刚看到喜剧之王决赛，喜欢翟佳宁的表演。能感觉到这哥们儿半决赛应该就憋着一口气，挺好的开场结果一个导师/领笑员都没拍灯，还质疑大翟没观点，我都替他气愤，单纯的搞笑就不行吗？你可以有观点，但核心得是搞笑啊。还有说现场女性观众居多，他的段子观众没有代入感，非得代入才能理解笑点？就没点换位思考能力和自嘲能力？观众到底来寻求认同的还是寻求快乐的？
我很不喜欢有类表演，输出一堆观点，“把我想表达的都表达了”，你是表达了，可一点都不好笑啊，把脱口秀节目当播客录了🤷‍♂️

MBTI 的风还是吹到了 AI 界

记录一下，退出决赛圈🤪

最后一句使得它的软广概率从0.6提升到了0.95

苹果发布会前夜，终于找到了我“丢失”近一个季度的 Apple pencil，竟然藏在了键盘背面的凹槽… 如果不是恰好二者都有吸力，我也不至于一直找不着😭

最近强化学习似乎又热起来了，推荐看《动手学强化学习》快速入门，书写得很紧凑，代码也清晰易读（就是个别依赖老了更新一下就好），个别推导感觉有跳步的地方可以参考王树森视频建立直觉和 CS285 看推导（这种情况不多，记得的只有 TRPO 那章）。一个同事总结得很精辟，强化学习就是原理较复杂，代码很简单，咱码农朋友从代码入手学习是最高效的（不仅限于 RL）

Andrej Karpathy 的《Let's reproduce GPT-2 (124M)》视频真是学习 LLM 的至宝，虽然时间有点长（4小时）， 但完整跟下来收获巨大，强烈推荐。
如果你和我一样，一步一步地跟着增加、修改代码，而不是拿着最终结果 repo 里的代码去直接运行的话，有个小坑：见图 1，红框中的代码，在原视频中是在 L500 loss.backward() 之前才调用的，但如果这么做的话，会导致 loss & HellaSwag eval 没有视频里的效果好，训练完成后没能超过 OpenAI GPT-2 124M checkpoint，见图 2。
需要像红框中代码一样，model.require_backward_grad_sync 放在 forward pass 之前，就能成功复现出来了，参见图 3（所以要注意 repo 里带有“# added after video”的 comment😅）

“Hot take”，大模型炼丹工程师工种，对应农药英雄类型

infra →战士
research scientist → 法师
research engineer → 射手
data engineer → 游走
infra 向的 research engineer → 刺客

榜样👍