Existential Warrior | Ojisan-Type Tech Otaku Loli (???) | High-Performance Bishoujo | Fallen Nasdaq Cultist | Esteemed ChatGPT Pro Subscriber | MoE LLM DeepKlee
Joined November 2024
- Tweets6.6K
- Following254
- Followers2.8K
- Likes10.5K
终于又有比较务实的 benchmark 了😹
同样都是做题，有的人定义问题，有的人只是做别人定义的问题。前者才是真正的 frontier 和开拓者。
For AGI to benefit all of humanity, it should help people with the everyday tasks that matter most to them. So we built LifeVal, a new benchmark shaped by feedback from thousands of ChatGPT users on where they most want help from a personal assistant—from finding childcare to accessing government services to managing personal finances.
Over the past year, we’ve used LifeVal to measure and improve how well our models handle these everyday tasks.
openai.com/index/lifeval/
我现在就和 minister 一样的，手底下 agents 就和 civil servants 一样不停地给我起草文案、整理工作、秘书。很多事情我根本不知道就要我决策😹，我在意的也只有信誉和曝光。而且大G老师天天防御性声明和做事，完全按照我的决策行事但又总能理解出它自己的意思，我也不知道我不知道什么。
应该给文章加一个侧边栏写评注。这样正文是一栏，llncs 那样地方便推导和叙事，不用盯紧凑的双栏，体现证成的语境；评注则不用避免主观、叙述细小的发现和探索历程与失败，零碎的知识可以选看而且贴便签一样，保留发现的语境。致谢和引用文献照旧。附页塞具体的证明，正文只放核心结论不干扰阅读，数学证明有心情看的不多，而且仓库应该全部配 Lean 与 SymPy；完整的数据与图表，应让读者知道全貌，正文没有选取的不一定说没有价值，可能只是叙事侧重；可复现性方案，知识的生产方法与原理本身肯定也是价值。
我觉得教育改革应该派政客去，而不是一帮教育家在那里鬼混。本来就是一个投入更多钱和资源的问题，这些教育家基本只能做些微观管理。大多数人享受不到优质的教育不是因为技术性的问题，而是不可负担。人人都知道要优质的个性化指导，但就是没这么多资源而已。也应该少谈些成果，把一帮人赶去传授知识。
防御体系跟不上还是 frontier lab 非要“安全”的缘故。要是完全开放蓝队模型那么人人都可以加强防御，而且还不必忍受在常规模型的 security hacking。世界和平的方法是给好人也配枪。
已经有黑客组织开出天价，想把开源大模型训练成专业的网络攻击工具了。
安全研究者 Jun Song 爆料，昨天有一个匿名黑帽黑客组织找到他，希望他使用海量真实攻击数据，对开源权重模型进行强化学习后训练（RL）。
对方声称掌握的攻击数据规模极其惊人，Jun Song 甚至怀疑这会不会是 FBI 伪装成黑客组织进行的卧底行动。
更吓人的是，他此前参与过一个白帽安全项目，使用 GLM-5.3 和不到对方声称数据量 1% 的训练数据，就已经在相关任务上取得了远超前沿模型的效果。当然，这是他个人的说法，目前还没有公开的独立验证。
Jun Song 拒绝了这笔交易，但他最担心的一点是：总会有人愿意接下这笔钱。
过去大家讨论 AI 网络安全，更多关注模型会不会被越狱、会不会协助黑客编写攻击代码。现在，黑客已经开始尝试直接购买模型训练能力，用自己的攻击数据定向强化开源模型。
一旦这条路走通，网络攻击能力的扩散速度可能会远远超过防御体系的更新速度。
其实看看酌情支配收入就知道了（也就是可支配收入扣房租和非餐饮服务食品），中国人这个单纯是穷了消费不起：北上广均估算下来就3.5k左右，全国则是2.5k。而且体制内确实要高一节，加上福利以后北京这种好地方可以拉出约4k的差距；也就是对于广大中国人来说体制内确实是很好的去处，做题还是有用的。
很多人分不清楚你有义务这么做和你应该这么做，因为他们并不理解绝对自由即绝对责任。
比如很多人总喜欢对孩子哼什么“成年后我没义务帮你”，这就是典型。换做在社会上都知道投机，现在一个人微末的时候就不知道雪中送炭了。
所谓奇货可居，孩子才花多少钱，未来几十年有一朝得了就是鸡犬升天，所获不可胜数。没得也无妨，起码还有情分在。
归根结底还是要戒掉只想着锦上添花的脑子。而且一定是赠与，因为人不会感谢自己的债主，只会感谢自己的股东。
就是不对孩子也是这样，重在雪中送炭，不在锦上添花。所以小善意能给就给，别人浪费了也无妨，只要有用那么几次或者能带来一段关系就行。
欲要做事，必先做人。十年树木，百年树人。人才是最大的 alpha，拼的就是判断力：我相信这个人有未来，要么从龙，要么买入。
前些天我说暂时不用 Rust 了。最后我打算用什么呢？
1. 要相对统一的工具链
2. 成熟的生态
3. 良好的开发体验
4. 代码量很大AI写起来效果好
5. 有 GC
相信你已经猜到了。
当然是……C#😁
给我看乐了，你有没有宾利关我屁事，神经病😹 真要我说，你这个发言就一股土鳖和暴发户的气质。看你做事情是属于一定会做绝的那种，为什么呢？既没人喊你别讲话就应激了，又一副自己是消费者就要刁难厂商占尽便宜，和拼多多一个做派。开个宾利绷面子却连20都要计较动情绪，不就是没发迹时穷惯了吗😂
就中国人这个收入水平谈什么消费主义😹 发达国家的消费主义是社会认为简单地购买多多商品和服务就可以带来幸福和自我实现，要把注意力和生命放在重要的地方去。中国人这个连国内旅行都要犹豫机票，只是把降低生活水平洗成告别消费主义，他都没有不节俭的自由。
我觉得作者本人应该真是娱乐性的，哈哈哈，因为这个是网络梗。但是奈何中国的做题曲太多了，真的有人拿这个当回事😹 这就好比一家企业选用 MBTI 去评价候选人，我们只会觉得是企业脑残，不会觉得 MBTI 的作者和团队会有什么问题。应该集火那帮真用来评判人的人，赶出社区。
我一直觉得，随便给别人的 GitHub 账号打分，再分个三六九等，是一件挺不礼貌的事情。
现在是什么都要卷吗？连写开源项目都得像做题一样，最后拿个分数证明自己？
ghfind 甚至把开发者分成「夯」「顶级」「人上人」「NPC」「拉完了」。
我知道它的算法是开源的，但公开算法就代表算法合理吗？
谁决定 PR、Stars、Issue、项目规模各自应该占多少权重？这些标准经过什么验证？凭什么用一套人为设计的评分规则，来定义一个开发者的实力和价值？
一个人可能长期维护私有项目，可能擅长架构设计、定位复杂问题，也可能只是根本不喜欢经营 GitHub。
这些东西一个分数能体现出来多少？
更让我难受的是，真的有人会拿着这种第三方评分去评价别人。
甚至还有 GitHub App 可以根据这个分数给别人的 Issue 和 PR 打等级标签。
我不反对做数据分析，但我很反感把一个活生生的开发者压缩成 0 到 100 的数字，然后拿着分数给别人排座次。
如果以后连公司招人都开始参考这种东西，那跟应试教育有什么区别？
我说这些不是因为自己分数低，也不是在乎自己得了多少分。
哪怕今天给我打 100 分，我也一样觉得这种风气很荒谬。
写代码已经够累了，能不能别什么都搞成排行榜？
量化是因为行政部门的需要：没有专业背景的行政人员只能看指标，所以任何国家的政府对于商业和学术都是极其低效的。
人事这件事情也一样，之所以需要量化是中心化的结果。高考分数也是一样，完全是为了统一教育和入口而存在的，不然将招生下放给各个学校的招生委员会，作品集和那些难以量化的成就照样可以被正确识别。
之所以今天还要忍受这种模式是因为社会和公司内部没有足够信用机制：学术有自己的社区，开源也有自己的社区，所以同行评议基本是准确的，开发者只要逐渐积累信用就可以参与核心工作。
而企业因为中心化的人事部门必须把认识一个候选人压缩在面试和简历里面，本质上是行政化与大厂病。更合理的方式是引入专业人员的同行评议与推荐机制，应当以内部推荐和猎头为主。不这样做一般是为了肤浅的公平，毕竟人们从小到大都在考试。开源社区这么久了我也不见门阀，精英治理什么时候能是一种罪恶，何况是追逐效率与利润的企业。
