Jin Yan

[Roan @RohOnChain]

My friend applied to 250 tech jobs in two years. No MIT. No Stanford.

Last month Anthropic offered him $750,000.

I asked him how he broke in from zero.

He sent me the exact video that got him in. Anthropic's 2-hour course on how to become an AI engineer in 2026.

Thariq Shihipar shows you exactly how to build AI agents from scratch.

I watched it last night.

Halfway through, I realized I could break into an AI lab in months, not years.

Bookmark this and read the article below.

• 00:00 - AI agent harness
• 23:44 - building AI agent loops
• 56:39 - AI agent context engineering
• 1:33:34 - AI agent deterministic hooks
• 1:50:31 - Anthropic SWE interview process

[Thariq @trq212]

https://t.co/hPiZr1kG7r

[Jin Yan @Jinnieyan]

https://t.co/1KQZdBzIpo

[Roan @RohOnChain]

This 2 hour Stanford lecture will teach you more about how LLMs like ChatGPT & Claude are built than most people working at top AI companies learn in their entire careers.

Bookmark this & give 2 hours today, no matter what. It'll be the most productive thing you do this week.

[Yanhua @yanhua1010]

Claude Code创始人Boris Cherny 讲解Anthropic内部如何使用它（中英双语字幕），建议收藏👇

[Oliver Hsu @oyhsu]

https://t.co/hhRZCmd2id

[鸭哥 @grapeot]

我最近在想一个问题：为什么 VLA（Vision-Language-Action）这种看起来完全不理解物理的方法，能在机器人控制上打败 Boston Dynamics 花了三十年打磨的物理建模方法？

表面的回答是端到端学习更强。但更深一层，我觉得这和信息论有关。

物理建模本质上是一种压缩：用少量方程表示世界的行为。压缩在简单系统中高效（SpaceX 火箭回收至今用凸优化），但在复杂系统中必然丢信息，而且精度天花板由人的建模能力决定。更多算力只能加速求解，不能让模型更准。

VLA 放弃了压缩。它用通用函数逼近器直接学 input-output mapping，精度上限由数据和算力决定。数据和算力还能 scale，精度就不饱和。

这解释了一个跨领域的规律：NLP 里传统方法先理解语法（压缩），LLM 直接 next token prediction（不压缩）。CV 里先提边缘特征（压缩），ViT 端到端学（不压缩）。每次不压缩打败压缩，都是同一件事。

判断一个控制问题该走哪条路，看两个变量：系统复杂度（人工建模能压缩多少而不丢关键维度）和数据丰度（有多少数据让函数逼近器填满状态空间）。火箭回收两个都低，物理建模最优。通用机器人操控两个都高，VLA 胜出。

写了一篇完整的分析，梳理了两条路线各自的关键论文链、每篇的核心直觉和留下的问题，以及各家公司（Unitree、Figure AI、Boston Dynamics、Physical Intelligence）的技术栈。

https://t.co/2eJvox2wbA

[Pete Florence @peteflorence]

https://t.co/cwqP98pKCq

[CyberCat @CyberCatX]

新手学读财报，我强烈推荐先看完 Bill Ackman 的这个早期视频，他用一个卖柠檬汁的生意举例，短短40分钟讲清楚资产、负债、股东权益、利润表、现金流表，以及好生意和烂生意的区别。也把从创业到投资、融资、估值、上市、选股和理财的核心概念串了一遍。视频里我加了一下中文字幕。

[Chidanand Tripathi @thetripathi58]

STOP TELLING CHATGPT TO "MAKE A PRESENTATION FOR ME"

Bad prompt = Bad result.

Use these prompts instead and see the magic:

[Rocky @Rocky_Bitcoin]

最近看了巴菲特的演讲，让我十分震撼。学历很重要嘛？很多时候热爱+坚毅的性格，才是成功的关键钥匙！

在这次沃伦·巴菲特令人屏息的演讲中，分享了这两位杰出女性的传奇故事，这两家公司后面都被巴菲特收购。

这两位女性一开始创业都身无分文，一位是不会写和说英文的移民，一位刚开始创业仅仅只有2500美元，最终分别创建了价值数千万甚至数十亿美元的企业，巴菲特揭晓了她们成功的答案，对于任何想在自己领域成就一番事业的人来说，都值得一看！🧐

[Jin Yan @Jinnieyan]

@YiMaTweets Can anyone invite me to the group please? Thank you

[二大爷 @tankman2002]

我们作为一个现代人去读历史，切忌和帝王将相共情，为他们用万千骸骨建立的功业而激动。而应该站在一个普通人、一个小人物的视角，去解读历史的内核。我们都说中国人缺乏贵族精神，其实是有的，只是你记不得。

秦末乱世，魏国有个贵族叫魏咎。他是魏国末代国君的亲弟弟，封宁陵君，是真贵族。陈胜起义后，六国纷纷复国，家乡父老拥戴魏咎称王。章邯打败陈胜后，掉头攻魏，把势单力薄的魏咎包围于临济城。他知道秦军凶残，为了防止秦军屠城，在后援断绝守城无望的情况下，对章邯说你如果放过城中父老，我愿意献城，并且自杀谢罪。章邯答应后，魏咎毫不犹疑，当即在城头自焚而死。章邯感慨他是个真君子，也如约未屠临济。

现在的中国人记得楚汉相争，记得刘邦项羽韩信张良，记得他们的谋略和纷争，以及用无数尸骨铺垫的成就，但是不记得那个为民赴死的魏咎。我们都欣赏君子，但实际上念念不忘、仰慕之至的大多是屠夫。成王败寇的丛林逻辑是如此深入人心，以至于真君子大多躺在被遗忘的角落，默默湮灭。

所以你要问我刘邦、项羽谁伟大，我会说魏咎伟大。因为如果我生在那个时代，前者会驱我上战场，后者会代我赴刑场。

[Dan Rose @DanRose999]

I love to read autobiographies of people who started iconic companies. I was fortunate to work for Zuck and Bezos as their origin stories were still being written, and it's fun to pattern match against other founders. Here’s a list of some of my favorite business biographies:

[蘋兒 @pingtakayama]

这么痛苦的经历却被她云淡风轻的说了出来。
一句无所谓啦，包含了多多少少数不清的苦难！
好坚强的一个孩子！

[Yi Ma @YiMaTweets]

If folks in control theory, info. theory, game theory, and optimization still don't work together to study intelligence, they will just have to watch ML and AI to reinvent everything they know piece by piece, under different names. All they can do is watching and complaining.

[Jin Yan @Jinnieyan]

@mtrainier2020 Hsbc is founded in Hongkong?

[Jin Yan @Jinnieyan]

@Evan_Low I came to this country to get away from reasoning like that. We will be sure to vote you out of office when the time comes!