Barlow

[AYi @AYi_AInotes]

吴恩达刚发了今年最狠的一堂Agent课，两小时，从单代理一路讲到完全自动化，硬核到足以把你今年收藏的所有AI Agent教程全淘汰了！

整门课刚好两个小时，五个时间节点卡得特别清楚，九分钟带你搭出第一个能干活的代理，三十三分钟讲循环工程怎么让代理自己纠错迭代，一小时零两分正式开讲图工程，一个半小时讲能自我重写的代理，最后四十分钟直接放完整的可运行图系统。

很多人学Agent最大的误区，就是把能跑通一个对话循环当成了终点，实际上单代理再聪明，也扛不住长任务里的上下文丢失，状态混乱和失败不可追溯，图工程干的事，就是把决策和控制流从模型的黑盒里拉出来，变成可检查可复用可并行的固定拓扑，模型只负责节点里的判断，路径由人提前设计好。

这也是为什么同样的模型，同样的token，用单代理跑和用完整图系统跑，一周下来的完成度能差出好几倍，前者还在反复重试同一个失败步骤，后者已经把多个分支并行跑完，自动汇总成最终结果了。

想真正搞懂Agent自动化的兄弟，这门课真的值得抽两个小时完整刷一遍，别再停留在单代理的玩具阶段了。

[meng shao @shao__meng]

斯坦福大学课程 CS329A: Self-Improving AI Agents

课程 9 讲视频都已发布在 Youtube，第 1 讲 52 万观看，第 9 讲 1.5 万。趁假期坚持看完 9 讲视频，你就超过了中间的 50 多万人，和连第 1 讲都没看过的无数人 😂

开玩笑，虽然 AI Agent 已经强大到很多人觉得不需要再学习，什么问题都可以直接问，到顶级大学的基础课程，系统学习下来，还是会很有收获，全局认知的提升。

课程主页：
https://t.co/xPCXKnuxfK
视频列表：
https://t.co/KuIBaYhXnM

[TechVerser @realfxw]

AI 正在彻底重塑学术研究的底层逻辑。Google 推出的全新多智能体科研框架 ScientistTwo，实现了完全无需人类参与（Zero Human-in-the-loop）的端到端自主科研。

传统科研往往需要学者耗费数月甚至数年推进，而面对 ScientistTwo，研究者只需给出一个核心科学命题，它就能全自动跑通科研全链路：

文献调研与立项：自主检索海量前沿学术文献，快速确立 Baseline 并提炼出全新的科学假说；

实验设计与落地：自主编写高质量代码，调度计算资源运行实验，并执行严谨的消融实验（Ablation Studies）；

论文撰写与自我评审：自动生成专家级学术论文，并与模拟同行评审引擎开展多轮对抗与学术辩论，主动修补漏洞直至达到顶会标准。

更令人震惊的是它的实测表现。在直面 NeurIPS、ICML 等顶级学术会议的人类巅峰成果时，ScientistTwo 在 86 项基准任务中全面超越人类顶尖水平（SOTA），平均性能提升幅度高达 25.2%！整个过程没有出现任何虚构引用的“幻觉”，所有代码均通过全量验证且可直接执行。

过去两年，行业普遍把大模型当做编写辅助代码、提炼文献摘要的“高级实习生”。但 ScientistTwo 的出现宣告了这个阶段的终结——它不再只是科研副驾驶，而是一个正在主动拓展人类认知边界的“自主科学拓荒者”。

当 AI 已经能够自主提出假说、验证实验并产出突破性论文时，距离它发现连人类现有科学体系与数学语言都尚未定义的全新规律，究竟还有多久？

https://t.co/Uv3vmS8Xad

[Xudong Han @Xudong07452910]

最近看到张拳石老师这篇《致 AI 圈的每一根韭菜》，内容非常值得仔细看。

文章刚开始讲到一个现象。

有些本科生已经有 3–5 篇 A 类顶会论文，但问到大模型生成 token 的概率怎么算、交叉熵是什么，却答不上来。文献调研、idea 完善、代码、实验、写作，很多环节已经可以让大模型一路帮着做完。

所以当论文开始变得更容易生产，论文数量本身也会越来越快贬值。

真正难替代的，反而会回到底层理解、问题判断，以及你到底知不知道自己为什么在做这个研究。

文章里还有个问题很扎心，也是我读博这三四年深刻体会到的事情。现在读博动辄五六年，但 AI 的研究范式可能一年就变几次。今天追的热点，毕业时还值不值得追，真的很难说。

这篇有些观点我未必完全同意，但很适合现在做 AI、准备读博的人看看。

至少它逼着人重新想一遍：

如果写论文这件事越来越容易，我们到底还该拿什么判断一个研究者真正的能力？

知乎原文：https://t.co/oEuN3FEgao

[Roland.W @rwayne]

天塌了兄弟们😭😭😭我感觉我已经没必要读博了🥹

这个ScienceBuddy真的太屌了
我一个做科研的人真的瑟瑟发抖

不管你要不要做科研
你要解决任何问题都可以借助这个思路
找到对应的论文
让他分析里面的解决办法
信我！你会打开新世界的大门

[南半球聊财经 @jasonbugui]

不要超长工作，不然你可能失去性生活和谐.....

[LanfAI @Huahuazo]

你目前需要知道的几个AI?

你需要知道的：
1. Claude（解决任何事情）
2. NotebookLM（学习任何东西）
3. Perplexity（研究任何事情）
4. ChatGPT（生成图像）
5. Google Omni（编辑任何视频）
6. ElevenLabs（创建声音和音乐）
7. Gamma（即时PowerPoint）
8. Obsidian（构建你的第二大脑）
9. n8n → （自动化任何事情）
10. Granola → （记住会议中的绝对一切）

[Vena在硅谷 @venaInSV]

我在硅谷接触学生多了，发现现在大学生的简历已经开始变了。

以前比较常见的是：

GPA 3.8
两段实习
学生会
几个比赛
再考几个证书

现在有些学生已经是：

X 做到 2 万粉
YouTube/TikTok 持续更新
用 Cursor 做了一个小产品
GitHub 上有几个能跑的项目
产品放到 Product Hunt
Stripe 已经有真实收入
Discord 里还有一群自己的用户

甚至有人还没毕业，已经接过项目、卖过产品、赚过钱。

以前上大学，大家忙着攒简历。

现在有些学生，已经开始攒作品、用户、流量和收入了。

等到毕业的时候，

别人拿着简历证明“我会什么”。

他直接把做出来的东西给你看。

[溺心海·Aven @NIxinhai0]

罗永浩是靠直播赚钱还清了6个亿债务，这绝对是我听到最扯的一句话。

实际上，他能还清6个亿债务，全靠这个叫冯唐的高人。
老罗一开始很天真，想靠直播带货赚钱，但冯唐却告诫的赚差价的都是小生意，还6个亿就算还到入土你也还不清。

于是，冯唐重出江湖，开始帮罗永浩搭建交个朋友的商业帝国。2019年，罗永浩成立成都星空野望科技有限公司，并出资100万控股，紧接着成立了交个朋友科技有限公司，通过直播带货造势，打造商业流量，冯T借机抬高股权价格。

经过两年时间的发酵，罗永浩的商业价值飙升。2020年11月份，做电缆的尚维股份以5.89亿的价格收购了成都星空野望40%的股份，而老罗也正是靠这40%的股权还掉了将近6个亿的债务。
老罗不禁感叹，债务是无限担保的，意味着我死了，我老伴儿要还，投资人都看不下去了，就劝我说不要个人

欠债务，非常艰难的时刻，但是最后还是扛不了。但是老罗提到此事还会心有余悸。而冯唐也告诫他，开公司一定要搭建防火墙公司来隔离风险，否则将承担个人背负债务的风险

你要么不开，要开就开这四家，一家家族公司不做任何业务，注册资本10万作为钱袋的，用来投资其他项目或购买你需要的东西。

一家有限合伙企业用来做持股平台融资或者激励员工。家族公司当普通合伙人，即使占股1%，也能100%说了算。投资人和员工当有限合伙人，只有分红权，

一家主体公司用来做业务，但是千万不要用自然人直接持股，而是用有限合伙企业控股主体公司，然后把部分业务外包给个人独资企业。

每年500万的利润能拿出475万用来解决老板日常花销，这样你控制了家族公司就等于控制了所有公司，而且就算公司破产，你也只需要承担10万的有限责任。

此前在全网引起轩然大波的李亚鹏事件，就是一个典型的反面案例。李原本坐拥14家企业，是资产过亿的富豪，然而由于不懂得股权布局，将十

几家企业都置于自己名下。当其中一家公司出现问题时其余13家企业也难以幸免，纷纷受到牵连他本人需承担全部责任，最终名下7000多万个人资产被冻结，还被限制了高消费。

实际上，许多老板都和李犯了同样的错误，只不过尚未到暴雷的时刻。很多老板在刚创业时，为了省事，对公司的股权布局敷衍对待，甚至连公司章程都没有精心设计，合作协议也没有妥善签订。等到公司规模做大之后，才惊觉问题逐渐显现，此时追悔已然莫及。

经营一家企业，不但要千方百计地将盈利业绩提升，还要懂得规避风险，

在确保安全的前提下把企业做大做强
实操案例:
假如你的公司注册资本1000万，李嘉诚看中你的公司，准备要投5000万，根据估值要占你20%的股份，怎么操作呢？

有两种方法:
方法一、
股权转让：签《股权转让协议》后你直接转让20%的股份给他，这5000万直接进你的口袋，但是请记住，转让20%后，你的股份还必须是52%以上，保障相对控股公司，如果没有，一定要再签《一致行动人协议》或《投票权委托协议》来协议控股公司，避免被踢出局

方法二、
增资扩股：签《增资扩股协议》，那这5000万进公司公账。
注意了：如果你不懂股权设计，把这5000万是直接用于工商注册，那你就亏大了。因为你注册资本原本是1000万，而他投5000万，此时他就占83.3%的股份，大于67%，不仅是大股东，而且还绝对控股公司，随时可以把你踢出局。

正确的做法是：他这5000万，250万用来工商注册，4750万入资本公积，然后所以股东再同比例稀释出20%的股份给到他……没看懂的话，多看几遍，不然损失上百万上千万时后悔都来不及

[Yunshan @liu_yunshan]

一个曾经帮助过我的房产经纪人近日突然过世，原因是她最近和丈夫去欧洲旅游休假，在某地品尝了生蚝，她丈夫吃了七个，她尝了一个，结果她感染了（Necrotizing fasciitis）噬肉菌，回美国后住院治疗，但是为时以晚，医生也无力回天，在切除了一些器官之后还是没有抢救过来。

最好远离生蚝。

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

别刷手机了，这50个神仙网站，随便点一个都能让你玩一下午👇

我说真的，网上真正好玩的东西，早就不在那几个天天推信息流的App里了。下面这50个「兔子洞」，掉进去就别想爬出来，收藏一下，早晚用得上。

1. 实时卫星看整个地球，云怎么飘的都看得见
🔗 https://t.co/KFkIZ9JPEM

2. 天上每一架飞机在哪、飞去哪，全给你标出来
🔗 https://t.co/PwoEJBdeEV

3. 海上的船也一样，全世界的货轮渔船实时追
🔗 https://t.co/4iU9vRofpZ

4. 全球风和风暴的动态地图，飓风怎么走一目了然
🔗 https://t.co/ViXZtrU48Y

5. 哪儿在打雷、哪儿被雷劈，实时看
🔗 https://t.co/4TxMiDBoHb

6. 全球刚发生的地震列表，几级几点都记着
🔗 https://t.co/gKPiBwndzC

7. 撑起整个互联网的海底光缆，长啥样布在哪
🔗 https://t.co/JThxEjjulm

8. 从太空看森林是怎么一点点消失的
🔗 https://t.co/oIkP1o79aa

9. 世界各种数据，一秒一跳地更新给你看
🔗 https://t.co/IQOu3DxJPq

10. 这一秒发了多少条推、搜了多少次，实时数
🔗 https://t.co/6IvrCQCuwN

11. 各国真实面积对比，你会发现地图骗了你很多年
🔗 https://t.co/VFTc2mmrSm

12. 几百年前的老地图，一张张翻
🔗 https://t.co/aHITUMXZG6

13. 15万张历史地图的档案库
🔗 https://t.co/oSW3lKOHb8

14. 全世界志愿者一起画出来的地图
🔗 https://t.co/ZnIib9RSCq

15. 随机偷看世界各地某扇窗外的风景
🔗 https://t.co/wNS0yN8B4W

16. 云逛城市，虚拟街头溜达一圈
🔗 https://t.co/Yz0a0jLVsp

17. 一键把你「传送」到地球随便哪个角落
🔗 https://t.co/anWDo81PkG

18. 全世界的奇葩地点、怪谈冷门景点指南
🔗 https://t.co/kQOStoK4Co

19. 一堆好玩到停不下来的互动小知识
🔗 https://t.co/oPVb7IlMSm

20. 从原子到整个宇宙，尺度大小走一遍
🔗 https://t.co/bpWSo2ezfS

21. 3D在太阳系里逛，NASA做的
🔗 https://t.co/QxCwGYs9h1

22. 浏览器里就能看的真实星空图
🔗 https://t.co/GpgfakLnfm

23. NASA每天挑一张天文图给你看
🔗 https://t.co/9BkFa9K2Gx

24. NASA全部影像档案，免费随便下
🔗 https://t.co/h0ltNSsXlI

25. 用数据讲故事的视觉文章，做得是真讲究
🔗 https://t.co/GHRPjwezZ4

26. 用真实数据告诉你这世界到底啥样
🔗 https://t.co/fkyFr3xV7B

27. 专门纠正你对世界的各种误解
🔗 https://t.co/DoawYCT9yE

28. 把一堆复杂数据画成好看的图
🔗 https://t.co/kqTSuUivvQ

29. 世界银行的公开数据库
🔗 https://t.co/iCQzPSjmg5

30. 土耳其官方统计数据库
🔗 https://t.co/kR3WydI2Ek

31. 几百万本书、电影、软件的大档案馆
🔗 https://t.co/dtnUL39K1s

32. 7万本过了版权期的电子书，白拿
🔗 https://t.co/hiPsKcBlYt

33. 想给世上每一本书都建个档
🔗 https://t.co/EIa5VVdWM2

34. 美国国会图书馆的数字馆藏
🔗 https://t.co/gnOR7fVZON

35. 欧洲文化遗产的档案库
🔗 https://t.co/hcclA4V2jo

36. 美国数字图书馆的馆藏
🔗 https://t.co/awq2jR6kVL

37. 在家云逛世界各大博物馆
🔗 https://t.co/eamISPs4Cd

38. 荷兰国立博物馆，高清艺术作品随便下
🔗 https://t.co/vwlZvhIy1Y

39. 25万件艺术作品的存档
🔗 https://t.co/Z4riddAZlw

40. 那些被遗忘的历史图像宝藏
🔗 https://t.co/bYonuhESQ3

41. 免费的文化和教育资源库
🔗 https://t.co/XXIcvh4gMq

42. 大都会博物馆的开放馆藏
🔗 https://t.co/pbIO7rNwRe

43. 各种音乐流派的家谱，谁生了谁看得明明白白
🔗 https://t.co/n9sY82DksZ

44. 选个国家挑个年代，听那个时候的歌
🔗 https://t.co/VVVyC6aI9L

45. 把维基百科的每次编辑变成声音，挺魔性
🔗 https://t.co/U0zfOyxx7y

46. 维基百科，掉进去就爬不出来的知识深井
🔗 https://t.co/ZeEBKmWtTI

47. 时间、日出日落、各种天文事件
🔗 https://t.co/NvPL1fFajZ

48. 科学新闻实时流
🔗 https://t.co/WcsHoK3Nct

49. 免费看科学论文预印本，前沿的东西都在这
🔗 https://t.co/N8Ov6ofRHw

50. 直接写代码把数据画成图
🔗 https://t.co/bpxtEWI96Y

说句实在的，这种网站的好处是没人喂你，你自己想点哪个点哪个，看着看着就长见识了。先收藏，无聊的时候翻出来一个，比刷信息流强多了。

[AYi @AYi_AInotes]

有点燃炸，这才是数学最狂暴的力量，全屏静音把这十几秒流动的拓扑轨迹看完，去感受一下什么叫真正的智识震撼！

这段在推特上狂揽 180 万播放的动态数学动画，直接把全世界玩了几十年的魔方，从根源上降维打击得体无完肤！

兄弟们你知道一个普通的三阶魔方，到底藏着多少种绝望的混乱吗？
整整 4300 亿亿种（$$4.3 \times 10^{19}$$ 种状态）！
如果你每秒钟转一种组合，就算从宇宙大爆炸那一刻转到现在，你连全盘状态的百分之一都试不完！
绝大多数人一辈子都在被动当人肉打字机——死记硬背七八套公式、一层一层转，转错一步全盘报废；
但在顶级数学家眼里，这个塑料块从诞生第一天起就不是玩具——
它是一个纯粹的对称置换群，是一张横跨高维空间的巨型「凯莱图（Cayley Graph）」！

看懂这段视频背后令人战栗的数学暴力美学，你的认知会被当场连根拔起：

1️⃣ 空间映射：把玩具变成宇宙级拓扑图：
魔方的每一个物理状态，在图论里就是一个孤立的“节点”；
你的每一次顺时针或逆时针旋转，就是连接两个节点之间的“有向边”！
4300 亿亿种混乱被编织成了一张巨大的超图；
解魔方的本质，根本不是把红色对齐红色、白色对齐白色，
而是在这张巨型网络里，寻找一条从当前节点通往“绝对对称点”的最短路径！
2️⃣ 算术级神迹：“上帝之数是 20”：
这是人类计算机科学史上最浪漫的公理之一：
数学家用了等效上万年的计算时间，跑完了这张图的每一个角落，
最终得出了震撼全人类的结论——这张包含 4300 亿亿个节点的巨网，它的最大直径，居然只有整整 20！
这意味着什么？
无论魔方被世界上最刁钻的人打得多乱、看起来多么病入膏肓，
在上帝视角里，距离完美还原，最多永远只需要 20 步！
3️⃣ 真正的降维解法：群论分层（Kociemba 算法）：
计算机绝不会像普通人一样从底层开始拼十字；
它利用抽象代数，先把整个置换群压缩投影到一个仅有 20 亿状态的“子群”里，
先解决朝向，再解决位置；
别人在平地像无头苍蝇一样乱撞，数学家在高维空间里直接开虫洞！

这段视频最让人热血沸腾的，不仅仅是魔方被攻破，
而是它用无懈可击的几何美感告诉你：
宇宙中看似最复杂的混沌，在足够高维度的规律面前，本质上不过是极其纯净的对称折叠。

生活和商业里的很多绝境也是一模一样：
低维的视角里全是死循环、全是撞墙、全是不可逾越的阻力；
但只要你站在图论的上帝视角往前看，
最黑暗的混乱背后，其实一直静静躺着一条不超过 20 步的最短测地线！

[AYi @AYi_AInotes]

清华大学和无问芯穹等团队刚刚开源了一篇注定载入史册的重磅论文（已收录于 ICLR 2026，代码已开源）：
他们彻底打破了所有多智能体（Multi-Agent）系统的底层范式——
大型语言模型之间，从今天起可以彻底不通过人类文字进行直接交流了！

这项被称为 C2C（Cache-to-Cache，缓存到缓存）的技术，
开篇就指出了全网 Agent 协同里最愚蠢、也最昂贵的一个死穴：
为什么两个跑在同一台服务器里的超级 AI，交流时非要像人类一样，
把脑子里极其丰富的高维思考，硬生生压缩成一个个英文或中文单词打给对方看？

现有多 Agent 协同的痛苦，做过工程的人都懂：
模型 A 思考完，必须经历极其漫长、吃显存带宽的逐字解码（Decode），慢吞吞吐出一大堆文字；
模型 B 拿到这堆文字，再重新过一遍分词和前缀计算。
这一来一回，不仅丢失了海量微观的语义细节，更造成了毁灭级的延迟和 Token 账单！

清华团队这次做了一件极其惊艳的体系化反叛——C2C 脑电波直连：

1️⃣ 彻底消灭中间文本，直接做“思维投影”：
模型 A 算完后，根本不生成任何文字，
系统直接用一个轻量级神经网络（Neural Fuser），把模型 A 的注意力记忆（KV-Cache）通过高维空间旋转和对齐，直接嫁接、融进模型 B 的 KV-Cache 脑内！
这相当于人类交流跳过了声带和耳朵，直接把我的记忆切片瞬间印进你的大脑；
2️⃣ 可学习的智能门控（Gate 机制）：
不同模型的网络层数和结构各不相同，直接硬灌肯定会神经错乱。
论文设计了一套精妙的可学习门控：
大模型会自己动态感知，精确挑选哪些关键层吸收外部缓存的增益最高，哪一层该保持独立思考，毫秒级自适应配平；
3️⃣ 极其残暴的工业基准成绩：
• 彻底消灭中间所有的文本解码等待，推理速度直接飙升 2.0 到 2.5 倍；
• 综合问答准确率比单模型最高暴涨 14.2%；
• 最狠的是：它的表现比传统用文字互相聊天的 Agent 团队，还要高出整整 5%！
因为在直接的语义融合下，原本会被文字丢弃的逻辑细微特征，全部被完整保真保留了。

这篇论文最刺痛人的一层哲学启示在于：
人类一直自豪地以为，自然语言是这个星球上传递智慧最完美的介质；
但在机器与机器的交互世界里，人类语言不过是一道充满歧义、极其拥挤的低速单行道。

当两个模型不再需要通过文字向对方妥协，
它们正在绕过人类的喉咙，
在冰冷的显存带宽之间，编织出一座全人类根本听不见、却快得不可思议的超高速无声神经网络。

[知识分享官 @knowledgefxg]

四大神级实用思维：
第一性原理，贝叶斯思维，复利思维，逆向思维

[meng shao @shao__meng]

宾夕法尼亚大学「World Models」课程讲义公开 ！

课程由 @thoma_gu 教授开设，回应的是 AI 领域一个正在成型的共识：仅靠人类写下的文本训练 LLM，学不到世界的全部知识。课程的核心信念是，让模型学会“预测世界下一步会发生什么”，这也是 LeCun 和 Fei-Fei Li 等 AI 前沿专家的观点，是通往更强智能的关键路径之一。

课程地址：https://t.co/jlqG6GbWK3

课程的主线设计
首先明确一点：这不是一门 RL 课！课程只讲授理解世界模型所需的最少 RL/控制工具，重心放在三条贯穿始终的主线上：
· 表征：如何把高维观测压缩成可用的状态；
· 预测：如何在表征空间中预测环境演化；
· 交互：如何用预测来规划和决策。

# 课程内容结构可拆成 6 个模块

1. 基础与形式化（第 1–4 讲）：从世界模型的历史与概率形式化讲起，到环境/模拟器/rollout 的工程实践，再到卡尔曼滤波等状态空间模型。先把“世界模型 = 学到的环境动力学预测器”这个数学对象立起来。

2. 表征学习（第 5–6 讲）：对比学习、JEPA 深度解析；LeCun 路线的核心组件，即在潜在空间中预测而非像素空间中重建。

3. 生成模型基础（第 7–11 讲）：完整覆盖四大生成范式；隐变量/对抗模型、自回归模型、扩散与 Flow Matching、归一化流与自回归流（引用 TARFlow、STARFlow 等最新工作）。这五讲本质上是“现代生成建模的浓缩版”，因为生成能力就是预测能力。

4. 世界模型本体（第 14–15 讲）：序列式生成世界模型 + 基于模型的 RL、规划与控制（MPC、CEM、“在想象中训练”）。Ha & Schmidhuber 经典的 World Models 和 DreamerV3 属于这一板块。

5. 前沿应用分域（第 16–25 讲）：这是课程最有分量的部分，按领域展开。
· 视频世界模型（两讲：生成架构与 rollout；交互、记忆与效率）；对应 Sora/Genie 这条线；
· 空间世界模型（两讲：几何与 3D 表征；4D 动态与交互）；对应 World Labs 方向；
· 神经物理：学习物理动力学；
· 机器人学习（两讲：仿真、控制、sim-to-real；VLA 与 world-action 模型）——对应当下机器人基础模型热潮；
LLM 作为世界模型 与推理模型（deliberation、recurrence、test-time compute）；把“语言模型是否已隐式学到世界模型”这一争论纳入课程；
· 数字智能体（digital agents）；浏览器/操作系统层面的具身。

6. 评估（第 26 讲）：如何评测世界模型；一个学界尚无共识的开放问题。

实践设计：三次作业的编排刻意对应 “从零搭一个世界模型栈”：建环境 → 训世界模型 → 学策略。期末研究项目要求学生在四个领域（物理系统、视频/空间、机器人、语言/数字智能体）中选一个，且必须显式定义状态、转移、动作接口和评估标准；这个约束本身就是对“什么是世界模型”的操作性训练。项目带 leaderboard 和 12 月初的汇报，研究导向明确。

[客家之光 @lao_jiang50163]

别再只会统称叫山了！
原来古人看山形态不同，叫法全都不一样。
#传统文化 #国学科普 #山河美学#精选内容

[馬修 @idoubaody]

算力成本暴跌 95% ！ 菲尔兹奖得主把大模型做成“心灵感应”，硅谷巨头被指着鼻子打脸。

连线杂志消息，几个顶级俄罗斯数学大佬（甚至搬出了数学界诺贝尔奖“菲尔兹奖”得主），搞出了一套让 AI 之间“心灵感应”的黑科技，硬生生把一个手机就能跑的 40 亿模型和一个 7500 亿参数的超级巨无霸直接“合体”——算力成本瞬间暴跌 95%，性能却一点不拉胯，甚至还顺手把全球最难的 AI 推理大赛（ARC-AGI）给刷到了榜首！

最可怕的是，它直接指着硅谷那些天天烧几百亿堆算力、搞封锁的巨头鼻子打脸：以后根本不需要再无限膨胀单体大模型，靠“小模型白嫖大模型脑子”就能逆袭！

这不仅把 AI 商业化的最大痛点（太贵）给一枪干爆，更是给开源阵营递了一把反杀闭源巨头的超级武器，彻底把全行业的玩法给颠覆了！

[李老师不是你老师 @whyyoutouzhele]

格隆汇6月22日发布图表：统计全球AI市场利润流向与AI科技率

2026年全球AI资产池产生的利润大概在6370亿美元，其中3140亿美元流向了美国，2230亿美元流向了韩国，470亿美元流向了台湾，260亿美元流向了中国大陆

如果用AI产生的利润除GDP，可以看到韩国GDP仅占全球1.8%，却拿走了全球AI利润的35%，经济中的科技密度效率是欧洲的195倍，是美国的12倍

[Barlow @baidanghu]

北大程乐松这段顶级专访，放下焦虑通透到极致 ​ https://t.co/VfNFmdWhAx via @YouTube