NOW
欢迎来到盛溪的博客
异或的挫败与注意力的胜利：AI如何理解语言
🤖异或的挫败与注意力的胜利：AI如何理解语言
文章从人工智能的两大分支——符号主义与联结主义——展开，回顾了从感知机到多层感知机的发展历程，以及异或问题如何暴露出早期模型的局限，引发第一次 AI 寒冬。随后介绍了词嵌入、向量运算和注意力机制等关键技术如何推动联结主义的复兴，使大语言模型能够在高维“意义空间”中进行概率预测与生成。最后，结合对齐与强化学习，文章揭示了 ChatGPT 等现代 AI 在语言理解与生成上的核心原理。
大模型“不确定性”的真相：不是温度而已，关键在 batch invariance
Lazy loaded image大模型“不确定性”的真相：不是温度而已，关键在 batch invariance
LLM 推理“不确定性”的根因不在温度或“并发+浮点”，而在于 batch invariance 缺失：同一请求的数值会随拼批规模与切分策略改变。通过对 RMSNorm、Matmul、Attention 做 batch-invariant 改造（统一 KV 布局、固定 split-size 等），在 temperature=0 下可实现位级一致的可复现输出，代价是可接受的性能损失，为金融/法律等高确定性场景及 True On-Policy RL 奠定基础。
达沃斯 2026：当"美国例外"走向终结
💢达沃斯 2026：当"美国例外"走向终结
我们见证的不是全球化的终结，而是一个更残酷的真相被公开说出。 2026年1月20日，达沃斯。加拿大总理马克·卡尼用了一个词：rupture——断裂。 不是"转型"，不是"调整"，是断裂。 同一周，英国首相施纪贤正飞往北京。这两件事放在一起，构成了2026年开年最清晰的地缘政治信号："后美国秩序"的大门，正在被美国的盟友们亲手推开。
奇点过境——当“劳动”被资本彻底格式化
💪奇点过境——当“劳动”被资本彻底格式化
当我们在讨论人工智能（AI）将如何替代某种职业时，我们或许漏掉了一个更残酷的宏观事实——AI 正在从根本上篡改古典经济学的底层代码。 这不仅仅是一场技术革命。蒸汽机替换了肌肉，电力照亮了黑夜，但它们从未动摇过一个核心前提：**人是不可替代的生产要素。**而 AI 正在向这个前提发起挑战。它是一场关于“生产要素”议价权的终极审判。
站在 21 岁，她在纽约投行核心组，拿到了通往未来的门票
1️⃣站在 21 岁，她在纽约投行核心组，拿到了通往未来的门票
在大多数 21 岁的同龄人还在为第一份实习焦虑、在社交媒体上刷着“环境不好”的哀叹时，我们Jobro主创团队PMO的伙伴 Jennifer 已经交出了一份硬核答卷：纽约大学（NYU）Stern 商学院大四在读，斩获瑞银（UBS）纽约总部杠杆金融组（LevFin）全职 Offer。 从上海到加州，从内向书呆子到“社交悍匪”，从 04 后金融萌新到能顶住凌晨 1 点高压的职业人。本期《同行者》，我们不聊运气，只聊那些可以被复制的清醒、选择与狠劲。
从"装逼"的登山杖谈起：为什么实战是方法论的唯一验证器
🔑从"装逼"的登山杖谈起：为什么实战是方法论的唯一验证器
在技术圈，我们常听到一个词：方法论。 对于初学者来说，这三个字往往显得虚无缥缈。就像我曾经看待登山装备一样——看着那些全副武装、拄着双杖的人，心里总会嘀咕：这不就是在装逼吗？普通的运动鞋不也能上山？ 但最近的一次次实战和一轮又一轮深度复盘，让我彻底推翻了这个成见。 嘲笑别人的装备，本质上是在嘲笑自己没踩过的坑。
拒绝“脑内呕吐”：用 PACER 系统重构你的知识消化逻辑
Lazy loaded image拒绝“脑内呕吐”：用 PACER 系统重构你的知识消化逻辑
在信息爆炸的时代，我们往往陷入“过度消费”的陷阱：看完一本书、刷完一堆 YouTube 教程，却在几天后迅速遗忘。Justin Sung 在其视频中提到，很多人在学习时只有消费阶段（Consumption），而忽略了消化阶段（Digestion）。 为了实现高效的信息留存，我们需要将信息分为五类，并匹配不同的处理策略，这就是 PACER 模型。
The advent of AGI is just around the corner
🤔The advent of AGI is just around the corner
这场对谈的核心在于：AGI 的脚步已近在咫尺（最快 2026 年），其核心驱动力源于 AI 参与自身研发的“闭环自进化”；这一变革预示着未来五年内约 50% 的初级白领岗位可能消失，倒逼开发者必须从单纯的技能学习转向与 AI 深度协同。同时，两位 CEO 呼吁将高性能芯片视为战略物资严加管控，以防范潜在的生物安全等灾难性风险，最终目标是将 AI 塑造为加速科学突破、帮助人类文明安全渡过“技术青春期”的终极工具。
虚掷的深情与时代的尘埃：重读《芳华》
Lazy loaded image虚掷的深情与时代的尘埃：重读《芳华》
严歌苓曾冷峻地撕开温情的面纱：“所有的好人实际上都无用。所有的人对好人都是认为他傻、白痴。” 这句话，像一枚锈蚀的钉子，精准而残酷地钉穿了刘峰那被神圣化的一生。 在那个集体主义密不透风的赛道上，刘峰其实是没得选的。他出身于县城的木匠家庭，根子扎在社会的微末之处。对于一个无权无势的小人物，想要在军区文工团这样一个阶层森严、充满“红二代”与“高级知识分子子女”的金字塔里搏出一个出路，他唯一的货币就是“善良”。 这种“善良”并非天赋，而是一种生存策略的极端化。他必须把自己修剪成一个没有私欲、没有死角的“圣人”，才能换取那一点点卑微的生存尊严和被集体接纳的入场券。他成了那个最完美的“修补匠”，修补地板、修补乐器、修补别人的婚姻。然而，正如计算机系统里的冗余备份，大家在享受他的稳定时，却从未真正赋予过他作为“个体”的权重。一旦系统升级，这种过时的、低效的“好人算法”，便会第一时间被作为冗余代码无情抹除。
在 AI 的“鲶鱼效应”下，重塑我们的认知底层：从费曼的“求真”说起
🤔在 AI 的“鲶鱼效应”下，重塑我们的认知底层：从费曼的“求真”说起
序言：当知识不再是秘密，深度便成了唯一的护城河 作为一名在 AI 浪潮中不断迭代的开发者，我时常感到一种深刻的悖论：一方面，大语言模型让获取知识的成本几乎降为零；另一方面，真正的“理解”却变得前所未有的稀缺。 这种稀缺感源于我们长期受到的教育惯性。在当下的技术转折点，我想结合理查德·费曼（Richard Feynman）的学习哲学，谈谈为什么我们必须打破“键值对”式的思维，以及为什么 AI 这条巨大的鲶鱼，终将吃掉每一个缺乏逻辑厚度的平庸者。