rhoninzhang

@PunsukaSu @54banana88 @ChongguangW 无所谓这样慢慢就和統了，花钱买客户一样的

@54banana88 @ChongguangW 你高興就好 反正你只要記住台灣人去中國有各種補助 北大清華211985愛上不上 而你們中國人什麼屁都沒有 這樣就夠了 看你氣到臉色發紫都拿我們沒轍 就是舒服

我相信了 特別是最後一句😂

@UltraGavin 缅 a 的上涨是由不可分析不可预测的要素驱动的

大师在近一百年以前的著作里就说的很直白： “在经济衰退期内，随着红利及企业盈利减少，股市会上涨。 如果利率下降，你一定要买股票，不要考虑什么这样或者那样。” 那么多网红经济学家，分析来分析去，但凡能坐下来认真读一两本大师著作，也不会在过去的几年唱衰中国股市。 价格由供需决定，和基本面有关系，但其实关系也没那么大。相信基本面的人多了，那么基本面好的标的的需求会变大，价格会涨，但是基本面只是需求的决定因子之一。 各种因子共同决定了需求，同时在不同阶段各因子的权重不同。

@luoyonghao 老罗骂的好

你是认真的吗？大半夜的，真把我逗得笑出声了 ...... 简体中文X的氛围不就是一个准粪坑吗？

@goodhunt 滴滴，就是中国的 uber，这个必须要。 住宿直接希尔顿 app 之类的就可以，希尔顿在中国算中档酒店了，比在美国的服务好点但是相对中国的便宜酒店稍贵 既然到香港了为什么不去深圳，那里是科技之都。 欢迎来中国，哥们

I’m actually flying to HK and Guangzhou tomorrow My only international travel before this is to…..Cancun Any tips for a first time trip?

@goodhunt @TheBlackWallaby didi,Chinese uber

@TheBlackWallaby Yes!!

@manyapan chinese here fake news

Out of all the days they could pick... Chinese state broadcaster CCTV6 is airing the movie "A Grandson from America" (孙子从美国来) today 😂 It stars Luo Jingmin and child actor Ding Jiaming, but it feels like it implicitly stars Xi Jinping and Donald Trump.

阿里这篇关于 AI Native 时代组织研发的思考非常值得一读。它在思路一个非常重要的底层问题：过去两千年的组织形态，都是围绕人的局限建立起来的。 人会遗忘，会疲惫，会误解，会有情绪。一个人能够稳定协作和管理的人数有限，信息在层级之间传递一定会衰减，所以组织才需要汇报链、部门边界、经理角色、需求评审、流程审批和各种协调机制。很多我们习以为常的管理制度，本质上不是先进设计，而是对人类认知带宽的妥协。 AI Agent 进入组织之后，这个前提开始松动。它不是普通工具。普通工具只是延伸人的手脚，Agent 则开始参与理解、执行、调用系统和交付结果。它没有疲劳，没有情绪，没有传统意义上的沟通损耗，也几乎没有上下文切换成本。于是，旧组织里大量围绕人设计出来的结构，都会被重新审视。 这并不意味着人马上被替代。更准确的说法是，组织过去长期依赖人的地方，第一次被暴露出来了。 很多系统之所以能运转，并不是因为它们真的清晰、完备、结构化，而是因为人在中间做了太多隐性修补。需求写得不完整，可以开会问。接口约定不一致，可以找熟人确认。代码缺少说明，可以凭经验猜。业务规则藏在老员工脑子里，也可以靠人肉沟通补齐。这些动作太常见，以至于我们忘了它们本身就是成本。 当 AI 接管更多执行工作之后，问题就变得尖锐。AI 需要清晰的上下文、稳定的接口、可执行的测试、完整的文档、明确的权限和可追踪的结果。传统系统没有为 AI 留出这些入口，所以员工反而变成了人肉中间件：从系统里复制数据，贴给 AI，再把 AI 的输出搬回系统。看起来是在用 AI，实际是在用人弥补系统对 AI 的不友好。 因此，AI Native 转型的核心瓶颈，往往不是模型能力不够，而是组织的信息形态太旧。真正重要的工作，是把隐性的经验、流程、标准和判断，转化成 AI 可以理解、调用和验证的基础设施。文章里提到的 Harness，可以理解为让 Agent 真正能干活的底层环境。它包括测试、文档、权限、日志、评估、工具接口和事故响应。它不显眼，却是未来组织速度的本金。 这也解释了为什么资深工程师和架构师会变得更重要。过去高价值人才可能体现在亲自解决复杂问题，现在更高的杠杆来自定义系统如何解决问题。他们要把领域经验写成规则，把失败模式沉淀为测试，把判断标准变成可复用的评估，把只可意会的经验变成可执行的流程。一个好的 Architect，不只是写代码的人，更像是在为一群 Agent 设计工作环境和行动边界。 与此同时，管理也不会简单消失。会消失的是大量信息传递型、协调型、汇报型的管理工作。战略传达、进度聚合、资源协调、日常决策，会越来越多地被系统承接。但人的激励、辅导、冲突处理、身份安顿、文化建设，仍然需要人来完成。更重要的是，转型本身会带来真实焦虑。员工把经验蒸馏成组织资产时，会自然担心自己被替代。这个问题不能靠口号解决，必须靠清晰的角色迁移、利益分享和评价机制来接住。 文章里另一个值得警惕的点，是不要把所有工作都推向极致透明和彻底结构化。执行类工作适合透明，适合让失败快速暴露，适合减少防御性自我。可创新类工作需要一些保护空间。很多真正有价值的想法，一开始都很脆弱、粗糙、反共识。如果过早暴露在统一评估和公共审视中，很容易被磨平。AI 很擅长执行和优化，但它没有那种连续几个月死磕一个问题的执念。人的生产性自我，依然是创新里最重要的燃料。 所以，AI Native 组织的成熟形态，很可能不是更冷冰冰的机器公司，而是上下两层同时存在：底层极度结构化，让 AI 能安全、稳定、高速地执行；上层保持足够开放和松散，让人提出问题、形成判断、冒险试错、保护尚未成形的想法。 这篇文章最终给我的启发是，AI 对组织最大的改变，并不是降本增效这么简单。它会逼迫组织回答一个更深的问题：你的经验是否能被沉淀，你的流程是否能被调用，你的判断是否能被验证，你的系统是否真的清晰。如果答案是否定的，AI 只会放大混乱。如果答案是肯定的，组织会获得一种新的适应速度。

Codex grew programmatic policies with no neural nets: max score on Breakout, and SOTA-level scores on MuJoCo. Maybe heuristics were not too weak. Maybe they were just too expensive to maintain. Maybe it's the next paradigm. trinkle23897.github.io/learning-beyon…

@errorchen0131 @SignalLight5900 @SR18666 傻逼，自己看看出口数据

@rhonizhang @SignalLight5900 @SR18666 中國今年都撐不過了 真有閒管別人

广州已经发达成这样了吗？

@wqP3Oc4CSGa2ST8 @williamlong 检验成功

#知乎问答 问：为什么美股又高涨到历史高位了？ 答：真事，身边认识一个人，喜欢看牢a直播，但也听说美股赚钱，在他的认知里，现在美股是“帝国最后的挣扎”，想趁美国崩溃前再捞一笔。于是在几乎最高点开始定投纳指，前一段伊朗开打，又看了很多国内专家分析，说牢美疲态尽显，正好美股那几天跌的又特别厉害，于是又在几乎最低点清仓了。 股市真的是最好的认知检测机，这句话一点没错。

@landiantech 多老的事了，微软 n 年前就说都被攻破到这层了黑客本来就为所欲为了

研究人员发现 Microsoft Edge 会将用户已经保存的账号密码以明文形式放到内存中，即便在用户没有填充密码时也会直接暴露到内存中。研究人员向微软通报漏洞后，微软称这是有意为之所以不是漏洞，因此研究人员直接公开漏洞并发布概念验证工具。查看详情：ourl.co/112842

@goodhunt 加油老哥

鲸鱼兄弟 whale bros - this top spot is because of you all thank you for your contributions, kindness, and inspiration to build (also the person who literally submit a PR for every single issue I had open last night) I think this is just the beginning

@BoyuanChen0 @Tz_2022 为啥我用codex生图明显不是用的gpt image 2……🤣横竖也是pro用户啊

@Tz_2022 确实，GUI可能比api方便，会考虑的

实锤！Codex 里已经能免 API Key 直接生图了（而且就是 gpt-image-2！），但我实测也挖出了一个隐藏限制。。。 Codex 现在真的已经能直接生图了。。。 不用自己接 API，不用单独配 key，直接在对话里就能出图。 我实际测了一轮，结果如下： - 1:1 出图大约是 1254 × 1254，总像素 1,572,516 - 16:9 出图大约是 1672 × 941，总像素 1,573,352 - 3:1 出图大约是 2172 × 724，总像素 1,572,528 - 1:3 出图大约是 724 × 2172，总像素 1,572,528 也就是说不管你怎么换比例，Codex 内建生图总像素数最后基本都卡在约 157 万像素 这一档。。。 生成图像质量可以看我这个帖子的贴图 所以结论就是： 1. Codex 里使用的就是 image-gpt-2 模型，复杂图、非拉丁文字都能处理 2. 跑不了4K，2K都到不了，它把分辨率限制在总像素数不超过 157 万像素这一档。。。

@BoyuanChen0 @Tz_2022 为啥我用codex生图明显不是用的gpt image 2……🤣横竖也是pro用户啊

@Tz_2022 我们的api支持更高分辨率，2K到4K都可以。专业用户可以用api试试！

@python_xxt 老板不买单让人家付费打工？ 我每个月用公司 3 千多刀的 token，还自己给自己买。这才对

原推这个，和我体感高度一致 并不是所有人都有意愿，去探索AI工具的上限 比如说， 我反复和团队的人， 安利 Claude 的 Opus 4.6, 安利 OpenAI 的 Chatgpt 5.5 ， 然后，只安利成功了 Gemini， 盖因为 Google的AI Studio 免费... 结果现在 很多人还在用 gemini 3.1 pro， 还有一部分人在用豆包 和 deepseek ... 虽然我认可只要用AI 模型就好过不用AI模型， 但是推友们都能理解并接受 “用力所能及能负担的最强模型”，身边的成员却无法践行，真的让我挺受挫的，其中不乏一些我认为非常优秀的人... 这也让我深刻意识到，并不是所有人都有意愿，去探索工具的上限，这终归是少数人的需求。 对于大多人来说，“够用”就行了。

@errorchen0131 @Alex8282019 傻逼，上战场说去

@Alex8282019 打中國的臉 這樣就夠了

赖清德为了出访一个全世界臭名昭著、还存在选妃的君权国，居然悄悄搭乘人家的外交飞机去访问。这种偷鸡摸狗式的访问，为民主还是为自由？这实在有点太抽象了。有点骨气嘛。台湾每年花十几亿养这么一个非洲朋友，其实某种程度上还不如中共在非洲的大撒币——因为中共在非洲是真捞到很多急缺的矿，非洲也是近些年外贸增长迅猛的大市场。赖清德去讨好斯威士兰，除了一身腥，能捞到啥？

@tuturetom 历时3天打磨。。。。ai时代

终于！历时 3 天打磨，来自日本、德国、巴西、韩国等朋友的支持 💪 支持 72+ 图片和视频模板、 open-design 正式支持全模态设计！🔥 gpt-image 2、seedance 2、免费的 hyperframes！ 推特上最顶级提示词、模板直接用，每个人都能用顶级图片做顶级的设计🔥 关注进展 👉 github.com/nexu-io/open-d…

本周 HuggingFace 热度第一的论文：RecursiveMAS（递归多Agent系统） 多个 AI 组队协作，现在已经是主流方案。 模型 A 想好了传给模型 B，模型 B 想好了传给模型 C，一棒接一棒。 但传的东西是文字。 每次交接都要把内部计算结果"翻译"成 token，下一个模型再重新"读懂"，再翻译…… 轮次越多，无效开销越多，而且会影响学习信号回传。 RecursiveMAS 做法： Agent 之间不传文字，直接传模型内部的数值向量。 形成一个递归闭环，迭代打磨，只有最后一轮输出文本答案。 连接模块极其轻量，底层模型全程不动，只训练中间那个"传话"的小模块。 AIME 顶级数学竞赛题上，比最强基线高 13-18 个百分点。 推理速度快 2.4×，Token 用量少 75%，训练成本比 LoRA 还低。 且递归轮次越多，优势越大。 论文地址见评论区，有空可以翻译下。

@colinwu 付鹏交易水平还是很高，不是洪灏那种卖方。

最近发现，传统金融（股票）有大量的中老年 KOL，从洪灝付鹏到所谓张宝珑等，还有很多腰部，业务重心在私域流量，即收费群。 收费群目前币圈不太流行，主要是微博、视频号、微信群的简中私域运营体系封杀了 web3。另外 web3 都是年轻人，无视阶级圈层，更喜欢自己研究，信息不对称比较少。

@CuiMao 卧槽？27b能写代码？

Qwen3.6 27b本地跑接入claude code真的很稳很稳，跑了40多分钟，没断过😭 27b本地部署能有这个能力相当超值了。