しよう📈

如来常说:汝等比丘，知我说法，如筏喻者;法尚应舍，何况非法。

[しよう📈 @ymbkxc]

我认为这几天比特币这么火是个阴谋，首先只有美国欧洲中国在大宗买入进出，其次三中全会之后政府要下决心治理腐败，贪官污吏通过这个平台来转于财产，转移到欧美，等财产转移完毕，比特币一文不值。

[动物园园长 @weiyux2021]

原来大佬都是这样恢复心气的！

[しよう📈 @ymbkxc]

@duanhjlt 这就是借假修真吗

[しよう📈 @ymbkxc]

@jjgfscbd 我发现了一个吃零食健康的小窍门就是吃婴幼儿食品比如babycare的零食配料表也干净热量也小😧

[しよう📈 @ymbkxc]

@9777209 今天晚上来看了，挺喜欢这种风格，晚上的黄埔也挺漂亮😊

[meme @oooodjdjd]

有哪些典型的学生思维？

我说一个最要命的：把社会当考场，把自己当考生。

我认识一位60后前辈老李，白手起家，早已财富自由。有一次他问我：

“你知道为什么很多高考状元进了社会，反而成就平平吗？”

我想了想：“也许是因为社会不光看成绩？”

他笑了：“你说对了一半。根本原因是——他们太习惯‘做题’，不会‘出题’。”

他让我对比了一下学校和社会的游戏规则，我听完后背发凉。下面是我整理出来的几个核心区别，每一个都对应一种学生思维。

第一个区别：机会的获取方式不同。

学校里，所有人拿到同一张卷子，考试时间相同，评分标准公开。你不需要争取“考试资格”，只要坐在教室里就行。

社会上，很多机会连“入场券”你都看不见。一个好职位、一个好项目、一笔好投资，在公开招聘之前已经被内部人消化了。你能看到的机会，往往是别人挑剩下的，或者是陷阱。

学生思维的人等着“别人发卷子”，社会思维的人主动去“找卷子”，甚至自己“出卷子”。

第二个区别：评价标准不同。

学校考的是你个人的知识掌握程度，成绩和努力程度高度正相关。你熬夜刷题，分数就涨。

社会评价你，不只看你“会不会”，更看你“有没有用”以及“有没有比别人更管用”。你的努力和结果之间没有必然联系。你可能加班到猝死，但公司倒闭了；你可能业务精湛，但行业被淘汰了。

社会不跟你讲“苦劳”，只认“功劳”——而且这个“功劳”的定义权不在你手里，在社会手里。

学生思维的人迷信“只要努力就会有回报”，社会思维的人明白“努力只是入场券，回报取决于供需”，尤其是取决于你是否能帮上一级增加他/她/它（单位、组织）的价值。

第三个区别：竞争维度不同。

学校里，是同龄人之间一对一的竞争。你考了多少分，排第几名，很清晰。

社会上，不同年龄、不同背景、不同资源的人同台竞争。你的对手可能是一个有20年行业经验的老手，也可能是一个有背景撑腰的新玩家。而且竞争不是单挑，是多对多、立体式的。你不仅要和同行、同龄人竞争，还要和替代品竞争，和趋势竞争。

学生思维的人只盯着同级别的同事，社会思维的人看全局：上游、下游、替代者、潜在进入者。

第四个区别：解决问题的方式不同。

学校的题目是别人出的，答案是标准的，解题方法是教过的。你只需要调用知识，单兵作战即可。

社会上的问题，往往没有标准答案，甚至没有明确的问题定义。你需要自己定义“什么是真正的问题”，然后决定要不要解决、怎么解决、和谁一起解决。

很多时候，你不需要自己动手——借别人的力、借工具、借趋势，比埋头苦干重要得多。

学生思维的人习惯“靠自己”，社会思维的人擅长“借外物”。学生思维的人关注“怎么做”，社会思维的人先问“做什么”和“和谁做”。

第五个区别：对“价值”的理解不同。

学校里，分数高就是价值。你学的东西，考试能用上，就是有用的。

社会上，价值的唯一尺度是“别人愿意为什么付费”。你会的技能再牛，如果市场不需要，或者有太多人都会，你就值不了几个钱。

学生思维的人从“我喜欢”“我擅长”出发，社会思维的人从“市场缺什么”“什么交易属性好”出发。前者是消费者思维（我要什么），后者是供应者思维（别人缺什么）。

老李最后跟我说了一段话，我记在手机里，每天都看：

“你把社会当成考场，你就永远是考生——等卷子、交卷子、等分数。但社会没有考官，只有交易。你不是在考试，你是在和整个世界做交换。

你的交换价值，不是由你的努力决定的，是由你的稀缺性决定的。”

从那以后，我开始问自己三个问题：

第一，我现在做的事情，是别人给我安排的“题目”，还是我自己选择的“方向”？

第二，我在靠“自己的努力”硬扛，还是在借“外力”放大结果？

第三，我提供的价值，是市场“不买不行”，还是“可买可不买”？

[しよう📈 @ymbkxc]

还记得你何时加入 X 吗？我知道！#我的X周年纪念日

[しよう📈 @ymbkxc]

@PCNO167 test

[しよう📈 @ymbkxc]

@66567848787A 都用ds相当于不用ds🤣

[しよう📈 @ymbkxc]

@corvuschen1211 大概是因为锻造件儿本来就是要经过千锤百炼才成才，机器人是已经组装好的，碰一下可能造成损伤

[しよう📈 @ymbkxc]

@royxy 学习

[しよう📈 @ymbkxc]

人叫人千声不语,货叫人点首自来

[康客 @kangke888]

以下食物含有较多对抗慢性炎症的成分，蔬果生吃的话抗炎效果更好，但也不必勉强，胃不好的人可以急火快炒，抗炎效果同样不错：

1、卷心菜、大白菜、萝卜；
2、紫甘蓝；
3、青椒、彩椒；
4、洋葱；
5、芹菜；
6、绿茶、红茶；
7、芝麻；
8、亚麻籽油、紫苏油（适合凉拌）；
9、坚果；
10、三文鱼、金枪鱼和沙丁鱼等鱼类，富含欧米伽3脂肪酸，也有助对抗炎症。

[ₕₐₘₚₜₒₙ @hamptonism]

Stanfords Basic Machine Learning Cheatsheet

[XiaoPeng🇦🇺 @PenngXiao]

人大体上可以跟电脑做个类比。决定一个人输出能力的包括：CPU、内存和电池。

CPU就是是不是聪明，内存就是记忆力怎么样，电池就是能高性能工作多久。

在90%的人群中CPU占主导地位，一个人聪明更容易出类拔萃。这些聪明人表现为在局部决策能力上非常厉害。

90%-99%的人群中，内存的地位开始凸现。他们好像长了个摄影机的脑袋。因为他们随时可以提取任何历史信息，他们在需要通盘考虑的决策中表现更加优秀。

99%以上的人群中，电池才是决定性的。你就感觉他们永远不疲惫，随时轻而易举地做出左右大局的决策，并且在N个不相关的领域都表现出色。

[しよう📈 @ymbkxc]

@syzy85985169 😂😂你说的没错 工资没受影响 22年从三月封城 一直到八月底 居家办公 每天早上起来跑步 回家打个卡睡一觉起来做饭 工作上应付应付领导 想想那个时候确实工作上比较轻松 跑步状态都好了很多 我记得那一年夏天特别热 七点之后跑都烫皮肤

[しよう📈 @ymbkxc]

@terrancesiu @leeeboo 啊哈 好巧 上周也在云上屯培训 可能由于我们是甲方 进去参观还挺客气的😂

[AIGCLINK @aigclink]

一个自动化科学研究发现的多智能体系统：SciAgentsDiscovery

基于知识图谱组织和连接不同的科学概念，通过多个智能体分析和探索知识图谱进行科学发现

可以应用于多个学科领域，像生物学、化学、材料科学等

关键点：
1、本体知识图谱：组织和连接不同的科学概念
2、大型语言模型和数据检索工具：用于处理和分析数据
3、多智能体系统：具有现场学习能力，用于生成和完善研究假设

github：https://t.co/7vw6qfoqen

[しよう📈 @ymbkxc]

@tanhuanbing 穆斯林

[しよう📈 @ymbkxc]

@FreiheitYu 微博上有这个纪录片的 看过 感觉蛮不错

[Markus J. Buehler @ProfBuehlerMIT]

Can #AI not only support but actually drive the future of scientific discovery? We are excited to introduce SciAgents💡🔬, an agentic AI aimed towards scientific discovery through the integration of large-scale knowledge graphs, LLMs, and adversarial interactions between multiple experts. The model is capable of autonomously advancing scientific understanding by exploring novel domains, identifying complex patterns, and uncovering previously unseen connections in vast scientific data, while retrieving new data via literature search. Using graph reasoning, SciAgents identifies interdisciplinary relationships that might otherwise remain hidden, offering a step-by-step strategy for discovery & innovation. The video features an audiotrack generated using 🍓#o1 based on the original paper and design examples, providing an explanation of the work and its implications.

Key elements include:

1⃣Ontological Knowledge Graphs: Structuring and connecting scientific concepts to highlight relationships across fields.
2⃣Multi-Agent Collaboration: AI agents autonomously generate and refine hypotheses, critique research, and evaluate emerging trends.
3⃣Graph-Based Reasoning: Identifying novel material designs, such as mycelium-based composites or silk-pigment blends, informed by both natural and artificial patterns.

SciAgents can be used as an autonomous or collaborative tool to assist human researchers. The system offers a more powerful way to process vast data, providing innovative paths to explore nature-inspired designs or unexpected material properties.

In the field of materials science, for instance, SciAgents has already demonstrated how principles from biology, music, and art can converge to create new biomimetic materials. Through isomorphic mapping, parallels have been drawn between Beethoven’s 9th Symphony and biological structures, pointing to a broader applicability of AI-driven insights across disciplines.

This project allows us to enhance capabilities of researchers, allowing them to explore larger datasets and propose hypotheses grounded in a vast, interconnected web of knowledge.

The agentic system was built using @pyautogen

#AI #ScientificResearch #GraphReasoning #AI4Science #MaterialsScience #InterdisciplinaryResearch #SciAgents #OpenAI @Chi_Wang_