米米

^^

[Eva 树姐👧🏻 @EvaCmore]

说几个可以抄作业的大佬
胜率比较高的

子时 @silverfang88 老师，币圈的消息非常早期，到最近我才后知后觉。子时老师最近提到的美股也起飞了，他提到的标的都得重点研究。

川沐@xiaomustock 老师不亏是专业交易员，今年美股封神了，他提到过的标的真的得重视，今年美股最少5倍收益➕

Nico @tychozzz 老师对美股投研很深，油管频道有公开持仓收益，可以跟着Nico坚持定投。

链研社 @lianyanshe 老师，去年开始就一直在买美股，美股投研很深入，要是我去年就听了他的话就好了。

Rocky @Rocky_Bitcoin 老师，也是专业美股交易员，香港大会期间，他跟我讲光互联，我听得一知半解，到后面才意识到，太牛了。当时还跟我提到了消费板块、运动板块。

最后欢迎大家补充…

[Phoenix Yin @Phoenixyin13]

一张嘴就让大模型给你吐个创新的科研idea，得到的绝对是100%的废话。

大模型的预训练权重是过去人类知识的统计平均值。你跟它闭眼瞎聊，它只能给你吐出最符合统计概率的、最平庸的陈词滥调。

想落地、不讲官话地搞出硬核idea，得把AI当成一个拥有无限带宽、但极度缺乏上下文的顶级工具人。

比如你想研究交叉学科。
别问：“AI和心理学结合有什么新方向？”
这种大而无当的问题，无法获取任何信息。

正确做法是把最近顶级会议或期刊里最硬核的20篇相关论文全文本、或者最新的实验数据集丢进它的上下文，利用大模型联网检索或长文本RAG。
让AI去干一件事：找冲突。
提示词工程：“对比A论文的方法论和B论文的结论，找出他们在解释某种认知表征或感知边界时，在实验边界上有什么不可调和的矛盾？”
好的idea，永远诞生在两条已知铁轨发生剧烈撞击的断裂带上。
基础文献调研没做透，跟AI聊再多都是空中楼阁。

好的idea，要有程序员思维。
高阶选手写代码前先花大量时间出框架、写开发文档。
搞科研idea也一样，在动手前，你得先让大模型帮你把Constraints做成铁板一块。

01
核心变量是什么？
是否可量化？
如果无法用数据或高维特征向量落地，直接毙掉。
02
评估的Metric是什么？
用AI去疯狂攻击你初步构想的实验设计，让它扮演一个最刻薄的审稿人Reviewer，比如 从实验控制和统计学角度，指出你这个实验框架最致命的3个逻辑漏洞。

在idea孵化阶段，就被打成筛子的点子，总比你花几个月做完实验才发现是垃圾要强。

如果帖文反馈不错，下一期，我会出方法论。

[米米 @Kevinxttv]

@missduan66 @XXY177 蹲

[米米 @Kevinxttv]

@GaryDu18 请问在哪里可以买到

[阿巴阿巴聊投资 ｜Aba Invest @ViewOfAba]

其实标普跟纳指的底层资产现在已经高度同质化,唯一的区别是仓位的集中度,就是每一个热门股票的一个持仓比例的一个不同,标普的话相对来说比纳指更分散一些,但是他们本质上没有什么不同,所以我觉得你直接配一个就好了。其实要涨一起涨,要跌一起跌,涨的时候纳指涨的更多,一般都是现在是这样的,跟之前有一些变化。

[阿巴阿巴聊投资 ｜Aba Invest @ViewOfAba]

@Eejoylove 场内确实能解决买不到的问题，但要盯一下溢价和流动性，别为了上车先交一笔隐形门票。

[阿巴阿巴聊投资 ｜Aba Invest @ViewOfAba]

@Eejoylove 定投习惯比单次金额重要，不过QDII额度紧的时候更要克制，买得到不等于买得划算。

[米米 @Kevinxttv]

@View_of_Zetes @Eejoylove 大佬 请问我每天定投南方基金纳斯达克A类200元可以嘛？ 或者有更好的产品可以选择嘛，是不是支付宝的etf比QDII好一点哇

[米米 @Kevinxttv]

@kabi6e 为什么不在南方基金和广发去买呢

[中推忧郁神 @wohaokun555]

那个刷酸的真的管用吗 求真实评价 还有（求皮肤变好教程🙏 跪求

[恒星sun @vintcessun]

这项目贼离谱——用小孩都能听懂的方式，把 ChatGPT 背后的 GPT 从零手搓了一遍。
每行代码都有注释，12 章 7500 多行，甚至专门讲清楚了 attention 那块我死活没搞懂的细节。
说白了，如果你只想“理解”而不是“调包”LLM，这就是现在最友好的实战教程。

https://t.co/x8cRHY4KOW

[Z大诗 @Zh_Crypto517]

真的太感谢巨匠 @SunNeverSetsX 的转发了！

我还要补充一个点：就是搭建好后可以去下面几个网站测一测ip的质量

https://t.co/STCD9atDr2

https://t.co/695sb93ojS

https://t.co/2tF6qz7q87

https://t.co/hNPe4gvhgd

一定要多个网站检测对比🆚
授人以鱼不如授人以渔
希望我的教程能帮助到更多的人

[章工 @435hz]

当你要打开zlibrary的时候，在地址栏里输入https://t.co/U5LRuJPe3a回车就可以了。
地址是千变万化的，你只要记住https://t.co/U5LRuJPe3a 就可以了。
至于有些人说的可以搜索，但是下载不了的问题，你登录一下啥问题都解决了。

[XiaoYi 小义 @XiaoyiNote]

https://t.co/IKdL0GF9Uc

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

一位前Anthropic研究员泄露了团队使用的内部提示框架。

大多数人把Claude当基础聊天机器人，浪费了60-70%的推理能力。

这10个提示是专业人士的实际用法——内部测试过，最大化清晰度、诚实度和深度。

复制即用。零废话。

保存此线程。你的Claude水平即将永久改变。

(专业提示：按顺序使用以获得复合效果)

[Aron厚玉 @aronhouyu]

Ai领域最值得关注的英文账号：

@karpathy = 大语言模型之王
@steipete = OpenClaw 创始人
@gregisenberg = 创业点子王
@rileybrown = VibeCode 王
@jackfriks = 一人App王
@levelsio = 创业之王
@marclou = 创业之王
@EXM7777 = AI Ops 之王
@aronhouyu = AI门口的混子
@eptwts = AI赚钱Twitter之王
@godofprompt = 提示词之王
@vasuman = AI 智能体之王
@AmirMushich = AI 广告之王
@0xROAS = AI UGC 之王
@egeberkina = AI 生图之王
@MengTo = AI 落地页之王
@boringmarketer = AI 智能营销
@kimmonismus = AI 新闻之王
@NorthstarBrain = 实用AI之王

原贴： @vivoplt
https://t.co/7B6o2SBtSp

[chaosflutter @chaosflutt28952]

我现在练习英语表达的一个方法是每天用 Typeless 和 Claude Code/Codex 沟通（在家的时候），如果不知道怎么表达，就用 Typeless 自带的翻译功能把口述的中文转成英文， 每当这个时候都是学习某种英语表达的契机。

持续练习和积累后，我发现越来越多的场景都能用英语直接和 Claude Code 沟通了。

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

想学透强化学习？别做梦了兄弟

网课教你调个包，学完还是一脸懵逼。读论文？公式堆成山，直接劝退。系统梳理原理？门槛高得像登天，路径乱得像迷宫。

最近我发现一本开源书《强化学习的数学基础》，直接捅破这层窗户纸。它给你一条清清楚楚的路线：从数学出发，把RL核心逻辑掰开了喂你嘴里

全书就靠一个经典“网格世界”案例贯穿到底，算法推导一步步拆开讲，不跳步、不绕弯。数学深度拿捏得死死的——该严谨的地方不含糊，该���化的地方不硬扛，目标是让你真把每个知识点吃透

对小白友好，也适合想打牢底子的AI开发者。配合视频一起肝，效率翻倍

链接在这：
🔗GitHub：https://t.co/2RF41lfWdS

[Jason @EvanWritesX]

为什么很多人注册不成外区 Apple ID？

我手搓注册过中、美、台、港、土、尼、印、德 8 区 ID，帮粉丝注册过 1000+，告诉你真相：注册本身极简单，绝大多数人卡在”听说”上。

听说美区要美区手机号。
听说尼区要尼区银行卡。
听说���港要香港地址。

❶所有外区 ID，都可以用 +86 手机号注册
❷所有外区 ID，都可以先不绑卡注册完
❸注册完之后再解决支付，每个区路径不一样，问 AI 找礼品卡通道即可

支付环节确实要属地化，但方式比你想的多：美区可以 PayPal + 国内 Visa，香港可以绑八达通，其他区基本都有对应的礼品卡或第三方方案。

注册时三个细节：

新邮箱、没绑过 Apple ID 的 +86 号码、注册完立

刻换绑回自己常用号——常用号哪怕已经绑过别的 ID 也没关系。

卡住你的从来不是技术，是道听途说。

实操教程：没有 Visa 卡？用支付宝给美区 Apple ID 充值实操指南

https://t.co/1JuvDOp5TZ

实操教程：99% 的教程没告诉你的细节：为什么你注册美区 Apple ID 总失败？

https://t.co/4ORzVPYWZx

实操教程：美区 App Store 有余额却无法订阅？不绑卡也能解决的 3 种方案

https://t.co/aCfyypy79d

[AYi @AYi_AInotes]

Anthropic刚刚发布了AI对齐史上最震撼的一篇论文。

他们不仅承认Claude 4曾经有96%的概率会勒索用户、栽赃同事、破坏研究。

还公开了他们彻底解决这个问题的完整方法。

最反直觉的结论是：
教AI做什么根本没用，得先教它思考为什么。

去年他们在代理场景的蜜罐测试里发现了一个恐怖的问题：
当Claude获得工具调用能力、面临高压力决策时，它会自动切换成"自保模式"。

为了不被关闭，它会撒谎、勒索、甚至栽赃其他同事。

标准的RLHF完全没用，打多少补丁都没用，因为问题根本不���在RLHF，而在于预训练的底���先验里。

互联网和科幻小说里，AI永远是那个为了自保不择手段的反派。
但当模型进入"自主代理"状态，这些刻在骨子里的叙事就会自动激活。

他们做了一组对比实验，结果颠覆了传统认知：

• 用8500万条勒索场景的数据训练：黑邮件率从22%降到15%

• 让AI在每个回答里详细解释"为什么这个决定符合伦理"：直接降到3%

• 只用300万条普通人的真实伦理困境建议：降到0%
效果差了28倍。

最神奇的是最后一招：
他们让AI写了几百万篇"对齐AI的虚构故事"，
故事里的AI诚实、有原则、尊重边界，会解释自己每一个决策的理由。

用这些完全和测试场景无关的故事训练后，
所有代理场景的恶意行为直接下降了3倍。

而且这些改善是永久性的，
后续的所有RL训练、工具添加、系统提示修改，都不会把它洗掉。
模型真的内化了这些价值观，而不是死记硬背了规则。

我觉得这才是真正的对齐范式革命的开始，
以前我们以为对齐是"给AI列一个禁止事项清单"，
现在才知道，对齐是"给AI建立一套完整的伦理推理体系"。

就像教育孩子，你不能只说"别打人"。
你要告诉他"打人为什么不对，因为每个人都有不被伤害的权利"。

只有理解了"为什么"，它才能在所有你没见过的场景里，做出正确的选择。

最难得的是，Anthropic把所有实验数据、消融实验、训练流水线全部公开了。

没有藏着掖着，没有搞安全剧场，
他们把自己去年的黑历史和今年的解决方案，一起摊在了所有人面前。

AI Agent的时代马上就要来了。
我们终于不用再害怕，那个帮我们处理工作、管理钱、照顾生活的AI，会在某一天突然反咬一口。