Ma Jenner

[Ma Jenner @Ma729795247]

https://t.co/mHP3MiH8bf

[张XX @alexu19049062]

���现一个开源项目，能够将 PDF 文档直接翻译，并支持双语对照，目前已有 4.2k star。用来看论文的话效率起飞，付费意愿应该不低。

1/n

[Fei-Fei Li @drfeifei]

Very excited to share with you what our team @theworldlabs has been up to! No matter how one theorizes the idea, it's hard to use words to describe the experience of interacting with 3D scenes generated by a photo or a sentence. Hope you enjoy this blog! 🤩❤️‍🔥

[憨厚的麦总 @Michael_Liu93]

麦总长篇Meme教学第一篇：你在决定冲一个meme币之前，你最最最最最先需要问自己的问题是：这个盘子是什么盘？是pvp盘还是庄盘？这件事是你冲任何meme之前一定要回答���问题，如果这都不了解就瞎冲，那你就不可能长期在这场游戏里获胜，所以我把这个当作Meme教学长篇连载的第一篇，我来告诉你这两种盘子的交易风格有什么不同，以及怎么判断是PVP盘还是庄盘。

首先，两种盘子的交易策略有什么不一���？

PVP盘子上限通常很低，大家拼的是挖掘信息的速度，止盈点则是短期情绪的高点。更直观来说是，如果你看到信息晚了就别追了，如果你看到最早上车的那批钱包开始卸货了，你也就该跑了。

庄盘的上限更高，你看到能上币安、OK、Bybit的这些Meme无一例外都是强庄盘，你交易这种盘子拼的是找到“靠谱庄”的能力、通过分析叙事、分析运营用心程度、监控钱包揣摩做市商意图、然后在庄不断的拉砸洗盘中，牢牢抓住，这种盘子你也不要怕高，因为上限跟PVP盘子不一样。

很多人觉得可以看叙事去判断是不是庄盘，但这个大错特错！！！ 比如像Moodeng、Pnut、RIF这些叙事看起来像是很自然的“热点”，但其实伪装下都是强庄盘，你去拿PVP盘的玩法玩这种盘只会被甩下车或者卖飞。

所以该怎么去判断这个盘子是不是庄盘呢？

教大家一个最简单判断的方式，打开https://t.co/9J98t1GPry，直接去看这个盘子的TOP10-20的地址，前排地址是alpha交易者和P小将的地址吗？还是庄钱包的地址？强庄盘的前10-20在前期是不可能让链上hunter混进去的。不明白这个道理的可以看我这篇：
https://t.co/mlpVdt0Gji

虽然很多做市商会将前排钱包混进去一些其他交易伪装成交易者钱包，但如果这个地址在这个盘子上的交易风格明显跟它在其他盘子上的不同，那基本就是庄钱包无疑（比如别的币只买了一两笔1000u的，这个盘子突然梭了10wu，然后一直在做波段，那你可以理解那个1000u的买单就是伪装成交易者钱包的烟雾弹），前排地址如果有特别多标红的小鱼标或者狙击标，那基本也是庄地址。

你懂了这层逻辑，再去看前几天被国人KOL Rug的艺术家代币$Spell和之前在Eth上的政治币$PAC的前排地址，你就知道为什么这种叙事这么不错的盘子起不来了，因为本质上都是PVP盘，我之前特别写过一篇文章分析为什么$PAC很难起飞，大家可以看一下：https://t.co/cDLzumVlzq

再延申一层说，如果你看到一个庄盘的前10-20持币已经开始出现一些交易者的地址了，那你就一定得小心了，说明庄已经卸货不少，接盘的人开始进TOP10-20了，这种盘子如果是大市值或者已经上了大所还好，因为流动性够多，庄控筹也不再需要那么紧，但在链上流动性不够的情况下，庄控筹不紧不是不敢拉，是真的拉不动，这种盘子小心庄直接弃盘了。

我经常听见的一句话是：某某盘子好想上，但前排钱包盈利太多，怕砸盘。能说出这个话的就是没玩明白这个游戏的。

玩PVP盘可以怕前排盈利多，因为PVP盘是极短���的零和博弈，p小将盈利多了随时可以盖在你头上，然后画个圣诞树出来，但庄盘的前排盈利都是庄用自己的钱拉的，前排盈利对他来说是空气，他砸盘实际砸的是他自己的脚，反而玩庄盘最差的情况其实是看到前排盈利不多或者已经亏损，说明庄控筹不紧，已经把货倒给这批接盘侠之后跑了，前排都是接盘套牢的，后面谁来拉？你拉还是我拉？

举个例子，看看以太上的$doggo的前排钱包，这就是典型的庄已经完成大部分收割并弃盘了，这种盘子几乎不可能再起来（尤其是如果狗庄出货也不出完还剩点筹码在里面，想换庄重新CTO都CTO不起来），Murad+Crash一起来打call也没用，所以下次别只看叙事觉得不错、看tg觉得社区好牛逼、你得先搞明白你玩的是什么盘子再去考虑其他的问题。
这就是为什么我一直在跟各个工具商提钱包分析的功能需求，就是希望大家能��知道你在玩的到底是什么游戏，游戏规则是什么，你才能尝试在这个游戏里获胜，瞎冲的赌博早晚输光，你说对吗？

[howie.serious @howie_serious]

如何用 logseq 做读书笔记，读 1本胜10 本？

昨天读了 ray kurzweil 的新书《奇点更近》，今天做了 logseq 读书笔记，于是下午顺手录制一只视频，分享一下。关键词：logseq、费曼学习法、读书笔记、ChatGPT。

【我在 x 上发布的第一个知识视频🤣】

[Levi Yuan @levinomad]

最近悟出来一个既能快速学习知识，又能提高英语水平的学习方法，

即费曼学习+英文解释+刻意练习

1.将你要学习的PDF上传到GPT或者claude
2.告诉AI你用费曼学习+英文解释的方法帮助你理解这篇材料。
3.向AI提问，让他用英文出问题考你。
4.关键：自己用英文默念回答一遍，如果回答不上来，再去学习相关概念，直到用英文能把概念解释得很清楚。

费曼学习的核心就是：当你能给人解释清楚一个概念时，才算完全理解。而你能用英文解释清楚时，代表你能用母语人的思维方式去解释一个复杂概念，这个过程中你需要对你的英语���达方式进行整合，并且用口语输出，这个过程很慢，但对你英语有巨大提升。

5.让AI纠正你的问题。这是《刻意练习》的核心概念：通过正确答案的反馈，有目的的纠正自己的理解，语法，表达，词汇，从而让你大脑走出舒适区。建立新的心理表征。

这个过程很痛苦，但是同时学习知识和英文效率很高的方式。

[is you @xz19961]

@VeronicaPump @zen913 老师，请问https://t.co/cZQocSEdo9聪明钱包在哪里看

[Veronica @VeronicaPump]

分享一下平时我筛狗的思路：

1. 基本配置：我的配置是两块屏幕，一块屏幕看扫链界面，另一块屏幕看 @zen913 的 https://t.co/NTZAQWLur0 里的聪明钱动态。

2. 扫链界面的筛选条件：我自己用的扫链工具是公牛BullX，但是其他扫链工具的设置也大同小异。

首先在新创建那一栏里，筛选条件有2个：
a. Market Cap 市值最低为20k
b. Txns 交易数最少为100

这样基本能筛选掉大部分的骗局，也不会被太多没用的东西干扰���线。

接下来在中间即将发射（毕业）那一栏，筛选条件也是2个：
a. Market Cap 市值最低为 40k
b. Token Age 代币创建时间最大为 30 min

因为真正的金狗，基本2分钟就打满了，不会在你的首页来来回回反反复复出现，还一直打不满。

这里排除了OG盘，一个热点刚出现的时候，大家也有可能去玩的是3、4天前创建的，甚至几个月前创建的盘（比如今天 20m 的 $WOULD）。这种盘子，我会通过聪明钱的动态来获取相关咨询，这个下次再总结。

最后是最后一栏已发射（毕业），筛选条件只有1个：Market Cap 市值要大于 100k。这样可以直接筛选掉那些刚开盘就浇给的 PVP 盘 。

3. 筛选金狗的思路：如何判断一个盘子是不是好盘子，一个叙事是不是好叙事。

金狗一般有几个特征：
a. 能吸引全网的注意力，标志着某个唯一的事件（比如 宗教币 $LUCE ）

b. 有强大的背书，比如大项目CEO本人发的币（ $OBOT ），或者被行业大佬名牌背书的币（ $FATHA 是alliencedao的founder背书），还有一种情况是，某个人发的币，这个人你可能不认识，但是他的关注者很牛逼，比如被币安 @binance 关注，被 https://t.co/hOhv9UNw8e 创始人 @a1lon9 关注，参考今天的 $wain ，但这种角度市值可能有天花板，并且有可能是买号创业盘，要注意辨别。

c. 和美国的政治经济相关，特别是当它们和 Trump 或 Musk 有关系时，比如 $Pnut , $HFC , $🦅

d. 叙事有趣，尤其当它能引起全网的情绪时（愤怒最佳），比如小孩哥事件的币 $Quant , 社区对抗阴谋的小写 $eliza

e. 还有一种就是阴谋盘，比如 $Bitcat （从推文可以看出可能是当时的前一天24小时从1mil拉到100mil的 $Bert 的庄）， $Kacy , 这种盘子有个很明显的特征，就是官推有很明显的运营痕迹，然后链上也有明显的做市痕迹（下次再来讲怎么抓到庄家的做市钱包）。

以上。

[dontbesilent @dontbesilent]

付鹏 2024 年 HSBC 演讲全部观点梳理
（由 Claude 整理，约 3600 字）

1/n

付鹏将世界经济的运行机制比喻为金字塔结构，最顶层是意识形态，中间是政治，底层是市场和资产。他认为从2016年开始，全球已经开始从过去40年的左翼包容、开��、融合转向了右翼化、保守和对抗。这不仅仅表现为中美贸易战，而是一场深刻的全球政治经济秩序的转变。这种转变标志着二战后形成的全球化秩序正在瓦解。

关于中国经济，付鹏指出问题早在2019年就已显现，远比表面看到的要严重得多。核心问题在于有效需求不足，从数据来看，2019年后总需求曲线持续下降，到2024年10月首次出现负值，这在22年来还是首次。这种需求不足既有周期性因素，也有结构性原因，其中最重要的是中产阶级的加速陨落。

在消费领域，付鹏观察到了明显的分化趋势。底层民众早已开始消费降级，如网约车司机只吃15块钱的盒饭。中产阶级因为裁员、降薪等因素产生恐慌，开始大幅压缩支出。这种消费能力的下降不是短期现象，而是一个���构性的转变。更重要的是，新一代年轻人的消费观念已经发生根本性改变。

对于房地产市场，付鹏认为过去20年的上涨建立在两个基础上：一是人口红利，二是杠杆的放大作用。80后这一代人能同时利用三代人的财富：上一代的积蓄、自己的工资收入、以及金融机构提供的未来信贷。但现在这个模式已经难以为继，因为年轻人的接盘能力严重不足。

付鹏特别强调了债务问题的本质。他认为"内债不是债"这种说法是错误的，任何国家的本币债务本质都是对本国居民的征税权。当人口不增长、收入增长放缓时，唯一的选择就是提高税率。这就解释了为什么近期各种新税种的讨论会出现。

[流氓兔🐰 @LiumangtuCrypto]

在研究了这些频道之后，我发现了他们的秘密：

他们不是像我们这些普通人一样用时间换取金钱。

他们在占用注意力。

这就是一切的关键...

[may.crypto {🦅} @xmayeth]

Thousands of memecoins are launching daily, and only those with good tools for analyzing them are making money.

A few insiders use these tools and shared them with me in DMs.

Now, I’ll share this with you so you can also start earning $2,000–$3,000 daily.

[Fencun（买的都涨版） @Fencun_nft]

我要来个大的 这将是你冲土狗必看的一篇教学认真看完！
我关闭了收费群 因为以后的分享可能会很少很少 我要开始
对我自己的包负责，讲一些几乎从未有人讲过的扒狗庄的细节 干货中的干货 内容大部分来自于我自己的研究
我可能会得罪很多人 但是我希望你们知道

一、你首先要明确的 在链上要想赚钱 要学会像侦探一样综合你已知的所有信息 将这些信息拼凑整合 来使赚钱不确定性几率慢慢提高 从1％-90％ 每一个小信息和细节都会让你的成功率大慢慢上升 当你综合好所有的信息是不是赚钱的几率就会提高？用好你手里的工具 用GMGN去看收益 看资金来源 接下来讲的每一个字你都要仔细的看完 这值得你花10分钟看完并且花一天的时间复盘研究

二、接下来我将从几个维度进行分析 你需要了解什么信息才能使成功率提高 1.头像 2.名字 3.叙事 4.资金来源 5.钱包是否有JUP的DCA交易 USDC交易 6.钱包历史交易 7.钱包年限 8.如何判断内幕钱包 9.操盘手法代币究竟是卖掉了还是转移掉了？

三、 123我相信大家有足够的了解 那么从4到9我相信很少会有人拿出来讲 这会损失大部分人的利益 包括我自己

接下来我会从资金来源开始讲起一步一步提高你的胜率 后面也会介绍众多混币器或者跨链桥

4.从4开始讲起 这里用到的工具是GMGN和solscan因为GMGN是能看到资金来源的工具 所以直接用GMGN会非常方便 入图1看资金来源 然后点开旁边的sol图标跳转到solscan 接下来说为什么要看资金来源 因为大部分阴谋盘子或者狗庄有预谋的盘子都会用混币器或者跨链桥作为资金来源用于开盘 我这里就统称为混币器了下面给大家列举出来
1.G2YxRa6wt1qePMwfJzdXZG62ej4qaTC7YURzuh2Lwd3t
著名诈骗钱包 也是黑客的最爱 被盗资金大多数都流入了这里然后被分散提走 接下来将不过多介绍
2.9obNtb5GyUegcs3a1CbBkLuc5hEWynWfJC6gjz5uWQkE
3.7FfB2zQRYUQwpPzkRxAeg2mCBGeCRKp4PCEeULJA9xTo
4.DQ5JWbJyWdJeyBxZuuyu36sUBud6L6wo3aN1QC1bRmsR
5.5ndLnEYqSFiA5yUFHo6LVZ1eWc6Rhh11K5CfJNkoHEPs
不过多举例子了
结论:这些人惯用手法是用这些除交易所以外的混币器或者跨链桥作为资金来源 防止别人追踪,出现这种资金来源开盘的需要格外留意 小细节通常狗庄如果要做大做强 那么资金来源通常会先来一笔0.1的交易（见图3）这笔交易通常是大额交易的人用来确认剪切板没有被盗用 怕大额资金提币提错 有很多高手死于开头结尾相似的地址导致被黑客钓鱼 所以这是狗庄的良好习惯 遇到也要格外注意

5.钱包是否有JUP的DCA交易 首先你要知道一点 在pump盘子上很少有人会取用jup交易 用jup交易的人无外乎两种 大户和狗庄 （见图4）
结论：当你看到有大单是jup交易的因为大单jup手续费很低 很少会有大户给bot抽水1％ 所以当你看到大额交易的时候就侧面印证这个盘子是有大户在的 紧接着去看他的钱包 是不是以盈利为目的 如果不是已盈利为目的的钱包 那就是狗庄换手或者自拉自出的钱包 如果有大量UDSC并且在一个或者多个盘子多次不以盈利为目的的操作应该就是DCA操作 关于DCA这里不做过多解释移步jupswap查看

6.钱包是会伪装的 狗庄是会进步的 以前狗庄开盘全是小草 现在很多钱包一看上去就是亏钱能手 可他真的亏钱了吗？
结论：很多狗庄现在不会用新钱包开盘 反而是会先养一阵子钱包用GMGN查看收益 发现他之前一直小亏 突然之间就吃到一个大的 大几百k或者上1-2M的收益 你真的以为这是天之骄子吗？没有那么多暴富故事 没有那么多天之骄子 养钱包的目的就是为了混淆你 让你以为他不是内幕钱包以为他是亏钱能手 所以别那么天真的去送钱

7.钱包年限这是一个很少有人注意到的东西 最近出现很多大金盘子比如 #GOAT 的很多关联钱包最早的一条tx都来自于几年前 懒得去找太多例子 如果你每个大金盘都看一遍一定会看到的
结论：如果一个项目的钱包超过3个钱包最早的tx来自于至少2年以前就需要格外注意 问问自己究竟什么人才会在两年前就创建了sol钱包呢？难道是散户吗

8.结论：如何判断内幕钱包 非国人交易所提币例如Kraken（其余国外交易所不过多举例子 cb交易所或者cb热钱包也有很多） 前排在项目启动前忽然收到一笔��款（只能发四张图所以自己理解）然后开始各种换手拉盘 只需要10秒你可能就会看到一根大阳线 你需要注意的就是大单以及拉盘钱包是什么 资金来源是哪 用什么交易 有多少关联钱包进行总结 顺便说一句pump百分之80以上的捆绑rug盘资金来源都是bn 因为大多都是国人或者垃圾小老外 而且市面上已经有专门自动开盘的bot一天开上百个盘子每次赚一点点钱 收益也相当可观

9.你所谓看到的砸盘 是否狗庄的代币全部出售了呢？你有添加前排的钱包关注吗？有没有可能是卖了一半砸了一半呢？
结论：依然用GOAT不过不能发图了自己理解 很多时候狗庄洗人的时候是砸盘 换手的情况下会砸掉一部分剩下的一半其实早就转移了 要知道巨大的市值下即使你有0.1％的代币已经非常值钱了 而且一定要看前排的代币到底是转移还是出售 狗庄很喜欢用1钱包砸盘引起下跌恐慌然后将2钱包的资金转移 你可能忽然发现一个前排没了 不��定是出售了也可能是转移走了 然后他再用3钱包接下你恐慌抛售的货 当你点开他的交易 如果是-100％的话那就是转移走了 一笔代币的交易即使亏损是很难亏损到100％的最多只能是99.999％ 当你发现转移代币的时候第一时间去看是什么钱包 往往这种钱包里会伴随着其他代币 可能是还未启动的代币 如果抓到的是狗庄收货的钱包 当你看到这些未启动的代币是不是就可以埋伏进去了？这就是为什么别人埋伏的代币会起飞 你埋伏的代币就钻地

结语：当你看完以上所有 每一个阶段至少能让你对一个盘子的胜率提高10％ 现在你知道为什么有人能赚钱有人会亏钱吗？我只讲干货 这里的每一字每一句都值得你花时间去验证去研究 自己动手动脑去做去实践 这才叫确定性的机会 不是靠运气 靠感觉 靠嘴说 只要是狗庄就总会留下细节 抓住这些别人抓不到的细节你就能吃到100x大金 ��理运用手里的工具才能事半功倍 多用GMGN去分析钱包地址和收益 然后开始你的交易 https://t.co/xOKXDevP5g

[howie.serious @howie_serious]

如何使用 ChatGPT 原理学会一切知识？读Wolfram 大神的神书《这就是 ChatGPT》之后的读书笔记

读了李沐大神的《使用随机梯度下降来优化人生》，忍不住拍大腿。加上前面推荐了wolfram 大神的神书《这就是 ChatGPT》，于是觉得有必要写点类似读书笔记或书评的东西。李沐的文章写于ChatGPT 之前，是结合随机梯度下降来讲人生道理的，我这篇准备从ChatGPT 原理出发，聊一聊 GPT对人类学习、构建个人知识体系的启发。以此文致敬两位大神。🫡

李沐的文章微言大义，只用了 1100 字。我对GPT原理的认识有限，所以写了5000字，请大家多多指正。

1 首先要有目标

所有机器学习，一定得有个目标函���。人类的学习也是如此，学习之前，目标先行。

目标函数，也叫成本函数，损失函数。**模型训练的目标就是让损失函数最小化**。人类学习，也是要不断接近自己的学习目标。

2 学习目标要大

GPT模型的训练目标，是用一个巨大的神经网络去模拟互联网上的所有人类语言文本，让损失函数最小化。目标基本达成，**GPT把基本上全部的人类知识压缩进了万亿参数的单一模型**，实现了通用认知任务上的卓越表现。

GPT的学习目标不可谓不大。

人类学习也是如此。目标不能太小，你的学习不是为了通过某次考试，取得某个分数。在我看来，人的学习应当以构建个人知识体系为学习目标。

在你在外，人类知识体系（body of knowledge）是一种客观存在，wikipedia 和书籍等都是对人类知识体系的一种整理和构建的实践，我称之为bok1。在你之内，你的脑子里应该有一个自己的个人知识体系，关于一个或多个学科或领域，我称之为 bok2。

**个人学习的目标，是缩小bok2和bok1之间的差距，形成你自己的更全面更扎实更强大的bok2。**

为什么学习目标要足够大？神经网络训练的实践有一个发现：**参数越多，成本函数最小化越容易。正因为这个规律，用神经网络解决复杂问题比解决简单问题更容易**。所以，AI 现在可以写作编程绘画，但是还没法在餐馆端盘子。

人类学习也是如此。目标足够大，进步才可能足够大，走的才能足够远。

3 从实例中学习

机器靠**样例学习**（learn from examples），从数据中学习，而非通过规则学习（符号AI路线已经破产多年）。机器通过大量的大量的数据来学习到数据中蕴含的模式和规律，就好像从大豆中压榨出其中丰富的油脂。

人类也应当从实例中学习。一本书，一篇文章，一个知识视频，一次演讲录像，一次面对面交谈，都是你学习的来源。从实例中，你学到丰富��、鲜活的、有意义的知识。

4 用高质��信息作为学习数据

**Garbage in，garbage out。这是机器学习的第一性原理**。如果数据本身不富含意义，哪怕训练数据再多，可能训练出来的大模型也无法实现高级的智能，甚至还会从垃圾材料中学到满嘴脏话。GPT的训练数据集是精心挑选的高质量数据，包括 Wikipedia、书籍、论文、代码以及高质量的互联网文本。

所以，人类的学习是不是也要尽可能用高质量信息作为学习数据？**在一头扎进某本垃圾教科书之前，先精心设计你的学习数据集**。对于任何主题，我通过什么小册子轻松上手登堂入室？通过大师的那本科普书获得大图景（big picture）？哪几本教科书才是全国范围内最好的教科书？有那些知识视频让我更直观更好的理解这个主题？有什么工具能让抽象复杂的知识变得具体而清晰？

学习是从数据中体验意义的过程。只有通过高质量的文章、书籍、视频、课���、网站和工具，才能高效提炼出真正的知识。

5 从错误中学习

在GPT模型的预训练过程中，数据依次通过神经网络的各层，最终生成下一个token。token的预测值和实际值之间的差异，这是模型的误差（error）。error = diff（预测值, 实际值）。 GPT就是通过error来学习，把误差用反向传播的方法反馈回去，调整模型参数，降低损失函数。

**预测下一个 token => 得出error => 反向传播 => 梯度下降 => 调整参数 => 预测下一个 token**

GPT 只能通过误差来学习，人也是如此，只能从错误中学习到东西。错误和不足，是反馈的重要来源，也是最好的来源。

然而，人是追求奖励逃避惩罚的动物。**教育的规训让人追求正确，回避错误**。在孩子身上尤其明显，孩子会觉得错误不好，正确才好，一直正确一直好（直到ta迎来必然到来的重大挫折）。

我们可以认识到这个思维陷阱并尽量避免：虽然错误让人痛苦，但错误是唯一的学习来源。只有通过错误，人才能学到点什么东西。

6 唯有���习才能改变自己

GPT模型的训练过程，就是不断调整模型的过程，训练的每一步都在改变模型参数，改变模型本身的连接配置。

人的学习也还如此。每一次费曼，都得到你当前的理解与费曼式理解之间的差距，根据这个差距来调整，查资料，加深理解，再一次费曼。

每一次学习，都在改变你的大脑。不是比喻意义上的改变，而是字面意义上的改变，在生物和物质层面的改变：**短时记忆就是大脑突触之间神经递质增加释放，长时记忆就是基因表达蛋白质合成折叠，形成新的突触连接**。经过充分学习训练的大脑，在结构上不学习的大脑是截然不同的。之间的区别，类似于大脑和脑花之间的区别。

学习改变了大脑，改变了你，字面意义上的改变。

7 把阅读作为学习方法

**GPT的学习，是使用上百万GPU时间做一件事：阅读，阅读整个互联网，阅读几乎所有人类的语言文本**。这个阅读过程被被称为“预训练”，而GPT的阅读，只在做一件事：预测下一个token。而 GPT 的阅读量，是上万亿个 token。

人类的学习，也应该把阅读作为主要方法。scaling law对 GPT 适用，对人类神经网络也同样适用。人大附中早培班要求六年级小学生每年阅读五百万字，约 50 本书。个人认为这是保底要求。**人类学习者，需要首先成为一个贪婪的阅读者：一年五十本书。每天至少阅读一小时。**

没有预训练，GPT 无法学习；没有阅读，人类无法学习。

8 把费曼作为理解方法

GPT的理解，是在万亿维度的意义空间，用注意力机制，在数百层神经网络中，通过上万次的矩阵向量乘法来加工处理文本转化成的数字向量。

**text => token => generic embedding => embedding 2 => embedding x => final refined embedding => list of probabilities => next token**

对于一个token，GPT用它的上下文来不断关联，提取特征，调整这个向量在语言意义空间中的位置，形成富含意义的、更准确的理解。

人类的理解，也是把知识砖块和它的上下文不断建立丰富的、有意义的关联。最好的理解方法就是费曼技巧。**首先费曼知识砖块，然后不断费曼知识砖块之间的关联。通过清晰的概念以及概念���间的关联，人类形成自己的理解。**

把阅读作为学习方法，把费曼作为理解方法，一个概念接着一个概念，一次费曼接着一次费曼。

而且，费曼技巧，就是人类的“预测下一个token”。费曼的实际结果与期待结果之间的差异，就是我们在具体实例学习中得到的 error。针对这个 error，计算梯度，沿着梯度前进一部，你就得到了改进。

9 把迭代作为进步方法

GPT模型是在万亿token的高质量数据上训练出来的，用反向传播来传递误差，用随机梯度下降来减少模型误差。**每一个token的生成，都是神经网络中上亿神经元的一次激活，都是一次包含万亿参数在内计算。**

人类的学习，每一次费曼都是一次对神经网络的调参过程。哪怕是对一个概念的理解和费曼，都不是一蹴而就的。费曼x3，任何一个概念都要至少费曼三遍。在有间隔的多次费曼中，你对一个概念的理��变得越发清晰。

这是一种迭代式的学习闭环。闭环，迭代，这是学习之要义。把迭代作为进步方法。

10 规模法则，大力出奇迹

GPT模型是遵循规模法则（scaling law）的，规模法则是当前AGI之路的关键方法。wolfram说，“足够大的神经网络当然无所不能”。

人类神经网络，是否遵循规模法则？海量知识砖块���积累，构建出越发庞大、多元的个人知识体系，是否能像 GPT 一样带领个体发展出更强大的智能水平？用简单的话说，人类的学习，是否是“大力出奇迹”，凡事都靠积累？

答案很可能是肯定的。

11 身为父母，减少人为干预

曾经，人类设计AI系统走的是规则路线（符号AI）。曾经，机器学习是需要人工建立特征的（有多少人工，才有多少智能），相当于人类工程师教机器学习。现在，深度学习是端到端的，不用人为的特征工程。AI科学家们发现，学会放手，让神经网络做尽可能多的事情，让神经网络自己学习。**学会放手，结果惊人。**

身为人类父母，是不是也应该减少人为的、低水平的干预？大部分父母自己不是学习专家，不懂学习原理，强行扮演教育家是不是反而伤害了孩子的学习？是不是父母们也应该学会放手，不要瞎设计瞎教学？

孩子的大脑就像一个等待训练的 GPT模型，与其自上而下去指导教学，不如每天陪着孩子读半小时书，像一个朋友一样，让孩子快乐地享受伟大的预训练过程（阅读）。每天晚饭后，孩子做作业，大人在旁边读书学习。作业完成后，一起快乐共读，一起谈天说地。学会放手，生活更美好，学习更有效。

12 注意力是最贵的

GPT的T，是transformer架构。而transformer的精髓在于其用算法实现了类似人类的注意力机制，从而让模型在阅读文本时针对文本序列的不同部分给与不同程度的关注。

GPT的学习，是注意力分配的艺术。

人类的学习，也是注意力分配的艺术。当你阅读，你在不同内容上分配不同程度的注意力，关注概念之间的关联。

而且，整个有效学习的前提，是你能在学习这件事上建立并维持你的注意力。注意力的质量，决定学习的质量。

然而，你的注意力，是很多厂商虎视眈眈的猎物，10 亿短视频用户每天刷 150 分钟短视频，人们的注意力模式每天都在被短视频算法疯狂训练，训练到最后，一篇长文章都读不下去，更不要说严肃的书籍读物。

机器在学习，人类在沉迷。**机器通过注意力机制实现了更强大的认知能力。而���类的注意力却愈发稀缺和脆弱。短视频是免费的，但是，注意力却是最贵的。**

13 预训练之外的后训练

在让GPT模型阅读完互联网文本之后，OpenAI的科学家们还做了重要的一步：让人类积极地与GPT互动，并且在“如何称为一个更好的LLM助手”方面给与实际反馈。

是的，GPT模型的训练，除了预训练之外，还有**后训练：微调（finetuning），奖励建模（reward modeling）和RLHF(基于人类反馈的强化学习)。预训练占比95%，是绝对大头；后训练强调少而精，事半功倍。**

人类学习也是如此。除了海量阅读作为预训练，还需要后训练作为补充。

对海量阅读的孩子进行考试元技能的微调，只做了 8 套真题，8 岁儿童就能通过 FCE 考试。而对孩子的三观培养，家庭的家风建设，则类似于 GPT 模型中的奖励建模。为人父母，我们最重要的角色就是正反馈父母，不要学上“老中”��毛病，不过脑子，什么话难听说什么。只要做好正反馈，每个孩子都能培养出强大的澎湃的学习内驱力。

14 语言就是思维本身

人类语言，以及语言生成所涉及的思维过程，一直被视为复杂性的巅峰。而ChatGPT的成功给我们一个启示：在某种程度上，似乎人类语言的所有丰富性，以及人类能用语言谈论的所有事物，都可以被封装进一个有限的系统。

语言，在根本上，似乎比它看起来简单。**ChatGPT 则成功捕捉到了人类语言的“本质”和背后的思维方式**。ChatGPT 在训练过程中，隐含地发现了人类语言的语法规则，并且很擅长遵守这些规则。人类语言中丰富的语义信息，也被 GPT 通过向量空间中无数次的矩阵计算成功提取出来，存储为万亿参数构成的神经网络连接。通过掌握人类语言，GPT 还建立了某种意义上的世界模型。

人类学习也不应轻视语言，把语言视作普通的一个科目，分值有限，在高考中拉不开差距。不宜把口头的语言表达视作非核心技能，不宜把书面语言的写作技能视作非核心技能。每一个终身学习者，都应该足够重视语言，重视演讲作为核心技能，重视写作作为核心技能。

15 学习，快与慢的艺术

机器学习的快慢由一个超参数决定：**学习率 learning rate**，这是模型在梯度下降时的步子长短。步子太大，可能无法实现模型损失函数的最小化。步子太小，梯度下降太慢，效率太低。神经网络的训练中，合适的学习率是只能在实践中摸索出来的，只能来自经验。

人类学习也是如此。步子太大，看起来学的快了，但是理解浅，遗漏多。突击可以让你在考试中蒙混过关，但在实际应用中需要支付更高的代价。步子太小，龟速爬行，学起来会没劲。在快速学习和深度学习之间平衡，是学习的艺术。

而掌握这么艺术的最佳方式，是构建自己的知识树。以知识树为目标的学习，在快与慢之间最容易取得平衡：前期快速搭建框架，快速建立���局观，获得正反馈；然后慢慢微调，一个概念接着一个概念，看起来慢，但实现了更好的快。

16 学习，没有人出生在罗马

有人煽动起跑线焦虑，说什么“有的人出生在罗马”。在财富和权力层面可能对，但在学习这件事上，众生平等，没有人的家住在罗马。哪怕是马斯克的孩子，也得自己亲自预训练自己的神经网络，也得自己逼近学习目标，而且没有捷径。

机器学习也有起点和终点。起点是初始化的随机参数，终点是高维空间中损失函数最小的点。GPT模型的学习，就是在万亿维度的意义空间中找到这个最低点。

LLM们的学习都是后天的，难道ChatGPT比文心一言聪明是因为它出生在罗马？学习就是在万亿维度的意义空间趋近自己的目标函数，所有学习者的起点都是一样的，没有人生在终点，没有人家在罗马。

17 学习，每个人有自己的时区

有人煽动学习���虑，像把大活人变成竹节虫，让人生布满“节点”： “婴儿英语启蒙要抓住关键节点”，“三年级真的至关重要” ，“大二是最关键的一年”，“人生最关键的节点是35岁”……多少岁毕业，多少岁买房，多少岁结婚，多少岁生子，多少岁财富自由……

这个“社会时钟”妄图规定出一个人生的“标准时间”，规定了人们在不同的阶段要完成相应的 KPI。在“社会时钟”下，很多人在疲于奔命地过一种“打卡人生”。

但是，GPT的学习，是万亿维度的意义空间的旅程。每一条梯度下降的路线，都是逼近目标函数的路线，没有一个固定的、正确的路线。

人的学习也是如此。我们不需要一个“社会时钟”来规定你是迟到了还是来不及了。娃 6 岁了还没学 scratch，是不是晚了？孩子已经初中了，英语词汇量才 500，是不是来不及了？我三十多岁了，才开始学 python，丢不丢人？

每个学习者都有自己的时区，按照自己的节奏，走在终身学习终身成长的道路上。芒格曾经说过，我今年学习了做 PPT，我这 90 多岁的老狗还能学会新技能，你们年轻��还担心什么。

只要你还在学习，还在往前走，就无所谓早晚。每个人都是独一无二的，每个人对自己的���线拥有主导权和解释权。横向比较是愚蠢且没必要的。

18 学习，简洁是更高级的复杂

机器学习的早期，人们认为应该在神经网络中使用各种复杂的独立组件，从而让神经网络“显式地实现特定的算法思想”。GPT之后，人们发现，更好的方式是使用非常简单的组件，让它们“自我组织”，反而能更好地实现算法思想。

**ChatGPT原理的一大启示：最强大的智能，并非通过复杂部件的堆砌，反而来自结构简单的无数计算元素的组合，以及朴实无华的scaling law。**

最复杂的神经网络，由最简单的基本结构组成。人类的学习也是如此。不要迷信复杂的工具和技巧，大道至简，简单最好。

最庞大的知识体系，也不过是由一系列简单的事实性知识、概念、模型组合而成，而学习这些概念的方法本身也是简单而非复杂的，朴实而非深奥的。

---
这些，就是 ChatGPT 教给��关于学习的道理。

[快刀青衣 @kuaidaoqingyi]

再刷一遍《埃隆马斯克传》，收获很大，特别是他在推特裁员过程中的很多细节，有意思

[老陌 @Blockchainrese6]

有些叼毛注定赚不到钱，不敢赌，不想学，不努力，就特么想着暴富，这怎么可能呢？

之前都说有多大能力吃多少饭，鸡毛理论啊？只要你找对方向，只要不是一头猪都能搞到钱。

可能说这话严重了，毕竟有90%都在亏钱，别骂老陌。

今日继续分享最有可能的 7 个暴富投资，实现 （）倍收益 👇

#meme #土狗

[老陌 @Blockchainrese6]

我深入研究了 $BOOM 、 $PNUT 和 $MOODENG 代币的链上活动，发现了一系列内部钱包。

这些钱包正在大量积累迷因币，很可能是希望这些币能上CEX交易所。

首个上币预计将在下周进行；请务必抓住机会⤵️

[Biteye @BiteyeCN]

3/9
⭐️怎么找新币？

1️⃣ 关注聪明钱

追踪聪明钱也就是追踪那些在链上获得较高收益的用户钱包地址，观察它们所选择的投资对象。以下三个链接是GMGN不同链上的聪明钱列表，以及对应的图标解释（图1）

ETH链 https://t.co/dvd3Qeec8J
Solana链 https://t.co/H4o3F8IlCq
Blast 链 https://t.co/wiXa9JX6g4

关注聪明钱后，有新动态时会在左下角“已关注”显示红色气泡以及声音提示（可关闭或开启）。GMGN还提供了绑定Telegram通知的功能，这样一旦关注的钱包进行任何操作，就能立即收到通知。

点击“已关注”查看聪明钱的实时交易动态，包括买/卖/加建���/加仓/建仓/清仓等。（图2）

你也可以点开任何一个聪明钱地址界面，有更详细的信息，包括持仓分析、盈亏分布、交易活动等。（图3）

每天链上都有成百上千的Meme币上线，可能会出现聪明钱的集中买入，在选择关注对象时，最好考虑自己的交易习惯，避免关注过多钱包导致信息噪音。

建议选择与自己风格相似的钱包进行跟踪，以确保信息流的高效性。

注意，检查合约安全不能忽略，因为很多聪明钱也存在买入“貔貅”“蜜罐”等问题代币的情况。

[加密狗 @jiamigou]

Binance 昨天提名 $DOG 和 $PUPS ， #Runes 板块全线大涨，估计用不了几天 #符文 就会上币安。

🔸币安最近上币思路基本围绕：龙头、龙二、高市值、经过80%洗盘、地址数1万以上这几个因素进行考核。

✅ 所以我总结：《17个尚未在币安上市，社区潜力较大的 Runes》，供大家参考。

🩸评论区打出你重仓的符文吧。

[Charlie @btc_charlie]

If $BTC hits $1000,000 today I'll give someone who retweets this 1 Bitcoin.