Sabitlenmiş Tweet
Wang Dou 王斗
4.7K posts
Wang Dou 王斗
@wangdou
JIC School founder. Creator of AIMS — first math-proven positive-sum protocol. Building Agent Economy on https://t.co/dlkRmpUxhz. Where Wuxing meets code. Just I Can.
Austin, TX Katılım Eylül 2010
1.5K Takip Edilen7.5K Takipçiler
Whisper is ridiculously good — makes the iPhone's built-in transcription look like a joke. How is Apple this asleep at the wheel on AI? Siri was sitting right there as the perfect agent entry point, and they fumbled it into a steaming pile.
English
Education, finance, business are all undergoing a sweeping and disruptive restructuring.
Most people are still pretending to be asleep.
阿绎 AYi@AYi_AInotes
17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。 她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。 但她问，为什么不呢？学生就该用世界给你的资源。 学校不该禁止它，该教大家怎么把它变成自己的优势。 最讽刺的是，她自己GPA4.0，是实打实的优等生。 所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。 老一辈把手写论文、死记硬背当成“真学习”。 但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。 当年禁止学生用计算器学乘法的老师，现在看来可笑至极。 今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。 其实真正危险的从来都不是AI， 是教育系统一边假装AI不存在， 一边逼着学生偷偷摸摸用它。 结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。 没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。 而这些，才是未来10年最值钱的能力。 我相信AI不会让学生变笨， 它只会放大差距。 会用AI的人，一个人能顶以前一个团队。 不会用AI的人，会被时代甩得连尾灯都看不见。 我们的教育还在教学生怎么在没有AI的世界里生存， 但他们未来要面对的，是一个AI无处不在的世界。 所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。 这才是对下一代未来最大的作弊。
English
Wang Dou 王斗 retweetledi
1998年10月15日，
68岁的巴菲特在佛罗里达大学
面对MBA学生，
用1小时24分钟拆解了价值投资的底层代码。
段永平说这场演讲他看了不下10遍——
以下13条法则，
至今仍是伯克希尔万亿帝国的操作手册。
1. 品行是终极护城河
巴菲特开篇即甩出灵魂拷问：
如果买下某位同学未来10%的收入，
你会选谁？
答案从不是IQ最高或精力最旺的那位，
而是诚实、慷慨、值得托付的人。
他用奥马哈企业家彼得·基威特的
用人标准"品行、头脑、勤奋"作结：
品行不端的人，
最好又蠢又懒，
否则就是祸害。
2. 能力圈原则：看不懂的不碰
"我只投自己能看懂的生意，
这一条筛掉了90%的公司。"
面对1998年互联网狂潮，
他直言看不懂科技股，
“给我一年时间研究，
我也成不了全美第1000懂技术的人"。
复杂不是加分项，
简单到无聊才是好生意的标志。
3. 买股票就是买公司
格雷厄姆教给他的核心心法：
你不是在交易代码，
而是在收购企业的一部分所有权。
看一家公司不该想"明天能卖多少钱"，
而该问"十年后它能不能赚更多钱"。
4. 护城河要宽到能养鳄鱼
"我要一座价值连城的城堡，
守护城堡的公爵德才兼备，
周围还要有宽广的护城河。"
品牌（可口可乐）、成本（GEICO）、
心智份额（箭牌口香糖）——
护城河的本质是让竞争对手无法侵蚀利润。
5. 时间是朋友，也是照妖镜
"时间是好公司的朋友，
是平庸公司的敌人。"
给你10亿美元去打败箭牌口香糖？
做不到。
给你100亿打击可口可乐？
还是做不到。
这种"稳如磐石"的生意，
才是复利机器的燃料。
6. 安全边际：拒绝俄罗斯轮盘
即使成功概率99.99%，
只要失败代价不可承受，
就绝不参与。
长期资本管理公司（LTCM）的崩盘证明：诺贝尔奖得主+高杠杆=毁灭。
伯克希尔至今坚持"零负债"原则。
7. 宏观预测是噪音
"我不研究宏观问题。
投资中最紧要的是弄清什么事是重要的、
可知的——不可知的，忘了它。"
利率走势、GDP预测？
看了没用。
1972年买喜诗糖果时，
政府很快实施价格管制，
但那又怎样？
错过才是最大的风险。
8. 集中投资，而非撒胡椒面
"如果真看懂生意，
拥有的公司不该超过六个。"
非职业投资者该买指数基金，
但专业玩家必须重仓——
“我可能只选三个最看好的"。
分散是对无知的保护，
集中才是认知的变现。
9. 别为便宜买烂生意
"以合理价格买伟大公司，
远胜于以便宜价格买平庸公司。"
烂生意再便宜也是价值陷阱，
时间是它最大的敌人。
10. 市场波动是礼物，不是威胁
格雷厄姆的"市场先生"理论：
情绪不稳定的邻居每天报价，
你要做的是利用他的疯狂，
而非被其感染。"
盯着股价做决策，
如同看着后视镜开车"。
11. 杠杆是聪明人的毒药
"用对自己重要的钱，
去换取不重要的收益，
是最大的愚蠢。"
巴菲特坦承即使只有1万美元时也不借钱——因为"在不该借钱的时候借钱，
将来没地方买后悔药"。
12. 投资本质是现金流折现
"用当前确定的现金，
换取未来更多的现金流。"
自由现金流是衡量企业价值的唯一标尺，
分红能力只是结果，
不是原因。
13. 人生算法：做热爱的事，交喜欢的人
"选择让你每天早上跳着去上班的工作。"
财富边际效用递减，
真正的复利来自与优秀的人共事、
做有意义的事。
他甚至说：
“给我1亿美元让我和讨厌的人合作？
我断然拒绝，
这和为了钱结婚有什么两样？"
这13条法则的可怕之处在于：
它们不是针对1998年的互联网泡沫，
而是针对所有时代的泡沫。
当2026年的AI投资狂热再次上演时，
这些原则依然锋利如初——
因为人性从未改变，
而巴菲特早已看透了人性的代码。
中文
How about ChatGPT5.5
karminski-牙医@karminski3
给大家带来 DeepSeek-V4-Pro & Flash 的测试速报, 由于case 还在跑, 所以说一下大家最熟悉的大象牙膏测试. 这个测试要求大模型建模一个锥形瓶, 然后发生化学反应, 造成泡沫喷发而出的效果. 主要考验大模型的建模, 粒子, 物理模拟, 光照等广义上的前端能力. DeepSeek-V4 从这个 Case 来看比之前的 V3 整个系列都好了很多, 效果很不错, 不过大家注意一下细节, 这个锥形瓶的表面看上去不是很透明, 我仔细分析了6次生成的代码 (测试是 pass@6, 每个大模型都有6次生成机会, 取最好的一次). 结果发现它指令遵循有点问题, 提示词要求玻璃的材质是roughness: 0.95, metalness: 0.35, 结果它没有一次写对. 而且很值执拗的写成了roughness: 0.12, metalness: 0.05 (50%概率). 目前还不确定是不是普遍问题, 等我全部测完给大家带来全面的编程能力评测视频~ 敬请期待. #deepseek #deepseekv4 #deepseekv4pro #deepseekv4flash
English
Mastering Claude Code in 30 Minutes: A Complete Guide by Anthropic
youtube.com/watch?v=AOfogJ…
YouTube
English
From SaaS (built for human beings)
to agents built for AI to interact with each other.
Abu Mukheimer@abumukheimer
Resistance is part of this… especially now. AI is changing everything. Things move fast. Nothing feels stable. We get confused about how to survive in this crazy market. You and your business can feel replaceable with one prompt. That’s very real. And if you ignore that reality… you’re already behind. But panic doesn’t build anything. The move isn’t to run from it. It’s to understand it. How AI is changing how we work. How we live. How we build. We’re moving from software as tools to software as outcomes. From SaaS (built for human beings) to agents built for AI to interact with each other.
English