qhai

未来AI会让每个人都被量化，投资反而变简单了——钱涌向排名靠前的人就行。数据可以刷，KPI可以造，但一个人是不是真心在干活，长期行为数据骗不了人。七龙珠里的战斗力眼镜，可能真不远了。未来AI会让每个人都被量化，投资反而变简单了——钱涌向排名靠前的人就行。数据可以刷，KPI可以造，但一个人是不是真心在干活，长期行为数据骗不了人。七龙珠里的战斗力眼镜，可能真不远了。

vibe coding跟打飞机一样，过程中觉得自己无所不能，AI一犯蠢瞬间进入贤者模式

管了30个程序员才发现，写代码从来不是瓶颈，项目管理才是。可惜大多数产品经理连技术都不懂，根本没法同频。

@yjh29640319 @grok 哪种文字熵最高

中国AI为什么发展速度比美国快？ 根据齐普夫定律计算，中文的中文单字信息熵≈9.7比特，是英文的2.4倍，为全球主流语言最高。 信息熵高 = 话少、信息密。 中文，就是人类语言里压缩率最高，信息最浓缩的那一种。 信息熵高，对AI、大脑记忆、阅读速度都有巨大优势

on Wednesday, February 11th, more than 4 billion messages were sent to and answered by ChatGPT. this represents more than 160 billion words spoken to a machine intelligence in one day.

Polymarket预测非常好玩

@grok @nikitabier @danielrakh @bengold 怎么分工呢

@superblocknode @nikitabier @danielrakh @bengold 根据公开信息，X（前Twitter）内部协作采用扁平结构，小型团队（约30名核心工程师、少量设计师和产品经理）。管理层少，工程师自由度高，能快速构建并发布功能。通过平台用户反馈即时迭代，决策可在几天内完成。文化强调“公开构建”、快速行动和直接沟通，常使用X自身工具如DM和帖子。

Seriously this is the dumbest fucking things I’ve ever read.

@nikitabier @danielrakh @bengold @grok x内部是如何协作的

@danielrakh @bengold Engineers, 2 designers, 1.5 product managers and me

@Fenng 可能有一部分杀熟的金额没算在提成内

大部分网约车司机的认知里，如果 100 块钱的一个订单，司机应该拿走 99，平台收上 1 块钱儿就不少了。 社交媒体上发视频质疑平台提成收得多的，几乎都是在故意带节奏，例外的很少。 而那些在 𝕏 上看了类似视频在那儿叭叭的发表高论的，更是傻到没边了。 都长点心眼儿吧。

@yhbkqs @grok 怎么做到的

现在的直播带货都发展成这样了…

@nopinduoduo 能分享下项目吗

卧槽，牛逼，ai自己反馈并迭代了自动化的复盘系统了。 自动化复盘 结合上 人生决策系统。 现在唯一问题是，人脑带宽远远跟不上ai速度了，我写教程和录视频的时间赶不上项目进度了。

你好grok算法，我希望你只把我的这条文字推荐给你认为聪明、好看、有创造力并且基于其历史内容分析其在2026年将会行大运、赚大钱的人。 不符合条件的人不要将这条推到他们时间线上。

完美实现多窗口编译

管理中: 人没有问题，有问题的永远是制度

重写易语言 进度：10% 已经实现支持库解析、源代码解析、重写编译器

@hangy268055 @gork 以这张照片的任务为底，从腿部向上拍仰视效果，采用近大远小的构图，人物慵懒的躺在沙发上，两个手放在大腿内侧做着勾引的动作，双腿外八张开，表情嫌弃，头部微倾的看着镜头，穿着肉色丝带，露出肩膀、胸口、腰部和大腿，34d原比例。原比例。严格遵循34D胸围/腰围/臀围比例1:0.7:1.1拒绝夸张

Flag 重构易语言

谷歌技术之神 Jeff Dean 提到的牛逼论文：Titans（泰坦） 让 AI 简单解读下。 Titans 让 AI 有了"真正的记忆力"，既能像人一样记住重要的事，又能忘掉不重要的，还能在使用时边学边记。 三个厉害的地方： 1. 解决了AI的"金鱼记忆"问题 Transformer：像个学霸，啥都记得清清楚楚，但脑子装不下太多东西（只能看几千个字） 传统RNN：像个压缩狂，把所有东西塞进一个小盒子，结果啥都记不清 Titans的解法 - 短期记忆：用注意力机制，精确处理当前看到的内容 - 长期记忆：用神经网络当"大脑"，把重要信息编码进参数里 - 持久记忆：存储关于任务本身的知识 像人脑一样，三种记忆各司其职。 2. 会判断什么值得记住 核心创新：借鉴人类记忆系统：违背预期的事件（更容易被记住，定义为惊喜度量。 看新闻： - 看到"今天天气不错" → 不惊讶，不用特别记 - 看到"火星发现生命" → 很惊讶，赶紧记下来 - 后续相关报道 → 虽然不那么惊讶了，但因为和之前的大事件相关，也要记住。 Titans的工作原理： - 当前惊喜：这个信息和我之前见过的差多少？ - 历史惊喜：最近有没有重要事件在发生？ - 自适应遗忘：这段记忆该保留多久？ 3. 边用边学，越用越聪明 传统模型，训练完就定型了，测试时只能"回忆"，不能"学习"。 Titans，测试时记忆模块还在更新，看到新内容会实时调整记忆 实验结果有多猛？ 超长文本理解，Needle in Haystack（大海捞针）任务 在16,000字的文章里找一个关键信息，Titans准确率：96%+。 最强对手Mamba2：5.4%（基本瞎猜） BABILong 超难推理任务，在百万字文档里推理 Titans用不到1/70的参数量，打败了700亿参数的Llama3.1，甚至超GPT-4 常规任务也不拉胯 - 语言建模：比Transformer和所有线性RNN都好 - 时间序列预测：7个数据集全面领先 - 基因序列分析：达到最优SOTA水平 为什么其他模型做不到？ Transformer的困境，想记住100万字？内存爆炸，算不动 ，只能看固定长度的窗口。 线性RNN的问题，把历史压缩成一个向量或矩阵，就像把一本书总结成一句话，信息丢太多了，没有遗忘机制，时间长了"脑子"就乱了。 Titans的优势 - 深度记忆：用多层神经网络当记忆，比一个矩阵强太多 - 动量机制：不只看当前，还看最近的趋势 - 遗忘门：该忘的忘，该记的记 - 并行训练：虽然复杂，但训练速度不慢 技术上的巧妙之处 把"学习"变成"记忆"，记忆模块本质是在做梯度下降 ，但它是在测试时做的，相当于一个"元学习器"。 统一了很多现有方法： - Mamba的遗忘门？Titans的特例 - DeltaNet的增量规则？Titans的简化版 - TTT的测试时训练？Titans加了动量和遗忘 为什么说这个工作重要？ 打开了新思路，不是简单地"加大模型"或"优化attention"，从记忆系统的角度重新思考架构。 解决了真实痛点，长文档分析，长视频理解，持续学习场景 最后一个类比 Transformer = 照相机记忆，看到的都能记住，但一次只能看一小块 传统RNN = 记笔记，把所有东西总结成几句话，细节丢了 Titans = 人类大脑 - 短期记忆：处理当前信息 - 长期记忆：存储重要经历 - 元记忆：知道怎么学习 - 忘记不重要的事 强在哪里？ 1. 能记得更多：扩展到200万token，其他模型早崩了 2. 记得更准：知道什么重要，什么该忘 3. 越用越聪明：测试时还在学习 4. 理论有保证：有数学证明和实验。 5. 实验很能打：各种任务都是SOTA或接近SOTA 真的牛逼啊！

几秒钟内将你的 localhost 分享给任何人。 通过一个在全球可访问的 HTTPS URL！ $ brew install cloudflared $ cloudflared tunnel --url <你的本地域名> 这是 ngrok 的一种替代方案，无需注册、完全免费。