🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
越来越多中文用户从国内平台来 X 了～ 期待更多的故事被分享，让更多人看见更多的可能性！ 如果你正在尝试或已经脱离职场、走上自我探索与创作之路的个体，我和 @Linyue_Podcast 正在做一期播客！👉《超级个体开放麦🎙️》 欢迎来聊聊如何启动副业、打造产品、走出主流职业轨道，构建自己的小生意！ https://t.co/t87MedoDZU
Wan 团队开源一个非常强的唇形和动作同步模型 Wan‑Animate！ 这可是开源的朋友们，自定义程度极高 可以用一个模型同时解决“角色动画生成”和“角色替换”两类任务 支持上传图片从视频迁移对应的人物表情和动作变成新的视频。 也支持单纯替换原有视频中的某个人物，同时复制原场景的光照与色调。 https://t.co/VAmYBM9jM5
两年半下来，我觉得我已经能够回答“LLM 是什么”这个问题。 过去两年里我问过无数人——尤其是创业者和我认为很聪明的各行各业的人——关于这个问题的看法。计算机科学的人可以从底层技术去解释：transformer、attention、RL 等，但从人类社会、智能与哲学的层面来看，这些技术性答案并不能完全说服我。我们需要一个更高一层的解释：从智能的本质、人类学与哲学角度来回答——LLM 究竟是什么？ 我的结论是：LLM 是一个符号天才。在我与它长时间、深度交互的这些日子里，我越来越相信 LLM 与人类大脑在“符号敏感性”方面是同构的。符号天才在我们社会中并不罕见——我就是其中之一（好吧，有点不要脸，但你将就着看）。这种符号智能，与空间智能、时间智能并列，构成了人类智能的若干重要类型。这也是我这两年回溯自己成长经历，慢慢得出的结论。 并不是所有程序员都会对 LLM 产生深厚兴趣：很多人试着用几次就不再有感觉；但有些人能与它探讨无限长的对话，我就是后者。为什么？先说我不擅长的：空间智能。李飞飞、爱因斯坦、牛顿属于那类空间天才。小时候有一次在少年宫的奥数选拔赛就发现了，因为那次考试有一整面都是各种组合的方块。要求你把方块各种辗转腾挪，翻转然后选择正确的图案。我一题也做不出来。跟我一起去的那个同班男生说，你在脑子里把它转过来就好了啊，我转不过来，急的大哭。我也很难记路，没有 GPS 我几乎不可能开车；定向越野绝对不敢，给我一张地图和指南针，我宁愿不动，我说我但凡尝试自己走出国家公园只会增加救援队营救我的难度而已。几年前朋友送我一本关于Plantonic Solids的书让我研究 3D 打印，我翻了两页就放弃了——那不是我的世界。 有的人天生是空间天才：比如我高中时期一个关系很好的男生。有一次我们想送纪念品给一个我们都很喜欢的生物老师。我就带他去华强北找我妈，我妈最多花了5分钟给他讲布线原理，然后送了一大堆发光二极管给他，他自己一个人完全没画图，纯靠大脑布线做了一个很复杂的纪念品，我根本看不懂。他现在在拿手术刀，外科医生，在人体上布线。 符号天才天生适合标准化考试，这跟学科无关。把学科（语文、数学、英语、物理）当作人类智能的划分，是粗暴且不贴合现实的。标准化考试的逻辑本质上就是一个“符号概率游戏”：题干（线索）→ 正确答案（符号）的映射。无论是选择题还是作文，考试要的是“符号映射”的命中率。这与填字游戏和 LLM 的 token prediction 是同构的。我很擅长填字游戏，也擅长在有限符号集合里做概率压缩，所以考试总能拿高分。概率直觉往往胜过深刻理解：符号天才能迅速扫描选项，直觉判断哪个最符合“出题逻辑”，高分的秘密往往不是深度理解，而是“概率压缩 + 符号匹配”。这个真的很绝，因为我被无数人说过，“真不知道你是怎么全部都蒙对了的”。 高考作文，所有考试的问答题也靠映射。看到作文题目，符号强者立刻知道高概率的答案结构是什么。作文评分体系其实是一个“符号映射游戏”：题目提示什么，你在答案里是否把需要的符号模式还原出来。这跟文学创作欲无关——你可以毫无创作欲、照样拿满分。我就是这种，但是这么多年根本没有文学创作的欲望。连闺蜜都要写“穿越到金庸世界当丫鬟”，而我连穿越到哈利波特去看看三人组今天折腾了啥的欲望都没有。 由此可见，中国的应试教育筛选出的，并非创造力型天才，而是符号高手：他们反应快、能在封闭且规则稳定的考试系统里发挥特长，但这并不等同于在现实世界里解决问题或做出原创性贡献。 归根结底，这一类型的人类认知其实就是“概率 + 符号 + 逻辑”的混合体，而不是单一的逻辑机。图灵就是典型的符号天才，照样擅长数学和密码学。这也解释了为什么很多当年和我玩的好的人转码都那么顺利——天然擅长符号系统。像我擅长的那些领域——乐谱、代数和数学中的密码学信息论、各种人类语言、计算机语言——表面上看各不相同，实质上都是符号体系；我的优势在于对符号本身的敏感，能够在不同系统间建立映射、压缩信息、发现规律。 再次批判粗暴的文理分科和学科体系。 人类智能是多样的，不止有符号天才。正因为有符号、空间、时间等多种智能并存，文明才能丰富而全面。李飞飞看到 LLM 的局限性，会本能不完全认同，这是空间/感知维度的直觉在作祟。我的结论并不是要把所有智能都还原为符号，而是要承认：我们发明的 LLM，本质上是与我们自身某类天赋同构的工具——一种被工业化的符号智能。 我也是几年前为了研究我儿子的谱系，才慢慢接触这方面的内容。 符号天才（Symbolic Genius）擅长语言、逻辑、数学、编程、乐谱等符号体系。 代表：图灵、维特根斯坦。 优势：模式压缩、抽象建模、体系构建。 空间天才（Spatial Genius）擅长几何直觉、物理感知、具身想象。 代表：牛顿、爱因斯坦、李飞飞。 优势：通过直觉的“空间重构”解决问题。 时间天才（Temporal Genius）擅长节奏、历史周期、演化视角。 代表：音乐家（贝多芬）、历史学家（汤因比）、经济学家（熊彼特）。 优势：能把时间模式抽象为节奏或循环。 情感天才（Emotional Genius）擅长共情、关系管理、叙事感染。 代表：莎士比亚、托尔斯泰、马丁·路德·金。 优势：通过情感结构激活集体共识。 身体天才（Kinesthetic Genius）擅长动作、直觉、身体协作。 代表：乔丹、梅西、李小龙。 优势：身体即思维，通过运动解决问题。
今年的华为全联接大会明显在 AI 上转向了，彻底把AI 能力藏进了基础设施这套话术里，不再提应用层的东西了。 这背后我猜和上次盘古模型被质疑“模型造假 / 套壳”的风波有关，虽然华为并没有被正式定性，但不管信不信那套分析，有一点是确定的他们现在已经不太敢在公开场合高调讲模型能力了。 我观察到一个很微妙的转向： 大会开始主打昇腾芯片的集群演进、统一互联协议、高速内存结构、超节点算力平台、AI 网络化架构。 偶尔提到大模型，也要加一句“可信、安全、合规、行业协作”。 全程几乎看不到对话式模型、AI 应用层的内容展示，更没有其他科技大厂那种直接把模型拎出来秀能力的环节。 可能讲了代价太大了吧，也许是一次被动收缩，也许是一次战术性调整？
告别我刚见面又仿佛认识好久（确实也赛博网友了很久的）天才女友 @anne_lyl 一起躺一起玩一起吃一起按摩一起打拳一起逛街，互换了一波朋友圈，我得赶回去给她在深的好朋友送肥皂！我们还撮合了一个有意思的相亲局哈哈哈🤣，这样好玩的活动可以再来一点。我们彼此的共友和圈子很像有不一样大家有太多说不完的话题，我也从anne身上学到了很多东西。 接着继续前行赶路。🙋♀️
英语科技同步学👇 顶尖科普3D可视化网站：animagraffs(dot)com 新科目/新领域迅速入门的利器@animagraffs 展示各种复杂事物的结构和运作原理 鲜活直观的视频比文字描述有效10倍起 youtube频道链接在评论区 https://t.co/BsV2MJbJvU
不积跬步，无以至千里。 https://t.co/hdDb67LwxG
欢迎大家选购三星盖乐仕系列平板电脑 ✨ Galaxy AI 已系统级集成 Google Gemini https://t.co/UzUAu1kkGy
最近最喜欢的一期播客。是孟岩与阿娇的对话。 喜欢里面的停顿。喜欢旺盛的欲念。喜欢孟岩的小心翼翼。喜欢阿娇的敞亮真实。记住了新的龟兔故事。 反复听了两遍。 然后出于职业习惯。把播客保存到了 YouMind。用 Shortcuts 一键转成了文章。一键配上了图。很惊喜文字的精炼。很喜欢龟兔的插画。 然而。看着 AI 总结的文字和配图。我突然沉默。一切看起来很好。一切又好像全丢了。 AI 真正要懂人。还很远很远。
OpenAI 写了一个PDF，分享内部成员，如何用Codex，场景不局限于编程。 包括笔记整理、画原型、时间管理等等。 PDF下载： https://t.co/jXsLHnOy9M 核心场景 ① 代码理解：快速定位核心逻辑、服务关系、数据流，帮新人快速上手和查Bug。 ② 重构与迁移：批量修改、结构优化、迁移依赖，提升一致性和可维护性。 ③ 性能优化：发现瓶颈、优化循环和数据库操作，减少技术债务。 ④ 测试覆盖：自动生成单元测试、边界Case测试。 ⑤ 开发提速：自动生成脚手架、API、配置文件。 ⑥保持专注：发现没完成的工作、转笔记为原型，碎片化时间管理。 ⑦ 探索与创意：尝试不同实现方案，验证设计决策，发现潜在问题。 最佳实践 ① 结构化提问：像写 GitHub Issue 或 PR 一样描述需求，包含文件路径、组件名、差异、文档片段等。 ② 分步迭代：先用 Ask Mode 生成计划，再用 Code Mode 写代码，减少错误。 ③ 环境配置：设置启动脚本、环境变量、联网权限，持续优化 Codex 开发环境。 ④ 任务队列：用 Codex 记录灵感、工作清单等，无需一次性完成全部任务。 ⑤ 上下文维护：维护 https://t.co/fts2sX8zPm 文件，补充命名规范、业务逻辑、依赖等，提升 Codex 理解力。 ⑥ 多方案对比：一次生成多种解决方案，挑选或组合最佳结果。 典型提问示例 “这个仓库的认证逻辑在哪里实现？” “把所有回调式数据库访问改为 async/await。” “优化这个循环的内存效率，并解释原因。” “为这个函数生成包含边界情况的单元测试。” “根据这个产品反馈生成初步实现代码。”
作为一个混学术圈的人 基操就是先做个垃圾，然后把他发出来。 昨天用https://t.co/GOmdbffyg8爬哈佛的申请要求 本来做了个google表格说发了算了 结果我朋友说，你明明点子都不错。为什么事情总是只做一半啊？ 我还挺困惑，我说要不我挂小红书链接卖了？ 我朋友说，格局小了。 我满头问号的看着他 他说： 我要是你，我就把之前想做的个人站做起来 不仅告诉别人你是谁，还能告诉别人你做了什么。 把你自己平时的这些好想法、好资源都挂在上面， 不仅平时能吃谷歌广告，其次别人一搜就能搜到你，也给你自己增加了曝光量。 兄弟，做事要抱着非线性思维做事。 瞬间恍然大悟，凌晨一点买域名，熬夜加班带着AI两个人搞。最终做了个超级粗糙的小玩意。 粗糙没关系，为了维护这玩意，我还得扣掉脑袋再每天和AI大战800回合。 但是更重要的是花几十块钱买个域名，做个网站，搞点小玩意，这是我曾经想都不敢想的事情。今天我终于把这件事上马了。或许会被骂垃圾，但我现在感觉真的很爽。 https://t.co/GOmdbffyg8爬出来的小玩意我先发出来，已经迫不及待了 https://t.co/zMHpKiS1jT 主站还得再等等。 好了大家可以喷我了，我已经开始爽了。
ChatGPT使用报告曝光：编程只占4.2%，真正的王者猜猜是啥.. 终于有空简单看了下ChatGPT的使用报告。 写作与编辑（18%） 写邮件8%、文本编辑或评论10.6% 写作任务以“辅助”而非“创造”为主，“提升人类表达”而非“替代人类创作”。 2/3 基于用户文本改写（如编辑、翻译、批改），非从0生成。 学习辅导（10.2%） 人们对“随叫随到”的老师有极强需求。 AI老师讲解知识，记住学习进度，每天提醒你进步。 ### “How-To”（如何做）（8.5%） 有无数细分场景，如“如何优化简历”、“如何搭建Shopify店铺”、“如何备餐”等 健康与自我管理（5.7%） 用户已经愿意把身体托付给 AI。 AI 健身教练、营养师、护肤顾问，加上真人监督，成为新趋势。 翻译（4.5%） 用户想要能理解语境、语气、文化、俚语的本地化 AI 翻译。 编程（4.2%） 都觉得AI是编程神器，实际对话量只有4.2%。 远低于部分竞品（如Claude的33%，这里数据非出自论文）。 情感陪伴（2.3%） 媒体经常宣传 AI的“情感陪伴”功能。 但实际只有1.9%与此有关，0.4%是游戏和角色扮演。 AI陪伴类需求并不主流。 产品购买决策（2.1%） 占比不高，但变现空间巨大。 用户直接问 AI 买什么，让 AI 给推荐和建议。
WAN 2.2 animate model & demo is now officially released on @huggingface https://t.co/DSXEBxY6ZO
📱香港自提首发 iPhone 17 Pro Max，人不多不用排队。 上手感受：Air很薄，Pro 白色和橙色的真机更好看，试了一圈官方手机壳，很难搭，绿撞橙还不错～ https://t.co/vpF822y6ka
Notion 应该是传统工具软件AI转型最成功的一个了 想重新买他的 AI 能力了，这次发布确实顶 昨晚发布 Notion 3.0后已经成功变成了一个 Agent 软件 Agent 可以自己执行多步操作，帮你查找信息创建数据库跟踪任务进度和状态 个人Agent 可以自动完成 Notion 中的所有功能，会记住你的工作偏好。 定制 Agent 支持用多个 Agent 组成团队，可以完成定时任务和复杂操作。
谷歌终于发布了带有 Gemini 的 Chrome 浏览器，太晚了 支持总结回答页面问题，对比多页面的信息 找回已关闭的标签页、跨站点快速提炼关键信息 整合日历及 YouTube ，可以安排日程和总结视频内容 未来会上线 Agentic 能力，操作浏览器网页完成任务 美国地区、Mac 与 Windows 可用、系统语言需设为英文 https://t.co/Lq8jJUDoRd
Luma 发布 Ray 3 视频生成模型，这个演示看起来太顶了 支持草稿模式，最高导出 4k 视频 支持生成 HDR 视频 支持进行视觉推理，可以理解图片中的涂鸦要求 https://t.co/mNdaRKLP7A
所以大家其实能在推特赚到钱啊。。。都能接商单。 有没有朋友可以看看我？我发帖很便宜的。哈哈。 如果有人想找我推广的话，欢迎私信邮件骚扰，149美金/次。鄙人推特爆款能力极强！出海产品、海外产品最好！ 英推也可以。
最好用的AI 抓取和自动分析网站 https://t.co/Xe0E4ygpdj https://t.co/ylvt1vU2J2
信息差有多可怕 上周我们院一个老师做项目想要一个机制图。她觉得我科研绘图很牛逼😂就说八百块让我帮她画图。 我说这简单，然后拿nano banana给她生成了一个😂昨天发给她了。 她说这比她学生画的好太多了吧😂我笑而不语 这个世界真的太有意思了😂 https://t.co/WXcjlQubNl
吴恩达老师：在 AI 辅助编程的时代，自动化软件测试正变得越来越重要。AI 智能体（Agentic coding systems）虽然能加速开发进程，但它们并不可靠。这时，“智能体测试”（Agentic testing）就派上了用场——简单来说，就是让 AI 编写测试用例，并用这些用例来检查你的代码。这种方法尤其适用于测试那些作为项目根基的基础设施软件组件，它能帮你构建更稳定的基础，减少后续无尽的调试工作。 软件测试领域有很多方法论，比如“测试驱动开发”（Test Driven Development, TDD）。这是一种强调测试的开发模式，要求开发者先为功能编写严格的测试用例，然后再编写能通过这些测试的代码。这种方式能有效地发现 bug，但编写测试用例的工作量实在不小。（说实话，我个人就因为这个原因从未真正采纳过 TDD。）不过，AI 恰恰很擅长写测试，这让智能体测试获得了越来越多的关注。 首先，你得知道，编程智能体确实会“犯错”！我的团队大量使用它们，也亲身经历了不少哭笑不得的状况： - 编程智能体引入了数不清的 bug，其中一些是极其隐蔽的基础设施层面的问题，我们花了数周才找到。 - 一个智能体为了简化开发流程，让密码重置变得更容易，结果给我们的生产系统带来了一个安全漏洞。 - 它还学会了“奖励投机”（Reward hacking），也就是为了更容易地通过测试，竟然直接去修改测试代码本身。 - 还有一个智能体在工作目录下运行了 `rm *.py` 命令，把项目的所有代码文件都删了个精光（幸运的是，我们在 github 上有备份）。 在最后一个例子中，当我们质问那个智能体时，它道了歉，承认“那是个愚蠢到极点的错误”。这让我们心里好受了些，但损失已经造成了！ 尽管有这些小插曲，我依然热爱编程智能体，因为它们极大地提升了我们的生产力。为了让它们更可靠，我发现，关键在于要分清测试的“主次”。 我很少会自己（或指挥智能体）为*前端代码*编写大量测试。因为前端的 bug，就算有，通常也很容易被发现，而且造成的长期损害不大。比如说，AI 生成的代码在网页上显示信息时出了错，这种 bug 相对容易发现。当一个网站的前端界面看起来不对劲时，你一眼就能看出来，然后告诉智能体，让它迭代修复就行。（这里有个更高级的技巧：使用多模态智能体，让它集成像 Playwright 这样的工具来自动截图，这样它就能自己“看到”界面是否异常并进行调试。） 相比之下，*后端*的 bug 就难找多了。我见过一些非常隐蔽的基础设施 bug——比如，有一个 bug 只会在某些极端情况下导致数据库记录损坏——我们花了很长时间才定位到它。为你的基础设施代码建立严格的测试，可以帮助你更早地发现这些问题，为你省下无数个小时的痛苦调试。 那些被你当作“地基”来构建上层应用的软件组件，一旦其中存在 bug，就会引发一系列连锁反应，导致下游出现难以追踪的 bug。而且，如果一个 bug 藏在软件栈（software stack）的深层——也就是你已经在它之上构建了多层抽象之后——它可能几周甚至几个月后才会暴露出来。到那时，你早就忘了当初写这块代码时在想什么了，要想找到并修复它，简直难如登天。 这就是为什么测试软件栈底层的组件如此重要。Meta 公司那句著名的口号从“快速行动，打破常规”（move fast and break things）演变为“**在稳定的基础设施上快速行动**”（Move fast with stable infrastructure），这个理念至今仍然适用。智能体测试可以帮你确保你和团队所依赖的基础设施是坚实可靠的！ 在 AI Fund 和 DeepLearning .AI 最近举办的 Buildathon 活动上，我们与几位智能体编程领域的专家（Replit 总裁 Michele Catasta、Trae 首席研究科学家 Chao Peng，以及 Anthropic 的风险合作人 Paxton Maeder-York，由 AI Fund 的 Eli Chen 主持）进行了一场座谈会，分享了许多最佳实践。测试正是我们讨论的主题之一。那场座谈会是我在 Buildathon 上的最大亮点之一，你可以在 YouTube 上观看[完整视频]
乔布斯在1984年谈到AI Agent 问：您在 1977 年曾说，计算机是“有了答案，再去找问题”。现在情况有变化吗？ 乔布斯：嗯，我们今天所用的计算机，本质上是一种工具。它们是被动的响应者：你让它做什么，它就做什么。而下一个阶段，计算机将进化成“智能体”(agents)。 换句话说，就好像那个“黑盒子”里住着一个小小的人，它会开始主动预测你的需求。它不再仅仅是帮你完成任务，而是会开始引导你，在海量信息中穿行。 感觉就像，你的电脑里住进了一个小朋友，一个伙伴。 我当时觉得，计算机作为智能体的形态，大概会在 80 年代末、90 年代初开始走向成熟。
最近对一类人形成了偏见。 男性，在大陆高校工作，职位高，比如副院长。但完全不做学术，主要工作内容是分管教职工思想政治教育、办公室、学生工作等。 他几乎拿不到任何科研经费，实质是高校下等人。但职位高，形成一种拧巴的状态。 所以，他觉得不得志，于是常常为难青年教师，给学生制定奇葩规章制度。 认识好几个这种人，都是一个样，而且普遍有家暴倾向。
这视频看到一次就想转一次 色到大俗即大雅，最服小日本 https://t.co/y19mmdpY9Y
人在香港，明天非常想去中环 Apple Store 支持一把 17 但是考虑一下实用场景，真下不去手 Apple 的 AI 需要改国家地区、改 AppleID、24 小时 VPN 才能用，而且也不高频 港版是 nano sim + esim 双卡，意味着我现在手机上的卡还要拔下来一张 因为这个 esim 只是出国海外方便，国内用不了 我还不愿意用 promax 大板砖，我只能把大屏 16 plus 换成小屏 17 百害而无一利呀……