yusin.btc

Know thyself

-语言的界限，就是世界的界限

[Jason Zhu @GoSailGlobal]

被骂擦边却狂揽1亿票房深扒公狗剧场的商业底牌

昨天完整听完了钦文这个抖音的采访，对商业、企业有很大启发（上一次对我有很大启发的两个人还是ban总@xbanboo 和锤哥@lxfater）

葛俊逸（公狗剧场创始人）思维框架与金句提炼

一、商业模型框架

群狼文化（矩阵打法）
不靠单一 IP 和大流量，50 个演员就是 50 个矩阵号，每个人都有粉丝群、都在做内容、都在引流获客。所有人一起发力形成大群像，萝卜青菜各有所爱

利润公式：成本压到最低，效率提到最高，中间叫利润
演员数量：9 个 180+ 强壮演员占满舞台 vs 传统 30 人
装台时间：3.5 小时 vs 传统 2-3 天
产品开发：3-4 个月 vs 传统 1-2 年

成本比传统低 60-70%，演出数量是传统的 10 倍

全链路自营（司机、搭建、运输），夜间运输不浪费白天时间

核心数据：
15 个月 / 800 场 / 80 万观众 / 票房过亿 / 演员月均收入 3-4 万（传统 3-5 千）

二、管理哲学框架

两力模型：向心力 + 执行力向心力（信任和认可）是前提，有了向心力才有执行力。200 人拧成一股绳靠的是这个

管理最高境界：
- 被管理而感知不到"管理这个词背后逻辑就是强迫。
- 最高境界是大家知道什么可以做什么不可以做，但没人感觉到谁在管我"

无为管理：全部选择权给他想做互联网就做互联网，想跳舞就跳舞。不强硬管理，散养。一切都是你决定，不是我决定

一开一招传递价值观"公司到了某个阶段，用人是一门艺术。
- 我一开除一个人，全公司都知道不要这样的人。
- 我一重用一个人，全公司都知道这是方向"

三、用人框架

天赋 = 不累
- "如果他累、沮丧、消耗、低迷，那他没错，我错了，我用错人了。
- 天赋就取决于不累。合适的人放在合适的岗位上，不累，很爽，得心应手"

选择大于培养"
- 人是改变不了的。你能成功，你小时候就带着这个使命。释放吸引力，人才涌向你，你才能选择最对的人"

零到一是学校的事，一到十是企业的事"企业的责任不是零到一，你的零到一没解决掉，企业没有这个责任"

面试哲学一对一面试（给足尊重），一分钟看完（行家一眼就知道水平），当场邀请加入（给一个好的迎接感）

四、领导力框架
老板的核心工作：让每一个指令够准"我发指令前会不停问自己：够准吗？够对吗？大家听到会怎么想？会提什么问题？我先把问题解决掉，最后发一道很准确的指令。公司不准任何人做一个多余的动作"

只跟一把手对话，下面的人只爱护一把手谈事、谈责任、拿结果。下面的人谈"累不累、苦不苦、有什么问题"

与一把手建立深厚感情的方式"没有常胜将军。当他失败的时候，站在他身后帮他解决问题的那个人。要在第一时间出现，理解他，给他试错空间，给他正确方向"

善用财务和人事做左右手"一个企业把钱和人管住了，基本就管住了"

五、金句精选

1️⃣ 关于赚钱
"网红明星都能赚这么多钱，我们是童子工，五岁开始学舞蹈，凭什么不能赚钱。我就是要带他们赚钱"

2️⃣ 关于管理
"如果这场演出还需要老板坐在现场才能演，这个商业模式是没跑通的"

3️⃣ 关于离职
"如果你让我觉得你想走了，我会让你当下立刻走。不需要交接，立刻再见，遥望祝好"

"一家企业不会因为任何一个人的离开而动摇。如果动摇了，说明这个老板要面壁思过了，能力太弱"

4️⃣关于画饼

"画饼一定是个褒义词。所有说画饼是贬义词的人全是被害妄想症。能有高手给我画个饼，那是贵人"
"给合适的人画合适的饼，还要推着他吃着为止"

"跟士兵画明年后年能吃到的饼，跟将军画十年以后的饼。每个人的期待不同"

5️⃣ 关于贵人

"除了给你钱和帮你做，第三件事都不叫贵人"
"好为人师的人太多了。你谁你觉得？你什么结果？你了解我的牌吗？你看到全貌了吗？"

6️⃣关于成长
"什么叫勇士？你老待在原地干最简单的事，你懂的东西固然就没有。你敢出去折腾、琢磨、尝试，认知全大了一圈"

7️⃣关于失败

"巨马面前无沟壑"

"我那个阶段不配成功就不配，不配赚钱就不配。配不配也不是我说了算，是市场和财务报表说了算"

8️⃣关于成功

"成功不是激情，不是要面子逞强，不是消费欲望。成功是你发自内心想做到"
"创业没个二十年都上不了牌桌。我这种八年的小朋友，倒茶的那边排不要"

9️⃣关于效率的三个关键词
"精准、不累、效率"

原文链接：https://t.co/Dwt0hqy4V6

[Justin Drake @drakefjustin]

Today a crazy quantum story just got wilder.

On March 31, the Google Quantum AI team published a landmark result on Shor's algorithm for elliptic curve cryptography. Technically, the paper was a bombshell: a dramatic 10x improvement over the state-of-the-art. As a stunt and wakeup call to the blockchain space, those optimisations were illustrated on secp256k1, the elliptic curve underlying Bitcoin and Ethereum signatures.

But perhaps the most striking part of the paper was sociological, not technical. Instead of following standard academic process, the optimisations were kept secret, hidden behind a zero-knowledge (ZK) proof. Google's accompanying blog post mentions they "engaged with the U.S. government". The ZK proof demonstrates the existence of algorithmic improvements without leaking details. Academic censorship with ZK, a historic first!

As a co-author of the Google paper I witnessed some of the context surrounding this censorship. To be honest, multiple aspects of that context don't sit well with me. As much as I believe the general public ought to know more, I am limited in my ability to whistleblow. Though let me be clear about one thing: the Google team's professionalism has been absolutely exemplary, and they deserve nothing but praise.

Censorship has a way of backfiring. The Streisand effect, where an attempt to bury something only draws more attention to it, is exactly what's unfolding today. First, Google's key optimisation has been rediscovered by the French. And in a thrilling turn of events, a collaborative Shor-at-home challenge just launched. The initiative, available at ecdsa[.]fail, breached a new Shor world record in a matter of hours.

Let's start with the rediscovery. Just two months after Google's paper, French quantum expert André Schrottenloher cracks the main secret optimisation. His paper, titled "Optimized Point Addition Circuits for Elliptic Curve Discrete Logarithms", landed on the arXiv today. Big congrats to André, who beat several other nerdsnipped experts to it. In a blog post also published today, Craig Gidney, the world expert on Shor optimisations, revealed that he'd been sitting on this very optimisation for a whole year under censorship pressure.

Interestingly, André missed a handful of minor optimisations, both from Google's original publication and from improvements found since. It's plausible there's still plenty of juice left to squeeze out of Shor, and this is exactly what the ecdsa[.]fail challenge is about. The verifier program developed for the ZK proof does double duty, automatically filtering for valid submissions. Dozens of compounding small and micro improvements are rolling in. As of the time of writing there's an 8.4% improvement to Google's circuit, as measured by the product of logical qubit count and Toffoli gate count. Nice!

The nerdsnipping ran deeper than anyone expected. Over the last few weeks it became clear it extended well beyond André and other quantum experts. Behind the scenes, a small army of amateurs quietly got to work. Inspired by Karpathy-style autoresearch, they turned AI on Shor. Ironically, the verifier program for the ZK proof makes an ideal reward function for AIs. The barrier to entry for this modern style of research is refreshingly low, with several non-experts, even a teenager, finding nice optimisations. Get in touch if you'd like to join a Telegram group with fellow autoresearchers :)

Part 2: neutral atoms and qday

The story doesn't end with Google. On the same day Google went public, a stealthy startup called Oratomic published its own Shor paper in a coordinated release. It made a splash, ultimately becoming the most upvoted paper on scirate[.]com, a website ranking arXiv papers.

Oratomic's claim was wild. By building on Google's logical optimisations and applying custom physical optimisations for neutral atoms, they claimed just 10K physical qubits were sufficient to run Shor's algorithm on secp256k1. That number is mind-bogglingly low.

Knowing essentially nothing about neutral atoms when Oratomic's paper landed, I was intrigued and decided to learn more about the tech. I fell straight down the rabbit hole and spent a couple hundred hours on the topic. I got a little obsessed and watched every YouTube video I could find and spoke to a bunch of experts.

My conclusion? The tech is real, very real. Even Google recently decided to start a neutral atom lab, a notable pivot from their sole focus on superconducting qubits. If you care about qday, i.e. the day a quantum computer will break the first piece of cryptography in production, neutral atoms demand your attention. I shared some of my learnings on Shor and neutral atoms in a 30min talk at the ZKProof cryptography conference. You can find it on YouTube by searching "zkproof neutral atom".

Here's an interesting observation about this duo of breakthrough papers: neither Google nor Oratomic say a word about what their results mean for qday. No timelines. Zero. Nada. That is especially baffling given that the whole point of whitehat quantum cryptanalysis is to inform qday estimations and help the general public make good decisions.

So let me attempt to partially fill the silence, similarly to what Scott Aaronson did in his April 29 post. Given everything I know, including scary non-public information, I now put the odds of qday by 2032 at 50%. 10% by 2030.

Anecdotally, the US government has its own date: 2035. Originating at the NSA and later adopted by NIST, it's when branches of the US government will be disallowed from using quantum-vulnerable cryptography. In plain language: with hindsight, that date is a joke and should be discounted entirely. I don't see how NIST avoids being forced to pull it forward by years.

Part 3: post-quantum cryptography

There are good reasons to sound the alarm today, but please do not panic. Rushing carelessly towards immature post-quantum cryptography is a recipe for disaster. IMO a good target date for migration is 2029, roughly 3.5 years out. 2029 happens to be the date selected by Google, Cloudflare, and the Ethereum Foundation.

These days most of my time goes to safely migrating Ethereum towards post-quantum cryptography as part of the broader lean Ethereum effort. There's a lot to do. We need to rip out and replace BLS signatures at the consensus layer, KZG commitments at the data layer, and ECDSA signatures at the execution layer.

The plan to get there is compelling, and is based on hash-based cryptography. Within the Ethereum Foundation we've developed a Swiss army knife called leanVM (github[.]com/leanEthereum/leanVM) powered by the magic of hash-based SNARKs. Thanks to truly exceptional work by Emile, Thomas, and others, its performance is derisked. Regarding security, leanVM is a jewel, a minimal zkVM crafted for end-to-end formal verification and maximum security.

Want to help? There are two $1M initiatives. First, the Proximity Prize (proximityprize[.]org). Solve a long-standing mathematical conjecture in coding theory, improve hash-based SNARKs, and go home a millionaire. Second, the Poseidon Initiative (poseidon-initiative[.]info), offers $1M for breaking Poseidon, the SNARK-friendly hash function.

[Tigris 会讲课教授是好老师 @tig88411109]

https://t.co/5658lDJO3H

[yusin.btc @yksinx]

Mark

[Box (mainnet arc) @BoxMrChen]

我去 这个灵动岛效果是AI一辈子想不到的

[yusin.btc @yksinx]

Do you remember when you joined X? I do! #MyXAnniversary

[lobolabo @Lobolabo]

ちょっと珍しいかもしれないFRANK君のエラーリセット動作

[yusin.btc @yksinx]

well said!

[Darren北美投资 @darrencao2024]

很多人投资都想学巴菲特，看到他不碰AI，就觉得AI有泡沫；看到他手握巨额现金，就跟着捂着钱不动。但你有没有想过一个问题：你和巴菲特现在所处的位置，根本就不一样。

巴菲特今年94岁，净资产超过1500亿美元，伯克希尔光现金储备就接近3500亿。他现在的首要任务不是把财富翻倍，而是保住它、传承它。在这个量级上，他的每一个决策都有他特定的约束条件，和你我的处境相去甚远。

巴菲特并非拒绝科技股，他买过苹果，也买过谷歌，但他看中的是这两家公司背后清晰可理解的商业逻辑——苹果的消费者粘性和生态护城河，谷歌的广告垄断地位。他的选股原则之一，是只投资自己能真正看懂的业务。AI的底层技术、竞争格局、未来盈利模式，并不在他深耕的认知范围之内。所以他对AI的回避，是能力圈边界的自我约束，而不是对这个方向价值的否定。这是他的局限，不是你的判断依据。

如果你真的想学巴菲特，我建议去读他早期的投资史。1950年代他管理合伙基金的时候，年化回报接近30%，靠的根本不是守着现金等机会。他重仓盖可保险，重仓美国运通，重仓华盛顿邮报，这些在当时都是成长型资产，都是别人还没完全看懂的机会。那时候的巴菲特，攻击性远比今天强得多。

真正值得我们学习的，是他研究公司的方式。在做投资决策之前，他会花大量时间研究公司的基本面、业务模式、历年财报，甚至深入研究管理层的能力、性格和行为习惯。他宁愿花几个月把一家公司彻底看透，也不愿意在一知半解的情况下仓促建仓。这种对"真正理解"的执着，是他几十年穿越牛熊的底层原因之一。

对我们普通投资者来说，这一点的借鉴意义远比他现在持有什么仓位更大。在买入一只股票之前，你能不能清楚地说出这家公司靠什么赚钱、护城河在哪里、管理层的执行力情况——如果答案是模糊的，那仓位就不应该太重。

学巴菲特的护城河思维、学他对商业模式的深度理解、学他不被短期市场情绪左右的定力——这些是跨越时代的东西。但照搬一个94岁老人在1500亿量级下的资产配置决策，用来指导自己三四十岁时的财富积累，这不叫学习，这叫刻舟求剑。

[𝙋𝙖𝙨𝙨𝙡𝙪𝙤 @passluo]

蒸馏(Distillation)、清洗 (Cleaning)、切片 (Slicing)、切分 (Splitting)、打乱 (Shuffle)、过滤 (Filtering)、冻结 (Freezing) 、混合 (Mixup)

你们 AI 研究员以前都是混后厨的吧

[AYi @AYi_AInotes]

The AI Layoff Trap (AI裁员陷阱)
康奈尔的这篇论文把AI裁员这件事说的很透，

这是康奈尔大学（Cornell University）和沃顿商学院harton Schoo的两位经济学教授联合写的论文，一些结论和我的想法分享给大家。

这篇论文最厉害的地方是它没站任何一边，
没骂资本家黑心，也没说打工人活该，
只是用数学证明了：这是一个所有人都会掉进去的陷阱，没人能独善其身。

道理其实特别简单，
你开公司，用AI裁掉一半人，
成本降了30%，产品卖得更便宜，抢了更多市场。

这绝对是最理性的商业决策，
但如果所有公司都这么做呢？
所有工人都失业了，收入没了，没人买东西了，
最后你成本降得再低，东西也卖不出去。
打工人没饭吃，你也赚不到钱，双方一起输。

最扎心的是，哪怕所有老板都清楚地知道这个结局，他们也停不下来。

因为这是一场军备竞赛，你不裁人，你的竞争对手会裁。
你不自动化，你的竞争对手会自动化，最后死的是你。

所以哪怕所有人都知道终点是集体毁灭，也只能硬着头皮往前冲。

已经不是道德问题能解释的了，属于博弈论的必然结果。

论文最让人后背发凉的部分，是它把我们能想到的所有解决方案，全部算了一遍，然后一个一个划掉：

UBI没用，
资本所得税没用，
打工人持股没用
再培训没用，
企业之间协商也没用，
这些最多只能缓解一点症状，根本解决不了问题。

因为它们都没有触及最核心的驱动因素：竞争本身。

唯一能破局的，只有一种东西。
庇古自动化税。

简单说就是，你每用AI取代一个工人，就要交一笔税。

这笔税用来补偿你给整个社会造成的需求损失。

只有这样，企业在做自动化决策的时候，才会把所有人的成本算进去，才能把这场注定双输的军备竞赛，拉回到集体最优的水平。

当然，肯定有人会说，历史上每一次技术革命都有人喊失业，最后都创造了更多我们当时想象不到的新工作。

这话没错，但这次有个最大的不同：速度。

AI太快了，快到经济可能根本来不及消化这么多失业人口，快到新工作还没长出来，旧的就已经全没了。

咱们看现在已经发生的事：
Block裁了40%，说AI让这些岗位多余，
Salesforce把客服从9000人砍到5000人，
高盛说一个高级工程师现在能顶以前五个人的团队🥹

以上这些不是啥预言，都是正在我们眼前发生的事。

论文没说经济一定会崩溃，只是在提醒我们：
这一次，不能再等着市场自己调节了，如果我们什么都不做，这个陷阱真的会变成现实。

[yusin.btc @yksinx]

B站AI创作大赛冠军新作：
【网站】当观测既是存在，你能忍住不看吗 https://t.co/Jyu8qfRMYw

[yusin.btc @yksinx]

once the accusation was made, the truth doesn't matter.

[yusin.btc @yksinx]

https://t.co/xuBi02pnRS

[yusin.btc @yksinx]

@Rustallintsla TSLA明天会有进场机会

[yusin.btc @yksinx]

A further step to AGI

[Ethan Mollick @emollick]

Oh no.

[NadeshikoManju@ゆるキャン△ SEASON４ 2027 放送予定 @Manjusaka_Lee]

今天看到有人在讨论，为啥不让AI直接生成机器码，省去中间商编程语言

想起我们之前在 OpenDAL 社区查过的一个问题

最开始的表象是在 Linux 下特定 AMD 型号处理器（或者说是民用产品线上）Rust 读取文件的速度比 Python 更慢
后面我们用 C 复现了类似的问题

然后我们发现更近一步的现象是如果你读取文件（这里是使用 mmap ）是按照 4K 对齐的情况下，特定 AMD 处理器会比不对齐的情况下更慢（而且不对齐是一个特定的 range，即如果不对齐超出这个 range ，那么两者一样快）

然后我们更进一步调查发现这实际上和一个特性有关，早些年 Intel 引入了一个特殊的特性叫 FSRM， aka Fast Short REP MOVSB，简而言之引入了一个特殊指令，叫 rep movsb ，简而言之是一个正向的功能，可以让大量数据拷贝可以放在一个指令内完成

Linux 在 2020 年在内核支持了这个功能 ，FYI https://t.co/kS7sBihvii

但是问题就在这，在 AMD 特定的 CPU 实现上的微码实现有问题，导致这个指令的效率极低，反而劣化了性能

这个问题直到现在都没修复。

而微软内部很早之前就知道这个问题，并在内部选择关闭了 FSRM for AMD

但是 Linux 社区还是开启的

在我们发现这个问题之前，你在互联网上基本上找不到讨论这个的资料，或者说你现在看到的关于这个问题的讨论与资料基本上可以上溯到我们这次工作。

这个时候如果你写一些底层 code，让 LLM 来优化，那就是非常有了

还是那句话 LLM 对于大部分资料都在水下，没法公开或者领域特化的，就是一坨

Welcome to OpenDAL：https://t.co/vzb5Yasymo

[花叔 @AlchainHust]

这本橙皮书发出后 @NousResearch 官方回复说谢谢我教育社区，但是他们看不懂。

所以，我整了个英文版本的pdf📙，现在也已经上线GitHub仓库：https://t.co/D2WA7gd7Ne

[yusin.btc @yksinx]

• Claude Code usage recovers gradually over five hours with no weekly limit.
• Antigravity's free version resets weekly, while its paid version has a five-hour rolling recovery.
• OpenAI Codex has a five-hour rolling recovery but also weekly and total limits.

[实践哥MinLi @MinLiBuilds]

有没有人跟我一样？

Claude Code 5小时重置一次，并以当天第一次使用开始计算周期。

我会使用crontab每天早上7:01定时用Haiku发一句“早安”。

这样一来，每5小时重置被我锁定在7-12点，12-17，17-22。

上午游刃有余，下午午休后不急不忙，傍晚17点再重置一次

[马天翼 @fkysly]

对于想自己私人配置一套本地大模型环境的朋友可以关注一下 V 神这篇博客。

博客内容详细的聊了他从硬件选型开始如何思考和配置一套能满足私人对隐私、安全、离线要求的 Local LLM 环境。其中印象最令我深刻的是为了减少在飞机上离线情况下模型的幻觉问题，他把 1GB 的维基百科内容都存了下来，方便模型自我核实。

另外虽然 V神自己买的是高端硬件装备，但是也在文中考虑到了经济不太充裕的朋友的硬件推荐情况，很良心。

https://t.co/4qZigNFCps

[Tz @Tz_2022]

这张图是我上推以来所见到过的信息密度最大的一张图，没有之一。。。

[yusin.btc @yksinx]

This mural is quite creative