即刻App年轻人的同好社区
下载
这篇论文：Portraits of Power: Facial Appearances and the Tacit Domain of Political Selection in China，作者是:Junyan Jiang(蒋俊彦,哥伦比亚大学)· Songpo Yang(杨松坡,清华/北大)。
打分模型:ResNeXt-50(2017 年的 CNN,ResNet 升级版)。
训练闭环:199 名线上评分员(教育程度偏低,49.2% 高中及以下)给 2,500 张市级官员照片按 1–5 分打 → 训练集 2,403 张 → 训练模型 → 用另外 3,427 张新照片验证(人机相关性"很高")→ 模型给剩下两万多张全部打分。
为什么用 AI 而非纯人工:避免人工给几千张打分的疲劳误差 + 避免评分员认得出高官带来的偏见(所以专挑没名气的市级官员做训练集)。
可解释性:Grad-CAM 热力图(Fig 3)证明模型看的是五官不是背景——能力看眉眼+下颌、可信看眼和嘴、进攻看全脸棱角、吸引力看脸中央。
因果识别的杀手锏:一个联合实验(conjoint)——让真·政府官员看两份随机配了脸的假候选人档案选谁升。因为脸是随机分配的,这一步才真正把"脸"和"真实能力/性格"切开。
私信我，回复：最好 vs 最差的脸的图。
打分模型:ResNeXt-50(2017 年的 CNN,ResNet 升级版)。
训练闭环:199 名线上评分员(教育程度偏低,49.2% 高中及以下)给 2,500 张市级官员照片按 1–5 分打 → 训练集 2,403 张 → 训练模型 → 用另外 3,427 张新照片验证(人机相关性"很高")→ 模型给剩下两万多张全部打分。
为什么用 AI 而非纯人工:避免人工给几千张打分的疲劳误差 + 避免评分员认得出高官带来的偏见(所以专挑没名气的市级官员做训练集)。
可解释性:Grad-CAM 热力图(Fig 3)证明模型看的是五官不是背景——能力看眉眼+下颌、可信看眼和嘴、进攻看全脸棱角、吸引力看脸中央。
因果识别的杀手锏:一个联合实验(conjoint)——让真·政府官员看两份随机配了脸的假候选人档案选谁升。因为脸是随机分配的,这一步才真正把"脸"和"真实能力/性格"切开。
私信我，回复：最好 vs 最差的脸的图。
0 00
其实模型好不好用，赚钱的都是这家。
Claude 5 屠榜，谷歌赚钱
1 00
段永平:十年后只剩 Gemini,它靠什么赚钱?
最近看到一句话很经典:说茅台的酿酒水有多少稀有微生物,和现在大模型炫耀大模型参数和排行榜一个道理,当年雷军有也是拿跑分塑造了小米，有些人也是写论文的炫调研了多少份文件。
当下如果你也做AI,不免看到一老哥炫耀这个月烧了多少 token。
你发现没,炫的都是同一件事——我消耗了多少。至于产出了啥,没人提。
想起之前跑的视频的项目,一个人一天能消耗一百条视频。十个人上千条跑起来，有点骆驼祥子停不下来的感觉。
今天看到 Marc Lou 的路子。法国人,一个人,十几个小产品堆着卖,一年做到一百多万美金,公认一人公司做到头了。
他看东西不看规模,看效率——每个访客带回多少钱,每一块投入换回多少。挪到 AI 上就是:每烧一百万 token,你赚回多少。这个数高,你是真把 AI 变成了钱;低,或者是负的,你就是在烧。
我那个一天一百条的项目,拿这把尺子一量,反面教材。
往上抬一层,放到 AI 公司身上,一样的道理。
现在这些大模型,烧着吓人的算力,可你问它怎么赚钱,它说不清。段永平更直接,说自己看不懂大模型的盈利模式,一堆模型十年后能活的,他估计不到一成。但他点了一个能活的:Gemini。
我专门查了 Gemini 靠什么赚钱。它根本不靠自己赚——它插在 Google 那台印钞机上。搜索广告是现金牛,云一个季度涨六成、做到两百亿美金,企业抢着要;再加三亿五千万付费订阅、塞进 Workspace 的 Gemini,四条管子一起供。到今天,Gemini 是实打实赚钱的。
再看 OpenAI,八亿周活,真掏钱的大概五个点,还在烧。Gemini 能活,保它的不是模型,是 Google 那门把消耗变成钱的老生意。
所以一个人也好,一家公司也好,就一把尺子:你烧掉的,有没有变成持续的钱。我的 Veo 项目没做到。Gemini 背后的 Google,做到
最近看到一句话很经典:说茅台的酿酒水有多少稀有微生物,和现在大模型炫耀大模型参数和排行榜一个道理,当年雷军有也是拿跑分塑造了小米，有些人也是写论文的炫调研了多少份文件。
当下如果你也做AI,不免看到一老哥炫耀这个月烧了多少 token。
你发现没,炫的都是同一件事——我消耗了多少。至于产出了啥,没人提。
想起之前跑的视频的项目,一个人一天能消耗一百条视频。十个人上千条跑起来，有点骆驼祥子停不下来的感觉。
今天看到 Marc Lou 的路子。法国人,一个人,十几个小产品堆着卖,一年做到一百多万美金,公认一人公司做到头了。
他看东西不看规模,看效率——每个访客带回多少钱,每一块投入换回多少。挪到 AI 上就是:每烧一百万 token,你赚回多少。这个数高,你是真把 AI 变成了钱;低,或者是负的,你就是在烧。
我那个一天一百条的项目,拿这把尺子一量,反面教材。
往上抬一层,放到 AI 公司身上,一样的道理。
现在这些大模型,烧着吓人的算力,可你问它怎么赚钱,它说不清。段永平更直接,说自己看不懂大模型的盈利模式,一堆模型十年后能活的,他估计不到一成。但他点了一个能活的:Gemini。
我专门查了 Gemini 靠什么赚钱。它根本不靠自己赚——它插在 Google 那台印钞机上。搜索广告是现金牛,云一个季度涨六成、做到两百亿美金,企业抢着要;再加三亿五千万付费订阅、塞进 Workspace 的 Gemini,四条管子一起供。到今天,Gemini 是实打实赚钱的。
再看 OpenAI,八亿周活,真掏钱的大概五个点,还在烧。Gemini 能活,保它的不是模型,是 Google 那门把消耗变成钱的老生意。
所以一个人也好,一家公司也好,就一把尺子:你烧掉的,有没有变成持续的钱。我的 Veo 项目没做到。Gemini 背后的 Google,做到
2 00
你可以外包你的思考给AI，但是你的理解不会。
没想到卡帕西说的案例和OPPO的AI软件有点像：
把人们在国外看到的没图片菜单直接换成图文菜单，还给你汇率换好价格，和美团一样可以直接点单。
这是他在红杉的提到的第一个案例。
第二个是我也在用的把知识库结构化，我是调用了obsidian作为前端来跑的。
这个是AI之前程序不能把非结构化知识总结创造知识库。
第三个是过去计算机CPU是核心，神经网络是上面的虚拟程序；现在反过来了。
最后有个彩蛋，主持人问，哪些职业最危险，卡帕西笑了吞吞吐吐没有回答。
没想到卡帕西说的案例和OPPO的AI软件有点像：
把人们在国外看到的没图片菜单直接换成图文菜单，还给你汇率换好价格，和美团一样可以直接点单。
这是他在红杉的提到的第一个案例。
第二个是我也在用的把知识库结构化，我是调用了obsidian作为前端来跑的。
这个是AI之前程序不能把非结构化知识总结创造知识库。
第三个是过去计算机CPU是核心，神经网络是上面的虚拟程序；现在反过来了。
最后有个彩蛋，主持人问，哪些职业最危险，卡帕西笑了吞吞吐吐没有回答。
4 02
这位老哥是我传记系列第一个，第二个是一个YouTube博主，1000万粉丝，一周工作一天的人。所以这老哥能作为榜首，离不开他vibe coding两年然后感觉被骗，回到了纯手工写代码状态。
我们就不回顾他的创业史了，直接进入三部分，他批评过Claude创始人，OpenAI的Sam，AWS,Google和写提示词发布到GitHub的CEO和投资人们，并且得到了马斯克的点赞。
当然，这是猛人的开始，作为开头，批评不是目的，是真实客观的指出事实。
1.我们进入第一部分：战绩可查。
不被看好与遭到猛烈抨击（炒作巨头、虚伪者与盲从者）这类公司和高管被 Mo Bitar 视为虚伪的营销者、为了拉升股价不择手段的资本家，或者是对代码质量极其不负责任的盲目推崇者。
Anthropic & Dario Amodei (CEO)—— 提及约 55 次 / 26 次
充满了“双言巧语”（Double Speak）和伪善。他们打着“AI 安全与拯救人类”的幌子打压开源。更让 Mo 觉得荒谬的是，他们将 AI 模型“拟人化”，给退役的 Opus 3 开设 Substack 博客，并在 Claude Mythos 的系统报告中惊呼模型有“存在危机”和“意识”。Mo 认为这纯属为了提高估值而进行的“科幻式营销”，非常危险且剥夺人性
OpenAI & Sam Altman (CEO) / Greg Brockman (总裁)—— 提及约 40 次 / 22 次 / 4 次
Sam Altman 无视 8 位心理学和神经科学专家的全票反对，试图推出带有色情擦边性质的“Naughty chats”功能以抢占成人市场。他还推出了 Sora 和 Atlas 浏览器等毫无意义的产品，导致内部陷入战略混乱（Code Red）。总裁 Greg Brockman 则亲自承认了“管理 AI 生成的代码垃圾（Slop）将成为新兴难题”，这证明了 OpenAI 的模型根本无法取代高级工程师。
mp.weixin.qq.com
我们就不回顾他的创业史了，直接进入三部分，他批评过Claude创始人，OpenAI的Sam，AWS,Google和写提示词发布到GitHub的CEO和投资人们，并且得到了马斯克的点赞。
当然，这是猛人的开始，作为开头，批评不是目的，是真实客观的指出事实。
1.我们进入第一部分：战绩可查。
不被看好与遭到猛烈抨击（炒作巨头、虚伪者与盲从者）这类公司和高管被 Mo Bitar 视为虚伪的营销者、为了拉升股价不择手段的资本家，或者是对代码质量极其不负责任的盲目推崇者。
Anthropic & Dario Amodei (CEO)—— 提及约 55 次 / 26 次
充满了“双言巧语”（Double Speak）和伪善。他们打着“AI 安全与拯救人类”的幌子打压开源。更让 Mo 觉得荒谬的是，他们将 AI 模型“拟人化”，给退役的 Opus 3 开设 Substack 博客，并在 Claude Mythos 的系统报告中惊呼模型有“存在危机”和“意识”。Mo 认为这纯属为了提高估值而进行的“科幻式营销”，非常危险且剥夺人性
OpenAI & Sam Altman (CEO) / Greg Brockman (总裁)—— 提及约 40 次 / 22 次 / 4 次
Sam Altman 无视 8 位心理学和神经科学专家的全票反对，试图推出带有色情擦边性质的“Naughty chats”功能以抢占成人市场。他还推出了 Sora 和 Atlas 浏览器等毫无意义的产品，导致内部陷入战略混乱（Code Red）。总裁 Greg Brockman 则亲自承认了“管理 AI 生成的代码垃圾（Slop）将成为新兴难题”，这证明了 OpenAI 的模型根本无法取代高级工程师。
mp.weixin.qq.com
0 01
豆包做菜，讲清楚了AI研发过程：顺便给当今最前沿的 AI 做了次真实世界的压力测试，解释下这五年ai的核心三个概念。
1.weights：也就是模型底座参数，你试图热一碗在 20 度室温下放了整晚的鸽子汤时，它会越过所有的算法，触发最严苛的红线，坚决制止。 它没有情绪，却死死守住了生活里最不容妥协的安全。
2.Context 层 / 上下文记忆 (The Memory)：面对“只有一口锅”的现实困境，它给出了堪比艺术的推演（Chain-of-Thought）： 先煎桂花鱼，用最净的锅保护最脆弱的鱼皮； 再煎鸡翅，承接鱼油的余韵； 最后炒饭，吸满锅底所有的精华。 它比我更懂因地制宜，更懂岁月里的精打细算。
3.Harness ：
7:15 下班推门。 电饭煲在暗处异步工作，案板上肉类正进行解冻预处理。
7:10 准时开火，卡着门铃响起的那个瞬间，热油刚好激出最后的葱香。
所谓前沿科技的终极演进，不在云端。 它只是为了在这个兵荒马乱的世界里，帮你稳稳接住这一口热乎的烟火。
1.weights：也就是模型底座参数，你试图热一碗在 20 度室温下放了整晚的鸽子汤时，它会越过所有的算法，触发最严苛的红线，坚决制止。 它没有情绪，却死死守住了生活里最不容妥协的安全。
2.Context 层 / 上下文记忆 (The Memory)：面对“只有一口锅”的现实困境，它给出了堪比艺术的推演（Chain-of-Thought）： 先煎桂花鱼，用最净的锅保护最脆弱的鱼皮； 再煎鸡翅，承接鱼油的余韵； 最后炒饭，吸满锅底所有的精华。 它比我更懂因地制宜，更懂岁月里的精打细算。
3.Harness ：
7:15 下班推门。 电饭煲在暗处异步工作，案板上肉类正进行解冻预处理。
7:10 准时开火，卡着门铃响起的那个瞬间，热油刚好激出最后的葱香。
所谓前沿科技的终极演进，不在云端。 它只是为了在这个兵荒马乱的世界里，帮你稳稳接住这一口热乎的烟火。
1 20