Jason

[Jason @Jasonx4g]

@Mia_GJZZH 流量明星就是用来献祭的

[Jason @Jasonx4g]

@megamel_camp 又不止王鹤棣一个人包场 跑男全体成员都支持白鹿新剧莫离了

[Jason @Jasonx4g]

@XYZrockyx 红是原罪

[Jason @Jasonx4g]

@yayayayx_ 要是真有背景就不会一直被黑 团队也不下场大动作

[Jason @Jasonx4g]

@yayayayx_ 白鹿也没什么问题吧 网上扒出来的23年就已经黑过一回了

[Jason @Jasonx4g]

@yayayayx_ 有没有可能一开始就是为了借她和团队关系好坏炒热度 眼看家人人设要崩塌了 然后节目组洗白 不然跑男办不下去全体成员滚蛋 跑男核心就是we are family 也需要大流量明星站台

[Jason @Jasonx4g]

@wobuyaoshuohua @wowmanypeople 你管那么多干什么？又不挣你的钱。我想去都没机会去

[淘沙者(TheSandPicker) @Etudecn]

这哥们28分钟的视频教怎么写提示词
我看过300刀的课都没他前10分钟讲得透
Claude文档、记忆快捷键、并行对话、提示模式全给拆明白了
最骚的是完全免费
刚才点开一看已经5万多播放了
硬核分享

[Jason @Jasonx4g]

@OnlyMengZiYi Keep running

[Berryxia.AI @berryxia]

兄弟们，这个可以啊！赶紧装起来！
Kevin Lin，牛津大学博士后，前Meta和Microsoft研究员，刚刚把Violin这个开源视频翻译Skill放了出来。

视频已经是互联网绝对主流的内容形式。

可绝大多数高质量讲座、演讲、播客却被单一语言死死锁住，全球观众根本触达不到。

Violin把ASR、LLM翻译、TTS三者无缝串成一条流水线。

「输入一段视频，它就能自动完成语音识别、多语言翻译、自然语音合成。」

最实用的是两个功能：

你可以个性化翻译风格，把学术报告改成孩子也能听懂的版本；
还能直接和视频聊天，任何问题都基于视频内容给出答案。

它同时支持Web应用、CLI命令行和Agent Skill，全部MIT开源。

以后高质量内容不再只属于某一种语言，而是真正走向全球。

Demo、博客和GitHub都在原帖。
如果你在做内容、教育、跨语言传播，或者正在开发多模态Agent，这��Skill值得立刻去试。

你觉得AI下一步最该解决的，是内容创作，还是内容全球化？

项目地址：https://t.co/YOHnt7H0yd

[达芬七｜Seven @SuisPasDaVinci]

加拿大找工作最恶心的地方：

你没有加拿大经验，所以不给你工作。

不给你工作，所以你永远没有加拿大经验。

完美闭环👇

[RawRice @RawRiceRov]

@Kenntnis22 国内的学位系统其实是一种利益绑定体系，你敢去打假别人，不仅你在学术界混不下去，你导师和师兄弟们也会被找麻烦。所以对这些造假大家通常是睁一只眼闭一只眼。而耿同学牛逼就牛逼在，他博士没毕业，他在学术界是无敌之人，他没有文章要给同行审，没有职称要评选，所以打起假来一点都不带怕的

[陈剑Jason @jason_chen998]

说起被AI干死的公司，不得不提一嘴作业帮和猿辅导，大家还记得前些年这两家铺天盖地的广告主打拍照搜题“黑科技”吗？不会的作业，只需要拍个照上传到APP，就可以很快得到答案，随着AI的发展这两家公司已经被淹没在时代的洪流里了，但是你应该也好奇过，在那些年没有AI人工智能的时代到底是怎么实现拍照搜题的呢？结论就是大力出奇迹，没有智能，全靠人工。
在2018年作业帮创始人侯建彬骄傲的说依托背后百度的资源和超过2万名兼职老师，收录并解答了上亿规模的题目，这些题库是公司最大的护城河。
而猿辅导从2013年开始就通过招聘大学生，并搜集海量的试卷和教材，每答1题就可以得到5块钱的奖金。
根据相关报道，几年前K12赛道爆火的时候，作业帮和猿辅导累计融资数十亿美金中，有将近一半都拿来投入到题库建设中，也就是给大学生和老师发钱答题。
那时候这两家公司都跟军备竞赛一样疯狂搜集题目发钱找人来答，毕竟深信不疑这就是自己最强的护城河。
直到有一天，AI来了....

[Xiuyu Li @sheriyuo]

现在 PKU 树洞搜量化 已经没有人类了🤣

[洞主] dz 是小登，一直有一个大厂后端梦，但每次看树洞 AI Infra 和量化开发乱战，看到头部同学能拿到 100w 年包的时候，还是会感到自己是一只鼠鼠。本来不相信的，结果和一些学长学姐打听了下，居然真的是 100w。。今天 xhs 刷到这条帖子更焦虑了。。。传统开发真的已经路边一条了吗😭
后端 算法 信科 软微 叉院 贵系 llm 大模型 ai xk cs 量化

[Alice] 能信也是🍬完了
[洞主] Re Alice: 我身边就有哥们拿到，你不在圈子而已🤣
[Alice] Re 洞主: 典
[洞主] 量化区没有 ai 硬技术只能洗洗数据做点因子，也就只能说个典了🤣
[Alice] Re 洞主: llm 哥为了踩量化什么都编得出，咋不说你身边有人用 llm 登火星了
[Bob] 我还得把多的部分退了呗😅
[Carol] 量化哥纯嘴硬小丑罢了
[Alice] Re Carol: 即使是伦敦东区最贫穷的爱国者，一想到别人骗他们的英国的财富和工业，便会不由自主地挺起胸膛。
[Dave] 碾压在哪？jane street 日薪跟这个差不多吧
[Bob] 这行和技术之间真的有很大关系吗，我其实一直没觉得有什么高深的技术
[Carol] 是不是值 3 倍薪水的人才会跳槽呢？
[Bob] 这行和技术之间真的有很大关系吗，我其实一直没觉得有什么高深的技术
[Bob] Re Bob: 说那什么点，估计不少从业者来数院本科毕业都够呛，工程能力也比不过 system 出身的，，，

听了现在 llm 业内人士的情况，感觉挺哈人的
现在一年跳槽，普遍能 a 到原来的 3 倍薪水，基本 400w 起步，500w 不是什么问题。甚至有 800w 挖对家的情况
不是小 ld，基本就是大头兵级别的
他们自己的评价就是“这行现在金融化了，都在跑马圈地，热钱太多了”
所以难怪 dz 之前接触到的普遍都技术至上主义，而且普遍觉得“普通人”无足轻重了

以上所有内容不代表任何个人意见😇

[sukie @sukie234]

如果你觉得你的生活很无聊
你可以去混一混创投圈
很多人觉得混创投圈很难
其实一点都不难
你只需要呆在世界一线城市
打开luma
多参加几个本地带有vc pitch/ hackathon/builder/ AI 的活动
注册Linkedin 加入所有founder’s group 和学校创业club
每次进门前就默念今天我要加满在场所有人的联系方式
散场的时候问一下大家要不要去打德扑/掼蛋
不超过一个月你��定知道创投圈是什么样了
你会认识到你这辈子都认识不完的神人
威力相当于往微信灌了800个俞浩

[Roland.W @rwayne]

PhD 怎么读这事，浙大大佬直接把答案丢到 GitHub 上了。

覆盖入门、找题、做实验、跟导师开会、项目管理、写作、rebuttal、汇报 slides 整套科研生命周期。3D Vision 方向的 getting_started 文件直接能当新人手册，配套挂了 GAMES003 课程的全部 slides 和视频。

作者一句话概括，好 PhD 先定一个有重大科学和实践价值的长期目标，再倒推 roadmap。剩下五个章节都是把这句话拆成可以照做的步骤。

想少走弯路的 PhD，先去这个仓库蹲一周

[paperpaper @paperpaper886]

比较有趣的入门教程

该项目希望用一条更“实践优先”的路径来学习现代强化学习：从经典控制出发，逐步连接到 LLM 后训练基础、DPO/GRPO/RLVR、Agentic RL 和 VLM RL 等现代应用。

GitHub: https://t.co/tacKDh3hMq
WebPage: https://t.co/4JGgq6ASdr

[huangserva @servasyy_ai]

Anthropic 给能从零开始构建 LLM 架构的工程师开出��年薪超过 75 万美元。

而斯坦福只用一小时的课，就把整个原理讲完了，还免费公开。

核心观点总结:

1. 原始 Transformer 在架构上基本是正确的，主要改动: Norm 位置、去掉 bias、GLU 激活
2. 架构选择是表达力、训练效率和稳定性的复杂权衡
3. 超参数选择有宽容区间，遵循约定俗成的默认值即可
4. 稳定性已成为比表达力更重要的设计考量（训练成本越高越关键）
5. 推理效率(KV Cache)驱动了 GQA 和混合注意力的广泛采用
6. 如果你有稳定性问题，就往里面撒 Layer Norm , 虽然荒谬但已被验证有效

先收藏起来，今天就看，免得哪天被下架。

[紫云 @dviolettchan]

这两年 CS 天坑化的趋势，在国内可能还没有那么明显，在北美和其他发达国家基本已经是定局了。

未来大概率是 0.1% 的人薪资翻几倍，99.9% 的人注定失业。失去的岗位将会被 AI 永久性替代，不再恢复。

[Bill The Investor @billtheinvestor]

本周金融领域增长最快的 GitHub 仓库：

1. TradingAgents (+7.9K ★) 来自 UCLA/MIT 的多智能体 LLM 交易框架。包含基本面分析师、情绪分析师、技术面分析师、风险管理师，支持 DeepSeek V4 思维模式。

2. FinceptTerminal (+4.3K ★) 基于 C++20 + Qt6 构建的开源 Bloomberg 替代方案。拥有 37 个巴菲特/芒格/林奇/格雷厄姆风格的 AI 智能体。支持 16 个券商集成的实时交易。内置 MCP + AI 量化标签页。

3. daily_stock_analysis (+2.3K ★) 面向美股、A 股和港股市场的 LLM 股票分析器。
自动构建包含入场/出场水平的每日决策仪表盘。通过 GitHub Actions 推送到微信/Telegram/Discord/Email。

4. Vibe-Trading (+1.9K ★) 个人交易智能体。自然语言 - 策略 - 回测 - 导出至 TradingView/MT5。只需一个 pip install，即可拥有属于你自己的 AI 交易台。

5. QuantDinger (+837 ★) 自托管 AI 量化操作系统。研究市场、生成 Python 策略、回测想法、运行实盘交易。
支持加密货币、通过 IBKR 交易股票、通过 MT5 交易外汇。一个 Docker Compose，你的基础设施，你的数据。

6. TradingAgents-CN (+641 ★) TradingAgents 的中文分支。针对 A 股市场、中文数据源和国产大模型进行了完全本地化。

7. last30days-skill (+630 ★) AI 智能体技能，可研究过去 30 天内 Reddit、X、YouTube、HN、Polymarket 及全网的任何话题。可接入任何智能体框架。

8. qlib (+569 ★) 微软推出的面向 AI 的量化投资平台。
端到端流程：数据 - Alpha - 投资组合 - 执行。目前最严肃的开源量化基础设施。

9. scientific-agent-skills (+511 ★) 用于研究、科学、工程、分析和金融的即用型智能体技能。可接入任何智能体框架。涵盖生物信息学、化学信息学，以及现在的 Hugging Science。

10. OpenBB (+387 ★) 面向分析师、量化研究员和 AI 智能体的开源金融数据平台。在一个平台上集成股票、加密货币、期权、衍生品、固定收益。