对于有兴趣了解与交流 AI 的朋友，自我推荐下自己的公众号：MLOasis ，主要写 AI 与数据科学相关的内容，包括不限于机器学习、深度学习、大语言模型，搜索和推荐系统、数据科学以及其他相关硬核小知识与小经验，期待你的关注 👀

个人认知与水平有限公司，内容难免有错漏，欢迎指正交流 👏

Machine Learning and Data Science are Awesome! 🔥

你不需要等一个“完美的 AI”降临，而是该问自己：你是否接受偏差、接纳协同？你能否放下“每一步都掌控”的冲动，而转向“给方向、留空间、抓反馈”的协作心法？

订阅了 Perplexity 对体育赛事的 iOS 通知显示后，通知将展示在锁屏界面与灵动岛中。

推荐这期✨
听完加了几本书进入书架了
我成了半个塔勒布门徒了

出来混最重要的是出来。

迭代最重要的是有东西迭代，尽管是个垃圾，不然迭代什么，空气吗？观点吗？

如果「智能几乎免费」，那什么是收费的？

创新就是试错与破坏。创新不能被计划，只能被培养。
越多的规则和计划，以及越多地请教，只会让创新胎死腹中。
有些成功者的经验不是金科玉律，甚至不叫经验，只是故事而已，更何况有的都不是你想要的成功，只是他们定义的成功而已。
即便是真正的经验，也要有另一个视角看待：经验既是指引，也是束缚

不要先入为主的抛出自己的观点与结论，然后开始准备说服别人；
可以把自己的观点与结论用到的数据和事实抛出来，给其他人参考与思考，但不要强推自己的观点；
假设其他人都是理性且开放的，如果最终他们得出与自己相似的观点与结论，那皆大欢喜。如果基于给出的数据与事实得到不同的结论，那再抛出自己的观点与结论一起讨论，有可能自己理解有误，或者是对方推断有误。

3 月份写过一篇文章：当 OpenAI 和 Anthropic 进入应用层，且不再提供 API 时

仅仅过了 3 个月，如今 windsurf 就遭遇到了 anthropic 的 api 断供…

这篇包括 BM25，Embedding 和 Reranker 的 RAG 检索策略的综述断断续续写了一个月

是要让外部懂 AI 的人去做某一垂直领域，还是要让某一垂直领域内部的人懂 AI？ 可能外部懂 AI 的人可以更快做出来 60 分的 demo，但是要真正做好，还是得内部拥有领域知识（所谓的懂业务）的人懂 AI 后，做到 80/90 分甚至 100 分。