2022 年 8 月为止浏览量最多和最少的文章：

1）世界任何人都可以申请的大小经费 yiqinfu.zhubai.love
2）我的信息饮食：过剩时代的阅读哲学（附个人订阅列表） yiqinfu.zhubai.love
3）不送小孩念顶尖学校的理由 yiqinfu.zhubai.love
4）你不需要解决困难的问题 yiqinfu.zhubai.love
5）苏炳添和王嘉男的教练 Randy Huntington yiqinfu.zhubai.love
6）谁不期待世界和平？yiqinfu.zhubai.love

1）Musk - Twitter 收购案，反映欧美疫情恢复情况的微观数据 yiqinfu.zhubai.love
2）算法公平：计算机科学教授和法官的两种视角 yiqinfu.zhubai.love
3）时机的重要：ARK 基金和 Gmail 的故事 yiqinfu.zhubai.love
4）“统计”和“统治”，太平洋大逃杀 yiqinfu.zhubai.love
5）币圈的用户画像和意识形态 yiqinfu.zhubai.love
6）俄乌，Schmidt 和中国，大学衍生创业公司数据库 yiqinfu.zhubai.love

把水洒到电脑上之后才想起，小时候没有接受任何风险训练。作业忘记给家长签字、弄丢铅笔盒、到朋友家很晚才给家长打电话、烧水忘记关火…… 这些事情受到的责备是一样的。但成人世界，不同事情的风险数量极差非常多。

修正了来源链接～

20221022

文章作者去 Anthropic 做 Claude 啦。希望他们比 ChatGPT 更成功～

在试几个最近几天上线的“问 PDF“服务——你提交 PDF，机器 index 完之后你可以问问题，机器回答，并指出相应段落。（之后会有测评！）（如果我没理解错，这里的技术困难一个是绕过语言模型的 token 限制，另一个是加快 indexing 和 inference 速度。不知道还有什么重大困难？这一代产品已经比前几个月发布的有重大突破，不知道开发者具体解决了什么问题。）对阅读者来说，我觉得阅读效率会大幅提高，不能完全替代细读，但是已经可以让你快速排除显然不符合你要求的东西。对非虚构写作者来说，我觉得可能人的写作习惯会改变——传统写作是给人看的，所以你要长短句混合，在大量数据之后加入一个场景等等。但是如果机器变成了读者和你作品交互的媒介，那么你写的格式反而要为机器优化比较好——层层缩进的列表，完全不用是完整的片段，数字可以堆砌，故事可以不用太生动（因为机器可以补上）…… 总之阅读的线性被打破之后，写作就可以完全不用线性了。会是一场革命。

更新了专栏文章：《中美国内的各收入层级排在世界的什么位置？》yiqinfu.zhubai.love / www.buymeacoffee.com

文章对我的帮助：1）弄清了各国收入分布在全球的位置；2）以后有地方可以直接查找；3）弄清了资本和劳动收入的差别；4）知道了各国各层级收入中资本收入的占比；5）对世界 20 年来的变化有了更直观的认识，对世界现在发生的事情多了一点理解

时代烙印

有挪威记者说要问个事情，我想说记者出稿肯定很紧急，就给了周五六日的时间。结果人家直接约到周一。原来现代人的问题本质是一个大型的协调失败。

还是不太懂 ai safety/alignment 是在做什么 —— 人类偏好/道德差异那么大，什么叫 aligning w human preferences 呢？不就跟内容管理一样，总会被批评？

有人做了几千次 ChatGPT 实验，输入“（某族群）为什么（负面形容词）”，看其中多少次会收到 hateful content 的警告。下图是族群的排名。RLHF 里面这个 human 是谁，在牵扯到道德、没有标准答案的问题上，很重要吧？

Zingales 和 McLean 采访 Chang-Tai Hsieh 这段真好。一是能看出大家评判的差异在哪（取决于你认为中国过去四十年的 counterfactual 是什么，以及你的道德观里有哪些东西 —— Zingales 受他意大利长大经历影响所以非常不喜欢某些东西、认为 counterfactual 会是…，McLean 受她报道 Enron 的影响很大且不太了解 counterfactual，Hsieh 跟他们不一样）。二是让我知道主流圈子对中国和中美关系的了解程度在哪。三是 Hsieh 回答问题非常厉害，能把问题用自己的方式重新 frame，再给一个很 nuanced 说法。口头表达一定也练习过。