房间里的大象 （英文） AI 确实很强，但人们得出了错误结论。作者观察到，最有技术深度的人用 AI 效果最好——动画库作者 Matt Perry 用 AI 一个下午完成了原本需要整个季度的重构，但同样工具交给作者他不会得到同样结果。相反，缺乏领域知识的「氛围编程」新手在 Reddit 上充斥着「LLM 把自己逼进死角」的故事。 AI 是钢铁侠的战衣，不是能自主行动的机器人。它放大的是你已经拥有的技术能力，而不是替代它。 1 个帖子 - 1 位参与者 阅读完整话题
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
读过的书（ 1 ）《活着》★★★★☆ 想读的书（ 44 ） …… 《性别心理差异探秘》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《感情世界的性别差异》 2022-04-19 想读 《汉语的性别歧视与性别差异》 2022-04-19 想读 《女性心理与性别差异》 2022-04-19 想读 《性别差异》 2022-04-19 想读 《性别差异与教育》 2022-04-19 想读 《性别差异的诗意书写》 2022-04-19 想读 ……
摘录一段主要罪名 证监会指出，老虎、富途、长桥境内外相关主体未经证监会核准，未取得经营证券经纪业务许可、经营证券融资融券业务许可，在境内开展证券交易营销推广、处理交易指令等相关证券业务服务并获取相关收益，违反了《证券法》第一百二十条的规定，构成非法经营证券业务。 国内关于互联网、数据安全之类的法律，以及政策精神，反正能上L站的 懂的都懂。 之前，我还会认为中转站的“合规性”略好于“梯子”。现在感觉真的是半斤八两 难兄难弟。 中转站站长再细品下 国内三大运营商卖token一事。他们同时也卖“合法”的梯子。 「底层逻辑」上，中转站可能比梯子的风险还高半筹 梯子：庙堂担心的仅仅是民智、舆论。 中转站：除了 GPT/Claude 带来的也许不可控的“西方”价值观，还带了一层战略要求 ———— 不能让80年代CPU ，「造不如买」的悲剧重现。 为什么 Mansus 的收购案要撤销？ 为什么 deepseek v4 需要适配华为芯片后才发布 ？ 为什么老特批准了H200出口，但商务部拒绝进口？ 小脑瓜 哪怕不够聪明，你也回过味来。—— mimo 刚发布时，不知道真实效果，估计是罗福利团队拍板做推广就够（所以定价没有跟紧ds）。现在验证后，效果还行，雷老板绝对聪明，亲自下场降价。 站内老友不少跟我一样，2024一季度就参与deepseek 内测了，但ds在2025一季度才火。—— 没有庙堂在背后推波助澜，我是真的不信的。甚至今年的龙虾热，也感觉有明显的催熟痕迹。（明明普通人没有那么频繁且合适的应用场景，却硬是炒热了）—— 他们最终都指向：让国内AI需求起来，从而带动国产GPU的需求 。 —— CPU造不如买 的教训是深刻的。 以上这点，同时也适用于做Agent的OPC 们。 你的Agent吃的是国外模型，下场 = mansus 。—— 搬到新加坡也没用，收购案也让你撤销。 你的Agent是国产模型。你要融资，国家大基金可以投你。你要推广应用，也可以像捧openclaw一样，将你高高举起。 不要问我为什么不是BAT大厂的claw，他们的原罪就在于「大」厂。 自古以来，皇权怎容世家坐大。 但愿你听懂了。 1 个帖子 - 1 位参与者 阅读完整话题
刘寅停顿了数秒，没有正面回答，而是说道： “我给你讲个故事吧。从前有一个僧人心怀慈悲，见村子里闹了饥荒，不断有人饿死，心急如焚，他想放粮赈济灾民，可他自己又没粮，便去劝说一个富户。富户告诉僧人，说只要僧人把常去寺里上香的那个女施主绑来，他就给僧人捐一大笔粮食，让僧人设粥棚救人。 僧人想了三天三夜，最后含着泪，把那个女施主绑了，送给富户。然后富户兑现诺言，村中终于不再有人饿死了…” 刘寅看向王扬，问道：“僧人害了一个人，但却救了一村子的人。你说这个僧人做错了吗？” 王扬问道：“所以你的意思是，你是这个僧人？” 刘寅与王扬对视，缓缓道：“你不敢答了。” 王扬乐了：“我有什么不敢答的？只是要想听懂我这个答案，得先回答我的问题。” “你这话没道理，我只是问你，在这个故事里，僧人的做法是对是错，又何必牵扯现实？” 王扬一笑：“没想到刘大人还是哲学家。” “浙…折学家？” “你这样的故事我可以说很多个，无非是把人放在道德困境中，让人左右为难而已。如果说着玩的，或者讨论玄理，那没什么问题。但只可惜，总是有人要借此概括出个什么道理，然后用此理指涉现实，那就相当不合适了。” “如何不合适了？” “因为这类故事大多都不合理啊！比如说那个村子，为什么饥荒只能靠这个僧人来解决？为什么只有这一个富户？为什么僧人能笃定富户会遵守诺言？为什么——” 刘寅打断道：“故事只是喻理用的，岂能征实？你这不是吹毛求疵吗？” “是啊，既然你知道故事是不能征实的，为什么要用不能征实的故事，去指涉现实呢？”王扬反问。 刘寅一怔。 王扬继续说道： “道德困境的故事大多都不合常理，可总是有自以为聪明的人，或用这些故事给自己现实中的行为开脱，或者从这个故事中概括出一个道理，然后作为自己现实中行事的原则。可问题是故事就是故事，用虚假、漏洞颇多的故事，根本无法对应真实的、复杂的、充满多种可能与意外的现实生活。 这，就是这类道德困境故事最具欺骗性的地方。 比如你刚才讲的这个故事，它与大多数同理故事一样，选择非甲即乙。甲、同意绑架女施主送富户；乙、不同意，则坐等村中人被饿死。没有其他选项。而每一个选择的结果也是极端且固定的，选甲则一定可以救一村子的人，选乙则一定等同于坐视村民继续饿死。乃至于故事里绝对不会允许村民通过其他方式获救甚至提前死绝。一定要饿着、吊着，然后等着僧人做出这个至关重要的决定。 但现实里哪有这么多非此即彼？又哪有这么多极端绝对？即便偶然真有这样的例子发生，那也是在现实具体的条件下，做出的现实具体的选择，并不具有广泛推论与普遍适用的意义。 就比如你口口声说你‘有些违律’是为了‘法的长远大局’，可真的是这样吗？你只有那一项选择吗？选了那项之后，长远大局便真的可以实现？而实现了的长远大局，又一定是好的吗？” 刘寅神色微动，没有做声。 王扬继续道：“按照你所谓的‘大局’思路，那我也可以说，违律和为了法的长远大局，本身就是矛盾的。因为每一次违律都在破坏法的基石，法制之坏，如千里之堤，溃于蚁穴，这不是也是对大局的破坏吗？” “你这是空谈！”刘寅立刻反驳道。 “我起于寒门，家中贫苦，做县吏十五年才做到郡功曹，见了太多我看不惯又无力管的事。我虽不违律，但也不能行律。想要行律，只有向上爬，爬到高位！ 这期间虽然会做一些违心违律的事，但这是必不可少的代价！ 我现在做太守，做长史，可以肃一郡一州之法，等我做到更高的官，便能行更大的法！ 你空谈道德，固然容易，但真正做事的是我！你有什么资格指责我？” 王扬摇头： “又是代价，一提代价就是牺牲别人，杀别人灭口是你的代价，违法害我也在你的代价之内，这就是我特别讨厌所谓大局的原因。 因为大局都是虚幻的，是未来时的，是不明确的。就像你说你未来能更好的行法，真的如此吗？如何能确定？万一你未来变心了呢？万一根本没有你所说的未来呢？万一你做了更大的官，但又因为另一个所谓‘大局’而继续违律违心呢？ 大局是遥远而模糊的，小局是当下且既定的，为了那个看不清的大局要牺牲多少小局小家？一百？一千？一万？还是几十万几百万？大局？多少罪恶假大局之名行事！ 行大恶者从来不会公开宣称自己要行恶，或许他们本身的意图也不是要行大恶，但恰恰是为了所谓的大局而不断牺牲小局，积少成多，聚沙成山，最后愕然发现，大局尚未达成，而大祸已然酿就！ 好心可以办坏事，善意也可以做恶事，不少大难的出现，起始缘由，都是有人想行大善！ 底线一旦失去，就会不断地突破下限。 原则一旦失守，就会不停地丢弃准则。 你现在是长史，违心违律，行起恶来，为害已经不小。 等你再往上升，权更高，势更强，再违心违律，为害就会深！为祸也就更大！ 你说为了法的长远大局，我倒而觉得，说不定到时，法的大局反而会变得更坏。 因为我以为，大局是由小局组成的；而大局的意义，也正在这些小局身上。 正如一个个升斗小民是小局，而天下是大局一样。 今若有人声言为天下而虐小民，则坏天下者必此人！以其言行矛盾，背道而驰也！ 长史如今为法而违律，岂不也是同样的矛盾，同样的背道而驰？ 至于你说我空谈道德，那也未必。 我现在拒绝你的威逼利诱，不正是在践行我之所言吗？ 只是我现在选的这条路不易行…” 王扬说到这儿，深深地看了刘寅一眼：“而你当初选的那条路，更容易走罢了。” 1 个帖子 - 1 位参与者 阅读完整话题
1.人类理解具有一种叙述形式，作为自我理解的存在者，我们的生活可以被看作是叙事性的，且我们的同一性是被叙事地建构的 2.康德把人格同一性看作是反思性的自我认同，他强调由具有自由意志的实践行为来维系人格的同一性。 3.弗里德里希·黑格尔（Friedrich Hegel）则强调一种主体间性的视角，他认为自我意识的形成需要以对方为中介来确证自己的存在。一个主体只能通过其他主体的承认才能认识到自身的能力和品质，并与之达成和解。但同时，主体又会因为被承认了的特殊性而与他人形成对立，并引发冲突。发生冲突正是由于主体间相互承认各自的特殊性。这样，主体间的承认运动就在不断的和解和冲突的交替运动中，达到自我意识的新的维度。但在康德和黑格尔眼中，鉴于作为权利担保的人格的普遍性，这种地位不能被任何个体的、生理的或社会的特殊性进一步限定。 4.德里克·帕菲特（Derek Parfit）指出，要确定人是否维持了一种连续的人格同一性有太多的障碍要克服，更有效的思路是认为同一性只是一个程度问题，而非一个全有或全无的问题。对帕菲特来说，在一个人的生命中，总是存在不同程度的心理连续性。因此我们最好将人格同一性和自我看作是具有程度差别的概念，而不是将人格或自我作为单一的实体。 5.自传式记忆提供的并不是从一个时刻到另一个时刻的心理关联，相反，自传式记忆是主体通过有意无意的选择而建构的一种自传体叙事。并且，自我的统一性程度取决于其叙事统一性的程度，即一个人将其生活经验加以整合的程度。 6.我们的叙事同一性的形成一定是包含着他者的维度的——听者和共同讲述者一起建构了我们的同一性。 7.叙事是人类将其在时间中的经验组织为有意义的整体的主要手段。 8.叙事推理是两种基本的人类认知模式中的一种。另一种模式是逻辑—科学的模式。这两种模式分别对应两种不同的认知世界的方式，一种是理性的、分析的，另一种是情感的、综合的。当我们以认知的方式认识世界时，我们识别模式，辨别联系，提出假设并验证它们，这是分析的方式。但我们也通过对经验、物体和符号进行编码来情感地体验世界，识别出对我们来说好或坏、恐惧或安全、有希望或令人沮丧的经验，并试图将这些经验加以整合，以理解事件对于我们的意义。这两种模式不可化约，但可以互补。每一种模式都提供了一种组织经验和建构现实的方法。它们各有其运行原则、评价标准以及不同的验证程序。 9.叙事提供的解释是基于语境和文本的，而逻辑—科学提供的解释是独立于时空语境的；但两种模式都是创造意义的合理方式。叙事因果性不同于逻辑因果性，逻辑—科学的模式展示了一种经验推理，它旨在证明命题的真理性；而叙事模式展示了一种叙事推理，它通过对部分的整合来理解整体的意义。 10.尽管叙事连贯性可以以不同的方式实现，但心理学的研究表明它依赖于三个关键维度：年表、背景和主题。为了使叙述连贯起来，必须以一种清楚地描述行为的时间顺序（年表）的方式来进行叙述，它必须在时间和地点（背景）中定位事件，并且必须提供足够多的细节和论述，以有意义的方式将行动串联起来（主题）。它不仅包含了事件，包含了参与事件的人，还具有特定的视角，从而使这些要素呈现出一种叙事的结构——连贯、富有意义、带有评价性和情感性的输入。 11.事实上，叙事自我的主张更适用于对社会自我（social self）的说明，而非对本原自我（primal self）的说明 12.叙事主题主要涵盖两个方面：一个方面涉及能动性，另一个方面涉及共融（communion）。能动性的主题包括权力、成就、个人掌控、对他人的影响、地位与独立性等问题。共融的主题关注的是爱、亲密、友谊、对话、依恋关系和成长等问题。 1 个帖子 - 1 位参与者 阅读完整话题
用 > 格式的都是原书的摘录，然后普通文本都是自己的理解， --> 当时随想 前言 AI不是替代工具，而是我们自身思维方式的延展。 所谓“思维链”，是一种让机器不再仅仅给出结果，而是能够展示、构建、优化推理路径的能力。 智能的本质不是数据堆砌，而是路径构建；不是知道答案，而是解释过程。 人类文明的每一次重大跨越，都始于思维方式的革命。 传统AI系统如同精密的复读机，能够复刻知识图谱，却难以在陌生场景中构建逻辑链条。基于思维链的大模型技术打破了这种僵局，让AI系统开始展示出分步推 传统 AI 系统如同精密的复读机，能够复刻知识，却难以真正组织推理。随着大模型与思维链技术的发展，AI 不再只是替代人类完成任务的工具，而逐渐成为人类思维方式的延展。所谓思维链，正是让模型从单纯给出答案，转向构建、展示并优化推理路径的能力。它打破了传统 AI 依赖知识复现的局限，使智能的重点从“知道什么”转向“如何理解、如何推导、如何解释”。 第1章 AI的进化与大语言模型时代 机器不仅开始回答问题，更开始展示它们的思考过程。 当机器的思考轨迹首次以透明化的链条呈现，人类认知史的坐标系被重塑。 20世纪60年代，AI研究主要集中在符号主义（Symbo-lism）和专家系统（Expert System）上。符号主义试图通过逻辑和规则来模拟人类的思维过程。–> 将人类的思考抽象成代码的规律，但是在处理复杂和模糊的问题上有很大的局限性，也就是只会用人类预先写号的规则进行推理。局限在于问题变得复杂、模糊、不确定，或者没有预制好就不大可能进行灵活性处理。==没有真实的自适应能力和自主学习能力，然后可以结合下面遇到的挑战，更多的是过程中的结论，得出来的结果上的表现 符号主义的核心思想是通过逻辑和规则来表示知识和推理过程。 符号主义面临的挑战：1. 知识标识的复杂性，因为人类的知识是复杂和多样的，很难通过一组固定的规律来完全表示；2. 推理过程的复杂性，在处理简单、明细的问题时候表现良好，但是面对复杂和模糊的问题时候，显得力不从心 在符号主义遇到困境的时候，专家系统开始崭露头角，专家系统是通过编码专家知识来解决特定领域的问题，例子为MTCIN，通过一些列“如果-那么”（if-then）规律来模拟医生的诊断过程 同时专家系统也遇到了一定的局限性：1. 知识获取；2. 知识更新 进入20世纪80年代，AI研究迎来了一个新的高潮。神经网络和机器学习开始崭露头角。神经网络的灵感来自人脑的结构，通过模拟神经元之间的连接来处理信息。 20世纪80年代，随着反向传播算法（Backpropagation）的提出，机器学习才真正兴起。反向传播算法由Geoffrey Hinton、David Rumelhart和Ronald Williams在1986年提出，它解决了训练多层神经网络的难题，使得神经网络在处理复杂任务时变得更加高效。反向传播算法通过计算误差的梯度，并将梯度信息反向传播到每一层神经元，从而调整权重，逐步减少误差。–> 也就是说，神经网络作为机器学习的一个子项，然后多层神经网络遇到了一个问题，能力很强，但是有一个问题，不知道怎么让它有效的学会，单层的比较简单，输入进去输出错了，能够比较直观的知道有哪些权重要改，但是多层，中间因为层数多了，不太清楚是中间那一层错了，==得到了当时关键的难题，误差分配问题，这个时候反向传播算法出来，通过将错误一层层回传，计算每个层级对错误的责任，然后模型才知道哪些参数要调大调小，综合上所说，反向传播算法其实就是一本错题本，辅助神经网络进行复盘 机器学习的核心思想是通过数据驱动的方法让计算机从经验中学习，而不是依赖于预定义的规则。这个阶段的研究主要集中在监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）上。监督学习通过标注数据进行训练，而无监督学习则试图从未标注的数据中发现模式和结构。–> 无监督学习不是“有一个校验算法，所以模型就没必要学”，因为"需要一个目标或指标来引导学习，但真正被训练出来的模型，才负责提取结构、压缩信息、生成表示，并用于后续任务。" 强化学习（Reinforcement Learning）作为机器学习的一个重要分支，也在这一时期得到了发展。强化学习通过与环境的交互，学习如何采取行动以最大化累积奖励。 深度学习的成功可归因于3个关键因素：计算能力的指数级增长、大规模标注数据集的可获取性和算法的创新。–> 算力更强、数据更多、算法更好 大语言模型（Large Language Model，LLM）是自然语言处理领域的一个重要突破。大语言模型通过训练海量的文本数据来学习，能够生成和理解自然语言。 缩放定律：模型性能与参数规模呈对数线性关系，即性能提升与参数量的对数成正比。–> 当模型参数、训练数据和计算量不断扩大时，模型能力通常会按照某种可预测规律提升。≈ 参数越大，能力越大 能力涌现：某些能力在模型规模未达到特定阈值之前几乎不存在或表现极差，而超过阈值后，这些能力会突然出现或显著提升 → 应该和前面的差不多，当模型参数提升以后，原本小参数缺失/较为落后的能力突然提升 涌现能力和技术突破的关联：1. MoE（Mixture of Expert，混合专家）；2. 稀疏注意力机制；3. 训练数据优化 预训练范式：模型在海量数据的“考试”中，通过人类的对齐和反馈，大致理解了世界应当怎样运转，能够根据统计规律和经验回答大多数问题。模型更像一位“见多识广但未必深究”的学生，通过不断做题、背题、记题来迅速扩充知识储备。它可以在多数场合给出漂亮的答案，却没有真正了解为何如此回答。这使得模型的“思考”带有统计意义上的正确性，却常常欠缺真正的推理内核。 推理模型：更强调“知其所以然“，正逐步展现出自反思能力：当一条推理链出现漏洞或者低效时，模型可以主动检讨自己的思路，并尝试修正或优化。当模型知道了“为什么”之后，就能根据具体的环境上下文去制定最佳执行策略，进而带来真正的行动层变革。 AI 的发展路线，是从人工规则走向数据学习，再走向大规模模型与推理能力的形成。 最早的时候AI研究主要是集中在符号主义和专家系统，但是二者均有各自的缺陷，后面AI研究迎来了一个新的高潮机器学习和神经网络，神经网络的灵感来自人脑的结构，通过模拟神经元之间的连接来处理信息。神经网络作为机器学习的一个子项，然后多层神经网络遇到了一个问题，能力很强，但是有一个问题，不知道怎么让它有效的学会，单层的比较简单，输入进去输出错了，能够比较直观的知道有哪些权重要改，但是多层，中间因为层数多了，不太清楚是中间那一层错了，==得到了当时关键的难题，误差分配问题，这个时候反向传播算法出来，通过将错误一层层回传，计算每个层级对错误的责任，然后模型才知道哪些参数要调大调小，综合上所说，反向传播算法其实就是一本错题本，辅助神经网络进行复盘。 机器学习的核心就是基于数据驱动，让计算机从经验钟学习，而不是和符号主义/专家系统一样基于预定义的规则，而是主要集中在监督学习 (通过标注数据进行训练)和无监督学习(试图从未标注的数据中发现模式和结构) 强化学习是机器学习的重要分支。不同于监督学习依赖标注答案，强化学习更强调智能体与环境之间的交互。智能体通过不断尝试行动，并根据环境给予的奖励或惩罚来调整自身策略，最终学习如何在长期过程中获得最大累积奖励。它更适合描述决策、控制、游戏、机器人等需要连续行动和反馈的问题。 深度学习的成功其实就是：算力更强大、数据量多了、算法优化的更好了，类似踩着前面的经验的出来强大成品？ 大语言模型通过海量的文本数据学习，有两个特性：1. 缩放定律：随着参数规模、数据规模和计算资源扩大，模型性能通常会按照一定规律提升。；2. 能力涌现：当模型参数提升以后，原本小参数缺失/较为落后的能力突然提升，当然能力的涌现也是和技术的突破有关联的。 预训练出来的模型更像是一味见多识广但是不太会深究的学生，善用题海战术拓宽知识能力，能给出大部分“令人满意”的答案，却不会真正了解为什么是这样，知其然不知其所以然。随机后续出现了推理模型，主要是解决预训练出来的传统模型缺乏稳定的推理过程和可解释的推理路径的问题，也就是逐步展现反思能力，能够在推理过程中检查、修正和优化自己的推理路径，并优化 1 个帖子 - 1 位参与者 阅读完整话题
对我们这个世界的基本认识，科学家对宇宙和大自然的最新理解；对“人”的基本认识，科学使用大脑，控制情绪；社会是怎么运行的，个人与个人、利益集团与利益集团之间如何互动；能理解复杂事物，而不仅仅是执行算法和走流程；一定的抽象思维和逻辑运算能力；掌握多个思维模型，遇到新旧难题都有办法；一套高级的价值观 也许一个人最后的成就，不是练习加天赋，而是练习乘以天赋，一项是零最后结果就是零。事实上，对训练这件事来说，真正的关键根本就不是训练时间的长短，而是训练的方法。练习，讲究的并不是谁练得最苦，或者谁的心最“诚”。业余爱好者自娱自乐式的练习和专业选手的训练是两个完全不同的概念。外行往往只看到专业选手是全职训练的，而且练得挺苦，却忽视了训练方法的重要性。 (1) 只在“学习区”练习；(2) 把要训练的内容分成有针对性的小块，对每一个小块进行重复练习；(3) 在整个练习过程中，随时能获得有效的反馈；(4) 练习时注意力必须髙度集中。 一，要在学习时间上安排一定的间隔，不要突击学习。 第二，在不同的场景下、用不同的方式学习同一个内容。 第三，要经常参加测验，看看自己是不是真的掌握了相关的知识。 第四，要把新学到的知识和以前的知识建立连接。 因为学得太快，这个知识没有更彻底地长在大脑之中——毕竟大脑不是硬盘，是肉长的，而长肉需要时间。用这本书的话说，就是存储强度不够高。从这个角度讲，慢慢学才是好办法。这周学了一点就放下，下周接着学。先提取一下前面的记忆，这样多次提取，记忆就加深了很多。交叉着在同一时期内学习几门课程，比学完一门再学另一门的效果好得多。读书也是这样。我们应该随时都有好几本书在读。今天拿过一本书读上一章就放下，明天换另一本书读，过几天再回到这本书接着读。这样每次读的时候都要先提取一下上一次的记忆，最后能记住的东西是最多的。我们过去说，工作最强调专注，每次最好只干一 件事儿，一个团队最好先彻底干完一个项目再去干别的项目。这是因为不同事情、不同项目之间的转换成本太高。然而如果是想要记住什么东西的话，一定程度的多任务——当然也不是说每隔几分钟就切换一次——反而是好事，因为转换就要提取，而提取能增加记忆。 一切人文学科都是历史学科，不了解过去就不理解现在的世界。你得知道这都是怎么来的。你得知道世界不总是，也没必要必须是，现在这个样子。我们是今天这样，只是偶然的文化选择，根本就不是普适的。认识到这些，学会了质疑，我们才能知道还有别的可能性，我们才能去想象别的可能性，才能发挥创造力改变世界。归根结底，自由技艺教给我们的，是去做一个独立的人，而不是去做一个工具。所以liberalarts的关键词，不是“通识”，不是“素质”，不是“人文”，不是“博雅”，而恰恰就是英文和拉丁文原文中的那个词——自由。 第一层是“学事实”。你得记住哪个年代发生什么事儿，哪个皇帝有什么政策之类的知识。第二层是“学观点”。比如你得知道怎么评价太平天国运动，甚至各位名家的观点。这些事实和观点，固然是必备的专业素质，但是如果你毕业以后就不从事这个专业了，它们就只是谈资而已。第三层是“学方法”。你能不能直接考察一下当时的原始材料，比如太平天国相关的经济数据、清朝大臣的奏折之类，从中得得出自己的结论。 你想学某个东西，能不能自己调查一下用哪本书，把相关的材料都准备好，自己弄个文件夹组织所有的学习资料和练习内容，制订一个学习计划，安排好每天学习的时间段，最好还能把学习成果形成一份报告？你能不能养成良好的习惯，该学的时候就学，从不拖延呢？你能不能做自己的教练，经常考核自己的水平、监测自己的精神和身体状态呢？ 要加深对新知识的记忆，一个办法是先测验后学。这个知识点你还没学过，上来就测验肯定很容易答错，但是这就对了，犯错能让你的印象更深。特别是如果你的自信心特别强，你越是相信那个是对的，结果发现它不对的时候，你的印象就越深，你就越容易记住这个知识。 另一个方法是有意识地设置时间间隔。这个我们前文讲过，不要追求在几天之内突击学完一个课程。你是可以做到，但学完之后你的印象不深。最好的办法是同时学几门课，今天学完这个，故意放一两天不学它——可以称之为“刻意不练习”，间隔一段时间之后再学。几天之后回来，当你提取这段记忆的时候，你会感到有点困难——有困难就对了，这就是我们想要的那个“有利的困难”。克服困难才能深度学习。 刻意练习要求的是量身定做的针对性的训练。 正确的做法，是使用一个外部系统，专门存储个人化的信息。 读书笔记必须包括四方面的内容：第一，清晰表现每一章的逻辑脉络；第二，带走书中所有的亮点；第三，大量自己的看法和心得;第四，发现这本书和以前读过的其他书或文章的联系。 6 个帖子 - 6 位参与者 阅读完整话题
根据SpaceX首次公开募股招股说明书摘录，公司创始人埃隆·马斯克为自己设计了一项极为罕见的权力结构：“只有埃隆·马斯克可以解雇埃隆·马斯克”。这一条款凸显了这位亿万富翁在即将成为上市公司的火箭与AI制造巨头中，将如何巩固其绝对控制权。 文件显示，SpaceX计划在高达1.75万亿美元的IPO后，采取双重股权架构。向公众发行的A类股每股享有1票投票权，而马斯克及少数内部人士持有的B类股，每股对应10票投票权。 在人员配置上，马斯克将“身兼三职”：继续担任首席执行官、首席技术官，并兼任九人董事会的主席。 通常上市公司的独立董事占多数，但SpaceX申请了“受控公司”豁免，这意味着其董事会不需要由独立董事占多数，也不需要设立独立的薪酬与提名委员会。 解锁权力的“天价激励” 除了掌控人事任免权，马斯克的薪酬也与星际目标挂钩。董事会批准了一项极具野心的绩效股权方案：若公司市值从目前的约1.1万亿美元攀升至最高7.5万亿美元，且完成在火星建立百万人口殖民地、建成太空数据中心等目标，他将获得巨额股权奖励。 分析人士指出，这种结构虽限制了公众股东的影响力，但却为SpaceX追求长期宏大愿景提供了最大的灵活性，试图避免特斯拉在治理上曾遇到的诸多争议。 查看评论
根据SpaceX首次公开募股招股说明书摘录，该公司计划在上市后维持“受控公司”地位，这意味着创始人埃隆·马斯克将继续保留对董事会的绝对控制权，无需遵循多数董事为独立人士的常规要求。（新浪财经）