一本中国高中英语课本，放在美国大桥边的一棵树下，再被全中国游客接力拍照，这怎么能不算地球村呢。

上一次来的时候，emoji还没有雾🌁

旧金山接机阿姨是个华人，聊了两句就问我是不是腾讯的，她说一般在SFO机场接到的中国年轻旅客，往南走的就是抖音的，往北走的是腾讯的，抖音往南，圣何塞在南边，腾讯往北，去市区玩。

阿姨给我看她用Muse的showcase，主要是清理邮箱，预约餐厅，她说对绑银行卡还是有抵触。

阿姨的女儿在伯克利读经济，最近要毕业了找不到工作，很焦虑，问我有没有办法。

得来宝岛转个机

出发前忍不住看了一眼节前上的实验😌

主体性 or 无差别放大ego的特权？

summer camp可以是所有在生命中给我们带来过快乐和成长的经历，尤其是那些无法被复制的情感还有思想的懵懂。

00337788

最近在和团队高频讨论Evals评定指标的问题，突然想到之前读过的一个故事，分享给大家：

苏联有一家钉子厂，政府按「吨」考核产量，厂长很快想明白了：做又大又重的钉子，一吨的指标轻松完成。于是仓库堆满了没人要的巨型钉子。

政府发现不对，改成按「数量」考核。厂长又想明白了：做又小又轻的钉子，数量蹭蹭涨。这回生产出来的钉子小到根本没法用。指标换了两次，但钉子始终没人要，厂长也很努力，只是每个指标一旦成为目标，就自动长出一个「应试方案」。

这个规律有个名字，叫古德哈特定律，意思是当一个指标成为目标，它就不再是个好指标。

1975 年英国经济学家古德哈特提出它时讲的是货币政策，放在Evals上其实一样成立，一套evals一旦被考核，就会被优化出形状。

也分享一下我们定evals和指标的几个维度：
1. 是用户能感知的结果
2. 不能只考模型会做的题目
3. 平均分之外要有hard fail
4. bad case要有处理环节和出口
5. 上线gate里的鲁棒和红队测试五五开

希望10年后的自己能听到