WO

[Chris Offner @chrisoffner3d]

Here is @ylecun ‘s recent lecture on world models at @ETH: https://t.co/TmSMz9FMzI

[瑞士资讯 @swissinfo_cn]

瑞士金融业一边设定可持续金融愿景，一边仍通过银行、保险、养老金、央行投资等渠道，与全球化石燃料扩张保持深度关联。瑞士金融机构在碳密集型行业的贷款和投资所对应的排放量达瑞士本土排放量的18倍。#瑞士金融业 #气候责任 #化石燃料
https://t.co/WWLzVAjyuv

[端傳媒 Initium Media @initiumnews]

《天真的消逝》
作者：天真

歷史學者蘇揚在2023年出版的《Deadly Decision in Beijing》中提出一個不同於「暴力鎮壓」的六四分析框架，他指抗議行動被利用為黨內鬥爭和清洗的工具，在鄧小平、趙紫陽和李鵬等人之間的黨內鬥爭。

轉折發生在1989年《人民日報》的426社論發表後，恰是趙紫陽離京外訪的時候。社論發布之前，天安門上還只是一場曠日持久、但已經過了運動高峰期、接近尾聲的留守抗議和佔領，426社論卻話鋒突轉，將運動強硬定調為「動亂」，激發出抗議者和普通市民的憤怒。六四死難者中。其實有不少普通市民，他們有的只是路過，或想要向廣場上的人提供幫助。

由六四事件遇難者家屬組成的維權團體「天安門母親」，長年對六四有轉型正義的需求。然而《自由亞洲電台》獨家報導指，她們今年收到北京市公安局通知，不准前往北京萬安公墓祭奠親人，也不準舉行以往例行的悼念儀式。這是30多年來首次。

不知道這段歷史的人，常常在一些歷史與現實的偶然重疊中，才發現被隱匿的端倪，比如李佳琦為什麼突然消失了，劉美賢的家庭似乎有什麼重要的故事？假面撕破也是讓天真消逝的過程，喔，原來有這麼醜陋的啊。不過看到謊言後，人更有理由要保持「真」。

端傳媒報導、評論：
劉美賢的輿論鏡像：熱議背後有哪些事實？
「坦克蛋糕」直播後消失的李佳琦：因無知而觸犯政治禁區的悖論 六四週年

文：端傳媒編輯部

請點擊連結，免費閱讀全文：https://t.co/L6kUULLFMD

[Xudong Han @Xudong07452910]

很棒的分享，个人使用Claude code也可以从这篇文章学到很多

[Fei-Fei Li @drfeifei]

https://t.co/Kt50ttQRMJ

[昨天 @YesterdayBigcat]

我们永远不会忘记，37年前的6月4日前后，中共军队在北京以及成都等地，屠杀了数千名手无寸铁的工人、学生以及市民。（图片为加拿大卡尔加里大学内的民主女神像，拍摄于当地时间2026年6月3日。）

[端傳媒 Initium Media @initiumnews]

今年，香港已經連續7年沒有維園六四燭光集會了。

但在城市的角落，還有一群年輕人用自己的方式紀念著。這幾位年輕人，出生於2000年後，對他們來說，六四不是他們曾經歷過的事，但伴隨著大時代的烽煙與淚，悼念六四卻像是一隻蟬蛻，輕而易碎地，緊勾在他們的平凡日子裏。

當時代的烽煙成為遠方的轟鳴，這群年輕人如何在壓抑的縫隙中，用自己的方式標記那些「普通的日子」？

👉請點擊連結，閱讀全文，了解這群香港青年的真實想法：https://t.co/kMeopTJdL9

[一只小橘呀 @Ellieorange8]

数学系硕士强烈推荐的数学学习资源：awesome-math

其实真正高质量的数学教材、视频、题库，全被整理在一份 GitHub 清单里

Awesome Math，已获 14k+
它把代数、几何、分析、概率、数论等 30+ 领域
全部拆成体系化入口

📌 视频课 + 电子教材 + 练习工具
📌 甚至 MIT、哈佛学生的课程笔记
📌 持续更新，帮你省掉筛选时间

想用数学碾压所有人，直接收藏这份清单：
https://t.co/At3E4YFNbY

[AYi @AYi_AInotes]

说个反直觉的真相，你在Obsidian里建的文件夹越多，你的笔记系统就越没用！

Obsidian CEO Steph Ango分享了他自己的笔记工作流，和大多数人用的完全不一样，

我们90%的人都把Obsidian用错了，
他们创始人自己几乎不用文件夹，也很少手动加标签，

整个工作流的核心只有三个东西，模板，属性，内部链接，

他创建一篇完整的会议笔记，
整个过程不到十秒钟，

大多数人拿到Obsidian第一件事就是建一堆复杂的文件夹，

然后花几个小时整理分类，最后越用越乱，干脆放弃，

喵的我就是这样做的🤣

Steph Ango说，好的笔记系统应该拥抱混乱和懒惰，

你不应该为了整理而整理，
应该先把想法快速记下来，
结构会在后续的连接中自然涌现，

他的方法很简单，

几乎每一个笔记都从模板开始，
模板自动填充所有需要的元数据，
日期，人物，主题，地点，评分，

这些属性不是静态的标签，是可以计算，可以过滤，可以生成任意视图的数据库，

你完全不需要把会议笔记放进会议文件夹，
只需要给它加上一个会议的属性，
系统会自动把所有会议整理成一个动态表格，按日期和人物排序，

再配上几个全局热键，
新建笔记，插入模板，打开每日笔记，插入内部链接，
整个过程不需要碰鼠标，

很多人花了几百个小时折腾各种插件和主题，
却从来没有真正建立起一个能长期坚持的笔记习惯，

因为高摩擦的系统最终一定会被废弃，
只有低摩擦的系统才能产生知识复利，

几年后你的Vault不会变成一堆死文件，
它会变成一个活的外部大脑，

能一键查出所有和某个人相关的会议，
所有你给过七分以上评分的书，
所有在某个城市发生过的事，
这才是第二大脑真正该有的样子！

#Obsidian #PKM #第二大脑

[Charly Wargnier @DataChaz]

this guy literally breaks down the exact Claude + Obsidian playbook to build your own AI employee in a single afternoon 🤯

[Anthropic @AnthropicAI]

We've published a paper that explains our views on AI competition between the US and China.

The US and democratic allies hold the lead in frontier AI today. Read more on what it’ll take to keep that lead: https://t.co/TgJBeodWYK

[李老师不是你老师 @whyyoutouzhele]

近日，三联生活实验室的《2026中国外卖员生存报告》被全网下架

[Aakash Gupta @aakashgupta]

Yann LeCun closed $1.03B for AMI Labs on March 10. Three days later, this paper dropped from his NYU collaborators.

15M parameters. Single GPU. A few hours of training.

LeWorldModel is the first JEPA that trains end-to-end from raw pixels. Two loss terms: predict the next embedding, keep the latent space Gaussian. Previous JEPAs needed exponential moving averages or pretrained encoders to avoid representation collapse. LeWM doesn't.

Six hyperparameters down to one.

The numbers are the story. Foundation-model-based world models require hundreds of millions of parameters and serious compute to plan a control task. LeWM plans up to 48x faster while staying competitive on 2D and 3D benchmarks. The whole thing fits on a laptop GPU.

Look at the trajectory. Yann announced his Meta departure in November 2025 after 12 years and called founding FAIR his "proudest non-technical accomplishment." On March 10, 2026, AMI Labs closed the largest seed round in European history at a $3.5B pre-money valuation. Bezos, Nvidia, Samsung, and Toyota all wrote checks.

Three days later: a paper showing that JEPA-from-pixels is no longer fragile and no longer compute-heavy. The engineering scaffolding that made it look like an academic curiosity is gone.

The authors sit at Mila, NYU, Samsung SAIL, and Brown. None at Meta.

Yann's bet was that the path to machine intelligence runs through world models, not language models. He left a public company to build it. Each JEPA paper from his network resets the assumed cost structure for that bet. This one makes world modeling laptop-cheap.

Meta still has the GPUs. The architecture left.

[Mnimiy @Mnilax]

Karpathy threw a grenade at every senior engineer who still treats LLMs as a toy.

his actual words: the worst thing an expert can do right now is reject them.

most experts read it as a threat, but it's advice.

his framing:

> the gap between "AI tools are bad" and "AI tools are useful when used right" is professional discipline, not capability
> agents have cognitive deficits. they fail in ways nothing in the training set anticipated
> the experts who reject LLMs lose to experts who learn to wrangle them
> "models have so many cognitive deficits. but you can route around them"

routing around the deficits is what CLAUDE.md was invented for.

Karpathy himself wrote 4 rules. across 30 codebases they took my Claude error rate from 41% down to 11%. solid drop.

but his rules pre-date the slop era going public. I bolted on 8 more, tuned to the failure modes that surfaced after January. got it down to 3%.

a CLAUDE.md does not raise Claude's IQ. it lowers his slop floor. that is the entire game.

open the article underneath.

the model is not the bottleneck. your config is.

[Charly Wargnier @DataChaz]

Academic Researchers right now:

[Thariq @trq212]

https://t.co/MXt5XS4xBX

[AI Will @FinanceYF5]

Jane Street 以年薪 $22 万–$60 万聘请了这位初级员工，因为他利用 AI 分析数万亿条数据。

在这场 1 小时的讲座中——他展示了如何借助自己的机器研究数万亿的数据点。

收藏并观看它，而不是看 Netflix，来学习如何做到同样的事情

[Charly Wargnier @DataChaz]

Obsidian users right now:

[exicablenews @icablenews]

《集誌社》
審計報告｜揭工廈消防隱患 四至七成迷你倉違令未被控　逾半未檢控個案 命令十年前發出
全文：https://t.co/4yGMTdR9wL
//審計署審查了 19 間在 2016 至 2021 接受巡查、違例未被檢控的個案。其中 9 間屬同一間公司營運，但消防處「因未能成功送達」通知書...跟進巡查期間上鎖而未展開檢控//

[Allen Braden @allen_explains]

Andrej Karpathy could have packaged this into a $2,000 masterclass.

Instead, he uploaded it to YouTube for free.

Three hours covering how modern LLMs actually work:
tokenization, neural nets, RLHF, hallucinations, tool use, reinforcement learning, and systems like AlphaGo and DeepSeek.

This isn’t about prompts.
It’s about understanding the machine behind the magic.