danTR

[渡边君 @JiaweiShen2568]

https://t.co/bPz7azVJlU

[陶瑞 TaoRay @TaoRay]

为什么成功的CEO和连环杀手的心理画像差不多？为什么有的人会成功，有的人会权术？都是我亲眼观察过的顶级大佬，还有的谋杀案。而且我还会讲一讲玄学。为什么算命是上帝禁止的。我亲眼看过的怪力乱神，如何让人改命，又如何反噬。

[Arb_知微 @queen_nunaa]

对于量化研究员来说，华尔街对冲基金开出的年薪十分诱人，通常在20万至65万美元之间。

近期，Jane Street的一名量化交易员，在YouTube上分享了一条50分钟的视频，完整梳理了量化学习的全流程路线图，还隐含了Polymarket等实操场景的相关技巧。

建议你收藏好，今天就抽时间看完，相较于X上那些夸大其词的“神奇公式”文章，这条视频更具参考意义，也更值得你花时间去钻研。

[ℏεsam @Hesamation]

someone analyzed all 5000+ accepted papers at ICLR 2026, and it's a good signal who's pushing the research of AI:
> China has surpassed the US with 43.7% of the papers
> Europe's contribution is surprisingly small (5.3% including UK)

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我个人对manus收购案撤回后的四点预测：

1. 国内做原创LLM Agent革命的团队，很难再拿到投资了，因为AI SaaS最根本的就是要产品革命，要全球抢市场，要保障用户数据和隐私，

现在搭VIE走新加坡都走不通了，一大堆头部PEVC本来从什么新能源光伏机器人半导体硬科技转向LLM Agent，现在都不敢继续投了；

2. 国内LLM六小虎、deepseek、阿里、字节、小米、快手这些做LLM的厂商，也要猛打一个折扣，

毕竟以前这些厂商自己当战投，送一堆token加上投资一些钱，绑定一堆LLM Agent小团队，现在这些小团队没法融资和退出，这些LLM公司和部门很难搞“独占生态”，只能继续白菜价卖token、不得不卷入与anthropic和OpenAI的性价比大战了，

这样营收和利润都会受到影响；

3. 做LLM Agent融资上市收购退出的路线失去以后，只剩下一堆大厂自己内部小组抄硅谷成熟产品，抄了coding agnet，再继续抄各种xxclaw，再继续抄各种cli工具，

简中互联网从这两三年黄金时期齐头并进的竞争者，再一次退化到20年前的follower、copycat，互联网大厂内部继续跟风山寨，没办法做出原创的、革命性的、定义问题的agent产品出来，

而且这些山寨codex、山寨claw要绑死自家大厂账号、大厂token plan、大厂生态，结果依然走不出墙内，山寨claw只能给14亿穷人薅羊毛用，进不了高利润高净值市场，也就不可能带来多少利润；

4. 当然回到第一性原理上，

中国是一个14亿人口的穷国，大部分人从事低工资的制造业、服务行业、农业，连他妈网易云音乐、视频网站会员都不舍得开，更不可能在AI Agent产品里花多少钱，

这个市场是不可能带来多少利润的，让一个普通人开一个月1000人民币的plan，约等于直接要了他的��命，只能让中国本土互联网平台经济大厂内部瓜分这点苍蝇肉了。

[Siyuan @cyodyssey]

计算机最终是门自学的学科.认真读几遍 DPSK 的 Paper, 不懂的地方/名词记下来去问 AI, 多来几次

学习前沿知识必做

[Ken W @kenw_2]

门槛低，收益就高不到哪里去。

一财报道：

混沌中的AI短剧行业：算力成本开始涨价，11部AI短剧挣了9块6毛，“90%的人在亏钱”，投流成为行业共识。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我反复跟你们讲的一个价值10万刀的真理。

对于大多数不在大厂、不做核心Agent业务、对AI没信仰、不在AI startup、甚至他妈连写代码都不利索的人，

你们自己折腾langchain或者折腾input/output parser和MCP server去做一个垃圾agent，完全是在浪费时间。

对于你们这种人而言，最快且效果最好的方式：

1. 给claude code绑好银行卡；

2. 建一个temp folder临时文件夹，把所有关于任务相关的文档、表格、报表、图表、报告、sqlite、access数据库、pdf扫描件、数据、markdown、代码、图片、资料、指令、prompt、config等等一大堆东西，全放在里面；

3. 写一个nodejs/bunjs/python脚本，从terminal里调用claude code headless模式，讲好所有的指令和文件夹，默认开启所有权限，成功了存储在一个json file里，失败了也在json里更新状态；

4. 配置好claude code的authentication和MCP，等着让claude code自己agentically解决掉整个问题，汇报结果，充好钱，给我等；

5. 等process结束后，读取json body，进行下一步。

相信我，

这是绝大多数不在大厂、不做核心Agent业务、对AI没信仰、不在AI startup、甚至连他妈代码都写不利索的人，

这辈子能设计出来的最简单、最强大、最可靠、最皮实、最好用、最省事儿、最方便、最稳定、最可维护、最容��理解、最省钱、最省时间的宇宙级通用AI agent。

如果你能做出比claude code喂狗屎和手工function calling更好的设计，以及更精确的context management，或者你有你自己的LLM省钱妙招，比claude code更会节约cached input，或者你完全懂你在做什么事情——你不用听我这条建议，可以直接划过去，

否则对于其他99.99%的人而言，按照这个帖子的方法去做，就可以99.99999%成功，

而且在你的能力范围内，你也根本设计不出来比上面这个方法更好的ai agent出来。

[Jackywine @Jackywine]

啥也不说了，想学 AI，Anthropic 公开的东西，就看这三个就够了
没一个月看不完，看完还要记得练
官方博客：https://t.co/3O8SNBORRx
官方推文：@AnthropicAI
官方教学站：https://t.co/wYxMWokgl8

[KK.aWSB @KKaWSB]

Anthropic工程师Cal Rueb的25分钟Claude Code工作坊，比你今年看过的所有教程都实用。

核心：用CLAUDE.md写清项目规范，用规划模式让它先想再做，用测试驱动让它自己验证结果。

Cal的设计哲学四个字：简单但有效。不追求炫酷，追求可靠。

推荐观看并收藏👇

[沉浸式翻译 @immersivetran]

CORE可以算得上是全球最大的 OA 论文搜索引擎。

如果你经常遇到“搜得到论文题目，却看不了全文”的窘境，这个名为 CORE (Connecting Repositories) 的宝藏冷门平台非常值得你加入收藏夹。

它由英国公开大学（The Open University）运营。目前已经聚合了全球数千个机构库、开放期刊及预印本平台的资源，收录文章总量超过 3 亿篇。

作为非营利组织，CORE 不向个人用户收取任何费用，且没有任何广告干扰。连微软、英伟达、Anthropic 这样的科技巨头也是它的用户，或深度参与其项目中。

在学术圈，Google Scholar 像是一个大而全的索引，而 CORE 则是全球最大的开放获取（OA）论文聚合器。它的存在只有一个目的：打破知识付费墙。

🛠️ 核心功能与优势：

1️⃣ 所见即所得：在很多���索引擎里，你搜到的是摘要；而在 CORE，你搜到的是可以直接下载的 PDF 全文。它会自动剔除那些无法获取全文的无效链接，极大地节省了在各个数据库之间反复跳转的时间。

2️⃣ CORE Discovery 插件：这是 CORE 的“杀手锏”。只需安装其浏览器插件，当你访问任何学术期刊官网（哪怕是那些需要支付几十美金才能下载的页面）时，插件会自动在后台比对全球数据库。一旦发现有合法的免费版本，侧边栏会立即亮起“获取全文”的绿色按钮。数据源更广，找回率更高。

3️⃣ 搜索筛选：支持按发表时间、作者、托管机构及出版状态进行精准过滤。

希望能给在学术道路上披荆斩棘的你多一个新的选择。记得搭配沉浸式翻译使用。

🔗： https://t.co/hiAr9z8Com

[Siyuan @cyodyssey]

午饭的时候反复读了好几遍汪滔的这个采访。

“我不想再在其他人设置的、有点可笑的游戏规则里面搞了”

世界上大部分规则的制定都是用于约束行为的。规则的制定者也不一定比你强，只是他们恰好在那个位置。

用脚投票就好了，没必要内耗。AI 时代会极大的奖励自驱，想做事情的人。最坏情况下，每个月留够基本的生活费，留上几百美金订阅 Max 会员的钱，干上几个月肯定有结论（干不成也是结论的一种）。

[Berryxia.AI @berryxia]

Gemma 4 现在免费微调了！🚀🔥

直接教你用 Google Colab + Unsloth Studio，4 步搞定：

1. 打开下面这个 Colab 笔记本
2. 运行代码块启动 Unsloth Studio
3. 选模型 + 数据集
4. 点“Start Training”就完事！

零成本、零服务器、几分钟就能出专属模型，太香了！

[太阳闯关记 @dachaoren]

claude code教程，讲的非常仔细，新手完全能听懂并且落地，这教程在国内不得收费398，598元？估计还一大堆人抢着买。

静下心看完这一套完整教程，你就能真正用 AI 搭建工作流、实现自动化、处理复杂任务。

[Anthropic @AnthropicAI]

New Anthropic Fellows Research: a new method for surfacing behavioral differences between AI models.

We apply the “diff” principle from software development to compare open-weight AI models and identify features unique to each.

Read more: https://t.co/VAsu2PSgCX

[看不懂的SOL @DtDt666]

发现一海外老哥的深度分享，
今晚别再刷抖音消磨时间了
抽出一小时，沉下心来看完这套 Claude AI 完整教程

它能教会你自主搭建、自动化处理各类事务
今晚认真学完的兄弟，明天醒来就会掌握一项
未来两年里绝大多数人都不具备的硬核ai能力。

而选择跳过的人，或许明年此刻
还在刷着剧，困惑着生活为何始终毫无起色
路怎么走，全看你自己的选择。

积极学习 拥抱ai！

[1024 @1024DevHub]

iPhone上使用Gemma-4大模型
很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文

[GitHubDaily @GitHub_Daily]

用 AI 辅助写论文，研究、写作、审稿、修改每个环节都要反复切换不同工具，效率很低。

最近看到一套开源的学术研究技能：Academic Research Skills，覆盖从选题到发表的完整流程。

它把整个论文写作拆成 10 个阶段，研究、写稿、诚信检查、同行评审、修改、终稿，全程由多个智能体协作完成，一条流水线跑到底。

GitHub：https://t.co/WwrehKOgPU

内置了验证环节，会逐条核查参考文献和数据，防止 AI 编造引用。

评审阶段模拟五人审稿团，甚至还有一个专门挑刺找漏洞的魔鬼角色。

写完之后，可以直接导出符合 APA、IEEE 等格式的 LaTeX 文件，或编译成 PDF。

如果你正在用 AI 写学术论文，又担心引用造假和质量把控，这套工具值得试试。

[nene @liu10102525]

要说实话，我每天必用的三个AI工具：

- Typless：有了Typless谁还打字啊，当之无愧的使用时长第一。口喷出稿，用完觉得自己就是丘吉尔。

- YouMind：写方案、做自媒体、写文章、看YouTube、画图、做PPT、写日记。别的工具是一个萝卜一个坑，YouMind是一个人就是一整个文艺复兴。这种轻而易举掌控多项技法的感觉太上头了，从菜逼变达芬奇，左手蒙娜丽莎、右手飞行器，��午还能顺手写篇十万加。样样都干，样样都行，关键还样样不累。

- FateTell：一天不看今日运势和掷圣杯我就浑身难受。为啥我不喜欢其他塔罗八字app，因为too much。我不会每天想起个盘、算个塔罗，但我会每天都想看看运势、为一个小决策掷一个圣杯。两种决策逻辑完全不同。反正拿着签文就觉得自己是被庇佑的孩子，宇宙专门给我开了后门。

所以AI工具在我这，只谈提效就太无聊了。情绪价值才是日活密码。这三个工具我离不开，就是因为它们各自喂饱了我一种幻觉——谁不想同时当丘吉尔、达芬奇、和神的孩子呢？

[Lonely @Lonely__MH]

https://t.co/civP7TucBp