了。 JD Vance一句话点破：年轻人为什么越来越激进？居然开始投票支持共产主义者或激进左翼？是他们疯了吗？还是这个国家出了问题？他拿到一份图表，是Charlie Kirk发给他的年轻美国人中结婚率和住房拥有率，几乎是自由落体式坠崖。换句话说，一整个世代被定格：买不起房，养不起家，看不见未来。在“你的美国梦变成了债务梦”的背景下，偏激思潮就成了避难所。 JD Vance的回应不是简单指责“年轻人太左”，而是试图修复根基：降低住房成本，让普通人能真正建立起人生。这一点值得深思：到底是谁在制造激进主义的土壤？当一个政府破坏了成家、置业、安稳生活的基石，人民就会追求替代方案。而拜登政府留下的烂摊子，恰恰催熟了这片土壤。问题从不是“年轻人变了”，而是他们被逼到没得选。保守派正在重新定义什么是真正的“平民主义”：不是靠空喊口号，而是靠让家庭回归，让人生恢复可预期。但想实现这一切，最大的敌人也许不是年轻人，而是建制精英那种“只要数据漂亮，不管人活不活得下去”的冷酷逻辑。你怎么看？真的是年轻人先变激进，还是环境先把他们推到了边缘？

反共不够，现在还得反“觉醒左”了。 JD Vance一句话点破：年轻人为什么越来越激进？居然开始投票支持共产主义者或激进左翼？是他们疯了吗？还是这个国家出了问题？他拿到一份图表，是Charlie Kirk发给他的年轻美国人中结婚率和住房拥有率，几乎是自由落体式坠崖。换句话说，一整个世代被定格：买不起房，养不起家，看不见未来。在“你的美国梦变成了债务梦”的背景下，偏激思潮就成了避难所。 JD Vance的回应不是简单指责“年轻人太左”，而是试图修复根基：降低住房成本，让普通人能真正建立起人生。这一点值得深思：到底是谁在制造激进主义的土壤？当一个政府破坏了成家、置业、安稳生活的基石，人民就会追求替代方案。而拜登政府留下的烂摊子，恰恰催熟了这片土壤。问题从不是“年轻人变了”，而是他们被逼到没得选。保守派正在重新定义什么是真正的“平民主义”：不是靠空喊口号，而是靠让家庭回归，让人生恢复可预期。但想实现这一切，最大的敌人也许不是年轻人，而是建制精英那种“只要数据漂亮，不管人活不活得下去”的冷酷逻辑。你怎么看？真的是年轻人先变激进，还是环境先把他们推到了边缘？

墓碑科技

64,808 次观看 • 8 个月前

所谓的大运推背感，本质不是指某个具体的事件，而是一种连续、明显的顺势体验，事情开始自己往前走，机会密集出现，很多原本费力的事突然变得轻松，甚至会有一种被往前推着走的感觉。如果一个人还没明显感受过，大概率就两种情况，一种是确实还没走到那个阶段每个人拿到的剧本节奏本来就不一样，有的人二十多岁就起势，有的人三十多、四十多才开始明显变化。年纪偏小的人，人生变量还不够多，周期还没完全展开，自然很难形成那种强烈对比另一种是经历还不够长推背感其实是对比出来的，先有一段时间低谷期、，这个时候可能长达几年，要么就是家里的变动很大，要么就是自己，生病，破产，离婚，发生意外，全部不好的事情都接二连三发生，后面突然顺起来，反差才会特别明显。如果一直在比较平稳的状态里，也不太容易察觉，人生还没拉开足够的时间跨度，很多东西是要经历过低谷、停滞，再突然提速，才会真正理解那种被周期带着走的状态，我有个同学，在换大运之前那几年，整个人几乎被按在地上摩擦。先是父母接连出意外，家里所有事情都压到他一个人身上，等这些事情好不容易处理完，工作也没了，谈了几年的女朋友也跑了，连基本生活都成问题，后来他跑去去做轮胎生意，租房子的钱都是我借给他的，后面短短两年时间，就积累了A8，有时候我还和他开玩笑，要不是当年我借你钱，你估计早饿死大街了，也正因为看过太多这样的人，我也一直提醒身边的人人在顺的时候，千万别太得意，别把短短几年赚到的钱，全都归功于自己的能力，就像这个行业，这一轮牛市里进来了很多刚毕业的00后，恰好踩在了 Sol 链 meme 的爆发期上，实现意想不到的人生跨越，但最危险的地方也恰恰在这里，太容易把阶段性的红利，当成了永久性的实力，当一个人刚进市场就连续赚钱，很容易形成一种错觉觉得是自己认知高、判断准、执行力强，大运一换，那些当初看起来轻而易举赚到的钱，就会用同样快的速度还回去，同样人在低谷的时候，也别太沮丧，有些路是要硬熬的，换大运前一定会把你折磨得体无完肤，熬过去了，之前所有的压抑都会一下子被释放出来，属于你的全部都会回来

所谓的大运推背感，本质不是指某个具体的事件，而是一种连续、明显的顺势体验，事情开始自己往前走，机会密集出现，很多原本费力的事突然变得轻松，甚至会有一种被往前推着走的感觉。如果一个人还没明显感受过，大概率就两种情况，一种是确实还没走到那个阶段每个人拿到的剧本节奏本来就不一样，有的人二十多岁就起势，有的人三十多、四十多才开始明显变化。年纪偏小的人，人生变量还不够多，周期还没完全展开，自然很难形成那种强烈对比另一种是经历还不够长推背感其实是对比出来的，先有一段时间低谷期、，这个时候可能长达几年，要么就是家里的变动很大，要么就是自己，生病，破产，离婚，发生意外，全部不好的事情都接二连三发生，后面突然顺起来，反差才会特别明显。如果一直在比较平稳的状态里，也不太容易察觉，人生还没拉开足够的时间跨度，很多东西是要经历过低谷、停滞，再突然提速，才会真正理解那种被周期带着走的状态，我有个同学，在换大运之前那几年，整个人几乎被按在地上摩擦。先是父母接连出意外，家里所有事情都压到他一个人身上，等这些事情好不容易处理完，工作也没了，谈了几年的女朋友也跑了，连基本生活都成问题，后来他跑去去做轮胎生意，租房子的钱都是我借给他的，后面短短两年时间，就积累了A8，有时候我还和他开玩笑，要不是当年我借你钱，你估计早饿死大街了，也正因为看过太多这样的人，我也一直提醒身边的人人在顺的时候，千万别太得意，别把短短几年赚到的钱，全都归功于自己的能力，就像这个行业，这一轮牛市里进来了很多刚毕业的00后，恰好踩在了 Sol 链 meme 的爆发期上，实现意想不到的人生跨越，但最危险的地方也恰恰在这里，太容易把阶段性的红利，当成了永久性的实力，当一个人刚进市场就连续赚钱，很容易形成一种错觉觉得是自己认知高、判断准、执行力强，大运一换，那些当初看起来轻而易举赚到的钱，就会用同样快的速度还回去，同样人在低谷的时候，也别太沮丧，有些路是要硬熬的，换大运前一定会把你折磨得体无完肤，熬过去了，之前所有的压抑都会一下子被释放出来，属于你的全部都会回来

Ripe

28,023 次观看 • 5 个月前

Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。【Agent 的“脚手架”正在变薄】几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。重点正在从“控制每一步”，转向“设计 Agent 之间如何协作”。【衡量 Agent “投入产出比”（ROI，Return on Investment），先看一个人快了多少】 Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。【工程团队没消失，但每个人的角色都变了】 Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。 Agent 的作用也不再只是“帮忙写代码”。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。【个体变强，不等于团队自然变好】 Agent 降低了开发和试错成本，也可能带来新的问题。过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。来源：

Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。【Agent 的“脚手架”正在变薄】几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。重点正在从“控制每一步”，转向“设计 Agent 之间如何协作”。【衡量 Agent “投入产出比”（ROI，Return on Investment），先看一个人快了多少】 Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。【工程团队没消失，但每个人的角色都变了】 Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。 Agent 的作用也不再只是“帮忙写代码”。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。【个体变强，不等于团队自然变好】 Agent 降低了开发和试错成本，也可能带来新的问题。过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。来源：

宝玉

66,803 次观看 • 26 天前

最近刷到一个 22 岁年轻人的 AI 副业复盘，感觉比很多“月入十万教程”靠谱得多。他之前几乎把热门项目踩了个遍：跨境电商、加密货币、校园创业……折腾几年下来，赚到的没多少，交的学费倒是不少。后来他把重心放到一个更轻量的模式： AI内容账号 + 联盟营销。不需要露脸，不需要自己发货，也不用专门跑到美国，靠内容获取流量，再通过联盟链接变现。他的思路其实很简单： ✅ 第一步：找已经被市场验证过的内容通过 VidIQ 这类工具观察近期增长最快、互动最高的视频，优先研究那些突然爆发的内容。 ✅ 第二步：用AI重新包装利用 HeyGen、11Labs 等工具重新生成内容，包括AI数字人、配音、脚本优化等。重点不是复制，而是换一种表达方式重新呈现。 ✅ 第三步：把流量变成收益视频里推荐相关产品，通过亚马逊联盟等渠道获取佣金。一条内容可能赚不了多少钱，但长期积累后会形成持续收益。 ✅ 第四步：批量生产内容创业最容易掉进的坑，就是把80%的时间花在纠结细节上。而他的做法恰恰相反：先发出去，再慢慢优化。每天稳定更新几条内容，同时分发到 YouTube、Instagram、Facebook 等多个平台。他说过一句让我印象挺深的话：很多人不是做错了，而是还没等数据反馈就已经放弃了。很多账号前两个月几乎没什么起色，但只要持续测试选题、标题和内容形式，某一条视频突然跑出来后，整个账号的数据都会被带动起来。当然，这种模式也不是“躺赚”。本质上还是在做内容生意，只不过把过去需要团队完成的剪辑、配音、出镜等工作，用AI工具大幅降低了门槛。如果你想尝试AI副业，又不想露脸、直播或者囤货，这个方向确实值得研究一下。比起天天找下一个风口，持续生产内容，可能才是更容易被大多数人复制的路径。

最近刷到一个 22 岁年轻人的 AI 副业复盘，感觉比很多“月入十万教程”靠谱得多。他之前几乎把热门项目踩了个遍：跨境电商、加密货币、校园创业……折腾几年下来，赚到的没多少，交的学费倒是不少。后来他把重心放到一个更轻量的模式： AI内容账号 + 联盟营销。不需要露脸，不需要自己发货，也不用专门跑到美国，靠内容获取流量，再通过联盟链接变现。他的思路其实很简单： ✅ 第一步：找已经被市场验证过的内容通过 VidIQ 这类工具观察近期增长最快、互动最高的视频，优先研究那些突然爆发的内容。 ✅ 第二步：用AI重新包装利用 HeyGen、11Labs 等工具重新生成内容，包括AI数字人、配音、脚本优化等。重点不是复制，而是换一种表达方式重新呈现。 ✅ 第三步：把流量变成收益视频里推荐相关产品，通过亚马逊联盟等渠道获取佣金。一条内容可能赚不了多少钱，但长期积累后会形成持续收益。 ✅ 第四步：批量生产内容创业最容易掉进的坑，就是把80%的时间花在纠结细节上。而他的做法恰恰相反：先发出去，再慢慢优化。每天稳定更新几条内容，同时分发到 YouTube、Instagram、Facebook 等多个平台。他说过一句让我印象挺深的话：很多人不是做错了，而是还没等数据反馈就已经放弃了。很多账号前两个月几乎没什么起色，但只要持续测试选题、标题和内容形式，某一条视频突然跑出来后，整个账号的数据都会被带动起来。当然，这种模式也不是“躺赚”。本质上还是在做内容生意，只不过把过去需要团队完成的剪辑、配音、出镜等工作，用AI工具大幅降低了门槛。如果你想尝试AI副业，又不想露脸、直播或者囤货，这个方向确实值得研究一下。比起天天找下一个风口，持续生产内容，可能才是更容易被大多数人复制的路径。

Smartpig

19,502 次观看 • 2 个月前

兄弟们，最近世界杯打得火热，想尝试让不同的AI模型帮我分析一下“目前最有可能夺冠的是谁？” 先登场的是Claude Opus 4.8和ChatGPT 5.5（视频一）。 GPT 5.5还算中规中矩预测的是法国队，不过Opus 4.8让我有点意外居然是西班牙。然后我看了一下他们的预测依据，我怎么感觉Opus 4.8不太靠谱呢？我这开了网络搜索啊，它难道不知道西班牙开局不利吗？这因素都没考虑进去不应该啊。我又找了个大佬推荐的专门搞深度研究的AI产品：Apodex Apodex 它硬是给我跑出了一篇带 8 个权威信源的小论文，我把它的回答也发出来了，你们感受一下这个差距（视频二）。它没有直接给答案，而是先干了一件让我很惊讶的事： 1/ 自己去查了 Opta 超级电脑的 2.5 万次模拟结果，告诉我法国原本夺冠概率 13%，仅次于西班牙。然后它又实时扒了最新博彩赔率，发现开赛后法国已经变成“独立第一热门”，赔率 +410。 2/ 这还没完，它怕我被数据忽悠，又去交叉验证了《纽约时报》、BBC、Fox Sports 的多篇战报，甚至扒出了姆巴佩本赛季 47 场 49 球的恐怖数据，以及英格兰后防线谁又伤了…… 3/ 最后连西班牙被佛得角逼平导致淘汰赛路径变难的连锁反应都给我推演了出来。相比一些AI的“伪正确”（一本正经的胡说八道）， Apodex 的每一条结论，都敢把原始信源亮出来让你点开查证。它不是会聊天的嘴替，它是真的能帮你去发现那些还没人替你整理好的复杂真相。以后谁敢再跟你空口预测冠军，你就把这截图甩过去：你的信源在哪？依据是什么？感兴趣的可以去测试一下他们家的产品：

兄弟们，最近世界杯打得火热，想尝试让不同的AI模型帮我分析一下“目前最有可能夺冠的是谁？” 先登场的是Claude Opus 4.8和ChatGPT 5.5（视频一）。 GPT 5.5还算中规中矩预测的是法国队，不过Opus 4.8让我有点意外居然是西班牙。然后我看了一下他们的预测依据，我怎么感觉Opus 4.8不太靠谱呢？我这开了网络搜索啊，它难道不知道西班牙开局不利吗？这因素都没考虑进去不应该啊。我又找了个大佬推荐的专门搞深度研究的AI产品：Apodex Apodex 它硬是给我跑出了一篇带 8 个权威信源的小论文，我把它的回答也发出来了，你们感受一下这个差距（视频二）。它没有直接给答案，而是先干了一件让我很惊讶的事： 1/ 自己去查了 Opta 超级电脑的 2.5 万次模拟结果，告诉我法国原本夺冠概率 13%，仅次于西班牙。然后它又实时扒了最新博彩赔率，发现开赛后法国已经变成“独立第一热门”，赔率 +410。 2/ 这还没完，它怕我被数据忽悠，又去交叉验证了《纽约时报》、BBC、Fox Sports 的多篇战报，甚至扒出了姆巴佩本赛季 47 场 49 球的恐怖数据，以及英格兰后防线谁又伤了…… 3/ 最后连西班牙被佛得角逼平导致淘汰赛路径变难的连锁反应都给我推演了出来。相比一些AI的“伪正确”（一本正经的胡说八道）， Apodex 的每一条结论，都敢把原始信源亮出来让你点开查证。它不是会聊天的嘴替，它是真的能帮你去发现那些还没人替你整理好的复杂真相。以后谁敢再跟你空口预测冠军，你就把这截图甩过去：你的信源在哪？依据是什么？感兴趣的可以去测试一下他们家的产品：

李岳

20,162 次观看 • 1 个月前

我们这代人将会遇到的最大变局就是中共被彻底抛弃，中国社会以民主自由的名义开始群雄并起、军阀混战、地方独立。这是孕育新生命的阵痛，也是中国历史另一个循环的开始。不出意外的话，几十年战乱后，最大的流氓和军阀打着统一、民主的旗帜建立起一个新的独裁制度。新一轮洗牌结束，赢家通吃。一个不信上帝的国度，结局必然如此。 The biggest change that our generation will encounter is that the CCP will be completely abandoned. In the name of democracy and freedom, Chinese society will begin to see the rise of many heroes, warlords fighting each other, and local independence. This is the birth pain of a new life, and the beginning of another cycle of Chinese history. If nothing unexpected happens, after decades of war, the biggest gangsters and warlords will establish a new dictatorship under the banner of unity and democracy. A new round of reshuffles will end, and the winner will take all. This is the inevitable ending for a country that does not believe in God.

我们这代人将会遇到的最大变局就是中共被彻底抛弃，中国社会以民主自由的名义开始群雄并起、军阀混战、地方独立。这是孕育新生命的阵痛，也是中国历史另一个循环的开始。不出意外的话，几十年战乱后，最大的流氓和军阀打着统一、民主的旗帜建立起一个新的独裁制度。新一轮洗牌结束，赢家通吃。一个不信上帝的国度，结局必然如此。 The biggest change that our generation will encounter is that the CCP will be completely abandoned. In the name of democracy and freedom, Chinese society will begin to see the rise of many heroes, warlords fighting each other, and local independence. This is the birth pain of a new life, and the beginning of another cycle of Chinese history. If nothing unexpected happens, after decades of war, the biggest gangsters and warlords will establish a new dictatorship under the banner of unity and democracy. A new round of reshuffles will end, and the winner will take all. This is the inevitable ending for a country that does not believe in God.

范士贵8964荷兰庇护申请者

36,189 次观看 • 1 年前

什么是 AI 智能体？（双语字幕）为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG）一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。大多数情况下，人工仍会参与以提高准确性。原始视频来源：

什么是 AI 智能体？（双语字幕）为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 * 从单一模型向复合 AI 系统的转变单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。示例：查询假期天数例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 * 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 ** 检索增强生成（RAG）一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 * AI 智能体的作用另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 * 大语言模型智能体的组成部分推理能力推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。行动能力行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 * ReACT 方法配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 ** 示例：度假计划例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。这个系统非常模块化，可以解决更复杂的问题。 * 复合 AI 系统的未来复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。大多数情况下，人工仍会参与以提高准确性。原始视频来源：

宝玉

44,356 次观看 • 2 年前

🔥 AI 任务终于看得见了！Flowtrace 把复杂工作变成可视 Trace：一步步走、每步可查、可追溯、可复用、还能持续进化！我每天用 Claude、Cursor 干活：写报告、研究股票、做方案、优化简历…… 用得越多越崩溃： - 今天花几个小时跟 AI 聊出来的东西，明天想再用一次，又得从头重新说一遍 - AI 给的答案看起来很专业，但我根本不知道它哪来的依据，靠不靠谱心里没底 - 好不容易调教出一个好 Prompt，下次就作废了，全是沉没成本 - 改一个想法，整个对话就乱套，得全部重来 - 领导问“你这个结论怎么来的？”我只能尴尬地说……AI 说的真的太没有安全感了，用完就忘，越用越焦虑。直到我刷到 Flowtrace 这个开源项目，它直接解决了我这些痛点。现在我做事情时，AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容，而是： - 整个过程一步一步清清楚楚，我全程看得见 - 每一步都有单独的文件，想查哪步就点哪步，依据一目了然 - 做完一次以后，下次直接复用，改改输入就能出新结果 - 只想改哪里，就只重新跑哪里，不用全部重来 - 做完之后心里特别踏实，因为每一步都有痕迹、有证据最打动我的是：AI 终于不再是一次性聊天工具，而是变成了我真正能掌控、能重复使用、越用越强的个人助手。现在做股票分析、写周报、准备方案，都会用它跑一遍，心里安心多了，不再担心“明天又得重来”。作为一个普通人，我完全不需要懂技术。把仓库丢给 AI，说一句“帮我安装并跑 tailored-resume 示例”就能立刻上手。项目自带 9 个现成例子，普通用户也能马上感受到巨大差别： - 股票投资决策：完整研究报告 + 图表 + 依据，最后生成可引用 PDF - SaaS 尽职调查：多维度分析，每一步证据链完整 - 定制简历生成：一步步优化，轻松复用 - 行业深度报告、Bug 修复循环、周报、广告优化…… - 甚至能把别人的 Skill / Chat Log 直接转成 Trace！如果你也和我一样，天天靠 AI 干正事，却总觉得不踏实、怕沉没成本，真的强烈推荐你去试试！

🔥 AI 任务终于看得见了！Flowtrace 把复杂工作变成可视 Trace：一步步走、每步可查、可追溯、可复用、还能持续进化！我每天用 Claude、Cursor 干活：写报告、研究股票、做方案、优化简历…… 用得越多越崩溃： - 今天花几个小时跟 AI 聊出来的东西，明天想再用一次，又得从头重新说一遍 - AI 给的答案看起来很专业，但我根本不知道它哪来的依据，靠不靠谱心里没底 - 好不容易调教出一个好 Prompt，下次就作废了，全是沉没成本 - 改一个想法，整个对话就乱套，得全部重来 - 领导问“你这个结论怎么来的？”我只能尴尬地说……AI 说的真的太没有安全感了，用完就忘，越用越焦虑。直到我刷到 Flowtrace 这个开源项目，它直接解决了我这些痛点。现在我做事情时，AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容，而是： - 整个过程一步一步清清楚楚，我全程看得见 - 每一步都有单独的文件，想查哪步就点哪步，依据一目了然 - 做完一次以后，下次直接复用，改改输入就能出新结果 - 只想改哪里，就只重新跑哪里，不用全部重来 - 做完之后心里特别踏实，因为每一步都有痕迹、有证据最打动我的是：AI 终于不再是一次性聊天工具，而是变成了我真正能掌控、能重复使用、越用越强的个人助手。现在做股票分析、写周报、准备方案，都会用它跑一遍，心里安心多了，不再担心“明天又得重来”。作为一个普通人，我完全不需要懂技术。把仓库丢给 AI，说一句“帮我安装并跑 tailored-resume 示例”就能立刻上手。项目自带 9 个现成例子，普通用户也能马上感受到巨大差别： - 股票投资决策：完整研究报告 + 图表 + 依据，最后生成可引用 PDF - SaaS 尽职调查：多维度分析，每一步证据链完整 - 定制简历生成：一步步优化，轻松复用 - 行业深度报告、Bug 修复循环、周报、广告优化…… - 甚至能把别人的 Skill / Chat Log 直接转成 Trace！如果你也和我一样，天天靠 AI 干正事，却总觉得不踏实、怕沉没成本，真的强烈推荐你去试试！

开发者Hailey

13,330 次观看 • 1 个月前