即刻App年轻人的同好社区
下载
置顶🙌 10月9日-16日在🇺🇸SF参加Tech Week和TechCrunch Disrupt，有没有同在的小伙伴约咖啡
过去3.5年基本一直在围着 founder 转：VC → 帮 founder 融资 → 自己加入 AI startup。Gap year 去做过model和stylist，生性爱折腾。会小语种，运营了一个活跃的AI GTM在职社群。在职读Part-time CS Master中～目前base🇬🇧伦敦
🙌可以聊 AI、创业、GTM，也可以单纯交换一下最近在想什么、做什么。背景不限，想多认识点有意思的人～
过去3.5年基本一直在围着 founder 转：VC → 帮 founder 融资 → 自己加入 AI startup。Gap year 去做过model和stylist，生性爱折腾。会小语种，运营了一个活跃的AI GTM在职社群。在职读Part-time CS Master中～目前base🇬🇧伦敦
🙌可以聊 AI、创业、GTM，也可以单纯交换一下最近在想什么、做什么。背景不限，想多认识点有意思的人～
3 00
我让AI产品给自己做了一次UX review。
我建议每个founder，尤其是做Agent的founder，都可以直接问问自己的产品：
> “你能发现你自己在产品体验或交互设计上值得改善的点吗？”
我今天就突发奇想问了问我们自己的产品。令人惊讶的是它给了我一份还挺有意思的分析：“基于我对自身系统架构（从系统提示/会话指令中”看到“的部分）的理解，我可以梳理出几个交互和产品设计层面的改进方向……”
实验继续。我选了Manus、Codex、Claude Code作为例子，让Agent分析它们自己的产品体验。最后得到了6个挺有意思的findings （见图）。我还做了一个小页面，把整个分析visualise了出来: agent-autocritique-site.vercel.app
一个Agent能够站在“产品设计”的视角，反过来分析自己的interaction design，真的很有趣🫡
我建议每个founder，尤其是做Agent的founder，都可以直接问问自己的产品：
> “你能发现你自己在产品体验或交互设计上值得改善的点吗？”
我今天就突发奇想问了问我们自己的产品。令人惊讶的是它给了我一份还挺有意思的分析：“基于我对自身系统架构（从系统提示/会话指令中”看到“的部分）的理解，我可以梳理出几个交互和产品设计层面的改进方向……”
实验继续。我选了Manus、Codex、Claude Code作为例子，让Agent分析它们自己的产品体验。最后得到了6个挺有意思的findings （见图）。我还做了一个小页面，把整个分析visualise了出来: agent-autocritique-site.vercel.app
一个Agent能够站在“产品设计”的视角，反过来分析自己的interaction design，真的很有趣🫡
4 00
看到a16z的Cosign，我第一反应：这可以是一个精准的KOL discovery/influence mapping工具🤣
举例：假设我要融资，锁定了一批目标VC。我就会去看他们的X：
- 关注谁
- 和谁互动
- 转发谁的内容
- 谁经常出现在他们的feed
然后推断谁对投资人有影响力。但这些signal其实有噪音，因为Follow ≠ Trust & Interaction ≠ Influence。
Cosign有意思的地方是把原本隐性的reputation/trust显性化。一个投资人愿意公开cosign某人，至少意味着Ta愿意把一部分自己的reputation与这个人绑定。
于是我的workflow就变成：
目标投资人
→ Cosign了谁？
→ 信任哪些founder/researcher/operator？
→ 谁和我的产品相关？
→ 我能和谁建立关系？
这就不只是KOL discovery，更像Target-specific influence mapping。
这个逻辑不只适用于融资。
- 卖Enterprise AI：Target CTO →
- 做Developer GTM：Target developers →
- 想进founder ecosystem：Target founders →
后面流程都一样。
当然Cosign也有个明显限制：它目前network集中在硅谷/startup ecosystem。所以如果我问美国普通消费者都信谁，它显然不能很好回答。但这恰恰是个有价值的 bias。如果我的ICP本来就是AI founders/VCs/researchers/startup operators，我也并不需要一个代表全世界的reputation graph。
而且Cosign = trust signal ≠ actual influence。一个 VC很认可某个人，不代表这个人真能影响他的投资决策。但单纯作为GTM 的discovery layer，它比单纯看X关注列表干净得多。
总结：
LinkedIn gives you a professional graph.
X gives you an attention graph.
Cosign is trying to build a trust graph.
举例：假设我要融资，锁定了一批目标VC。我就会去看他们的X：
- 关注谁
- 和谁互动
- 转发谁的内容
- 谁经常出现在他们的feed
然后推断谁对投资人有影响力。但这些signal其实有噪音，因为Follow ≠ Trust & Interaction ≠ Influence。
Cosign有意思的地方是把原本隐性的reputation/trust显性化。一个投资人愿意公开cosign某人，至少意味着Ta愿意把一部分自己的reputation与这个人绑定。
于是我的workflow就变成：
目标投资人
→ Cosign了谁？
→ 信任哪些founder/researcher/operator？
→ 谁和我的产品相关？
→ 我能和谁建立关系？
这就不只是KOL discovery，更像Target-specific influence mapping。
这个逻辑不只适用于融资。
- 卖Enterprise AI：Target CTO →
- 做Developer GTM：Target developers →
- 想进founder ecosystem：Target founders →
后面流程都一样。
当然Cosign也有个明显限制：它目前network集中在硅谷/startup ecosystem。所以如果我问美国普通消费者都信谁，它显然不能很好回答。但这恰恰是个有价值的 bias。如果我的ICP本来就是AI founders/VCs/researchers/startup operators，我也并不需要一个代表全世界的reputation graph。
而且Cosign = trust signal ≠ actual influence。一个 VC很认可某个人，不代表这个人真能影响他的投资决策。但单纯作为GTM 的discovery layer，它比单纯看X关注列表干净得多。
总结：
LinkedIn gives you a professional graph.
X gives you an attention graph.
Cosign is trying to build a trust graph.
3 00
大家好，Boltzbit刚刚发布了最新论文的Preview Version: Infinite-Parameter LLMs — Generating and Adapting Weights from Live Data。
核心在探索一个问题：LLM能不能从持续产生的 live data中学习，并动态生成/适应自己的weights，而不是把学习结果锁在context、RAG或单独的memory里？
基于我们的Bayesian Self-learning Transformers (BAST)框架，我们在实验中观察到最高1,000× faster learning，并在长上下文场景下验证了它相对于传统memory-based learning（如RAG）在性能和成本上的优势。
如果大家对Continual Learning、dynamic weights / adaptive models或AI agents的self-learning感兴趣，欢迎看看论文，也非常欢迎 feedback ⬇️🌹 如果能在Ｘ上点赞转发支持，感激不尽🥺
核心在探索一个问题：LLM能不能从持续产生的 live data中学习，并动态生成/适应自己的weights，而不是把学习结果锁在context、RAG或单独的memory里？
基于我们的Bayesian Self-learning Transformers (BAST)框架，我们在实验中观察到最高1,000× faster learning，并在长上下文场景下验证了它相对于传统memory-based learning（如RAG）在性能和成本上的优势。
如果大家对Continual Learning、dynamic weights / adaptive models或AI agents的self-learning感兴趣，欢迎看看论文，也非常欢迎 feedback ⬇️🌹 如果能在Ｘ上点赞转发支持，感激不尽🥺
https://x.com/boltzbit/status/2102306910246465588?s=12&t=SWCRFVWN2NhWxefd_wQXxA
4 20
😭不是说好了要掌握生产资料才能掌握命运吗
现在又说我们是祥子
现在又说我们是祥子
辣条叔叔: 我们都是ai时代的骆驼祥子 祥子赚了钱就想有一台属于自己的黄包车
2 00
同感…不想只卖别人做好的产品了，要自己参与做产品、做研究
julian: 我有种很强烈的感觉：我不想再旁观这个时代了，要极大地参与这个时代。
3 30