我的 X 阅读

我的 Grok Bot 工作室配置 https://t.co/HCy4MXkRoK 引用：介绍一下新的 GrokBot 玩法： 让它从一个复杂的推文串里，剪出了一条 3 分钟的学习视频。 注意这一切（包括我这个介绍教程视频）都是在床上完成的，全程没有使用我的电脑。 而且做完这一堆以后，我的额度消耗还不到 4% 他帮我做的原始视频，放下面了。 https://t.co/tu4vqZMHfg

转帖：清华大学新论文发现，AI 代理通过比赛重播改进游戏机器人，可以登顶人类排行榜，但在规则复杂的游戏中大多会停滞。 让 AI 从有限数量的比赛中学习获胜策略仍然很困难，尤其是在面对不断变化的对手时。 他们基于清华大学年度机器人构建竞赛中的 12 款游戏，构建了 AAArena，使用 1,920 个存档的人类程序作为对手。一个编码代理在不改变模型权重的情况下，阅读规则、选择对手、研究重播，并在比赛预算内重写其机器人。 详细的重播在所有 3 款测试游戏中都优于仅胜/负反馈。使用重播后，一个 Pacman 机器人达到了第 1 名，而没有重播时仅为第 11 名。 将比赛预算增加三倍，并未推动 4 个卡住的机器人中的任何一个达到第 1 名。 – arxiv. org/abs/2610.12341 标题："AI 代理能否通过学习登顶？评估长期游戏代理竞赛中的启发式学习"

可以把这段话发给你的 GrokBot：https://t.co/xOsbVBwpAz 引用：教一下怎么让 Grok Bot 食用 公众号文章在这里：https://t.co/KZ8wK4fdKI https://t.co/Yc9Qp5hiEa

教一下怎么让 Grok Bot 食用 公众号文章在这里：https://t.co/KZ8wK4fdKI https://t.co/Yc9Qp5hiEa 引用：介绍一下新的 GrokBot 玩法： 让它从一个复杂的推文串里，剪出了一条 3 分钟的学习视频。 注意这一切（包括我这个介绍教程视频）都是在床上完成的，全程没有使用我的电脑。 而且做完这一堆以后，我的额度消耗还不到 4% 他帮我做的原始视频，放下面了。 https://t.co/tu4vqZMHfg

转帖：来自 Meta 超级智能实验室的一篇关于长期代理复合推理的优秀论文。 一种清晰的方法在大型多代理系统中有效，那就是持久化内存。 Meta 研究人员在这篇论文中描述了这种方法的一个具体实现。 你会发现推理时的计算通常用于单独的尝试，因此大多数运行会忽略部分工作和失败的想法。 以下是他们解决这个问题的办法： GitSwarm 为数百个异步代理提供一个共享的 Git 仓库。 每个贡献都是一个提交，记录了它基于哪些早期提交，无论在哪个分支上。没有中央规划者。每个工作者决定是探索、验证、精炼，还是组合现有工作。 使用 GPT-5.5 Codex 工作者，它在一轮运行中解决了所有 30 个 IMOProofBench-Advanced 问题。在 ProgramBench 上，它得分 79.4%，而单个 Codex 代理在类似预算下被提示继续时得分为 65.1%。 随着工作者数量的增加，分数持续上升，从 100 个时的 73.1% 到 500 个时的 79.4%。后来的工作者基于 94.7% 的已发布贡献构建，并且 70.1% 的失败研究提交被后来的接受工作引用。 论文：https://t.co/5HrLQncE8v 与论文聊天：

本杰明·克罗威尔 (Benjamin Crowell) 的《简明微积分》(Brief Calculus) (2005) 现已加入 @ChapterPal 的开放教材库。 《简明微积分》是一本入门教材，旨在帮助学生以易于理解且数学严谨的方式入门单变量微积分和多元微积分。https://t.co/Gl7rslbltu

他帮我做的那个教程视频 https://t.co/9glwcMwsaj

介绍一下新的 GrokBot 玩法： 让它从一个复杂的推文串里，剪出了一条 3 分钟的学习视频。 注意这一切（包括我这个介绍教程视频）都是在床上完成的，全程没有使用我的电脑。 而且做完这一堆以后，我的额度消耗还不到 4% 他帮我做的原始视频，放下面了。 https://t.co/tu4vqZMHfg 引用：超有用的 GrokBot 用法： 将复杂难阅读的推串内容变成长文档，在手机上阅读 有人让 LLM 通过纯代码完成了一次细节非常丰富的 3D 龙建模，分享了整个过程，内容极其复杂。 我直接让 Grok bot 帮我拉取了所有内容： 不仅把推文串拉全了，还补充了解析所有生僻概念的内容和相关链接信息，重新排版成了一篇完整的中文文章。 在这种场景下简直太好用了，我直接在手机上就能看、能消化这些信息

完整视频 https://t.co/oE3j2joHx7

在伯克希尔·哈撒韦公司2019年年度股东大会上，巴菲特和芒格表示，他们错过了谷歌IPO，这是个“错误”。 沃伦·巴菲特：“我们搞砸了。” 查理·芒格表示，他觉得自己“像个傻瓜”，因为没能更早地发现谷歌。他承认错过了亚马逊，但表示错过了谷歌。https://t.co/gnPxFVQwzM

转帖：陶哲轩昨天晚上在加州理工学院的“Math 2.0”讲座幻灯片 AI 现在能够破解曾经遥不可及的问题，他说仅仅为此庆祝是错误的。 基本上他说，单纯追求问题解决正在伤害数学。 > “单纯对问题解决的进一步盲目优化，现在正对数学的长期健康造成积极危害。” > “与流行观点（或我们自己的一些宣传）相反，数学家并非一心只专注于解决开放问题。” > “尤其在纯数学领域，开放问题充当‘灯塔’：它们本身并非要抵达的目的地，而是作为有用的指引，帮助探索这些问题周围的数学景观。” > “在尝试解决这些问题时学到的教训——无论成功、失败，还是取得部分进展——往往比问题本身的最终解决方案更有价值。” > “通过自动化工具过早抵达这些灯塔，可能会扰乱对未走之径的探索，并使周边领域变得贫瘠。” “无差别地使用 AI 以不可持续的方式解决问题，会损害该领域的长期健康与进步，以及向更复杂、现实世界的应用的可靠转移。”

@erinbeess ie聊天模板

@erinbeess 提示格式是什么？

转帖：Emad Mostaque（Stability AI 创始人）谈 AI 解决 Navier-Stokes 证明。 “你真的认为你在认知上能做些什么，这款 AI 做不到吗？ 88 小时内，10,000 个 AI 代理解决了它，这相当于 100 年顶级数学家的工作量。好好想想吧。 在本周之前，你可以说，‘啊，它只是个随机鹦鹉。它只能从其分布中学习。’然后你面对的是一个千年数学大奖问题。 总共只有 7 个。人类只解决了一个。而 10,000 个 AI 在 88 小时内组成的集群就解决了它。 你不能说那是训练数据里的东西” --- （完整视频在 'Risk Takers' YouTube 频道上，链接在评论中）

转帖：Bartosz 是少数完全拥抱 AI 的数学家之一，而且他正以惊人的速度做出杰出的贡献。他很谦虚，自称是普通水平，但我相信他像某些顶尖人物一样出色，尽管他可能不是数学城堡的守护者之一。