我的 X 阅读

《数字电路项目：通过集成电路实现实现数字电路概述》（第二版），作者：Charles W. Kann（2014），现已加入 @ChapterPal 的开放教材库。 本书既是一本实用的入门级实验手册，也是一本学习指南。https://t.co/nJ7UBv7H4H

转帖：大家好！昨天我采访了克里斯·菲尔兹博士！ 克里斯第二次加入我的播客节目（第一次是2024年6月），讨论他即将发表的论文，该论文探讨了将自由能量原理用作物理学自顶向下的方法，推翻了传统的还原主义，在他追求一种统一的、不受尺度限制的现实描述过程中——这种描述可以适用于所有“类别”的现象——台球、思维和生态系统。 祝好， 马特 https://t.co/HfwHuEMzoB #physics #biology #philosophy #metaphysics #science

转帖：看起来，只有Anthropic向纽约市立法者确认其模型会为更智能的后续模型编写代码。 在理事会10月5日的听证会上，一位纽约市议员向他们提问，询问一种循环情况，即模型自身的代码在下一轮训练中运行并生成更智能的模型。 OpenAI和Google通过质疑议员的描述是否符合他们自己对递归自我改进的技术定义，从而避免了直接回答是或否。 Meta的代表无法说明其模型是否会自我生成代码。 --- 来自“Forbes Breaking News”YouTube频道（链接在评论中）

顺手把这套插件里最值得借鉴的 3 个工程结构整理在这，方便大家抄作业： 1. 每一个工位拆解为三件套： Skills：用 Markdown 文件写清这个岗位的行业术语、决策框架和步骤逻辑（比如财务懂月末对账、产品懂 PRD 结构）； Commands：用斜杠指令封装高频动作（如一键生成规格书、一键复盘销售漏斗）； Connectors：通过 MCP 协议连通外部真实工具（Slack、Notion、Linear、Jira、Snowflake 等）。 2. 为什么比单纯写 Prompt 好用？ 单独给大模型一段提示词，它没有外部系统的记忆和执行能力。这套体系直接把岗位规范做成了外挂，既能在 Cowork 图形界面里开箱即用，也能挂在 Claude Code 终端里跑，完全不需要人在每次对话时重复背景。 3. 最值钱的地方在定制化： 官方放出来的只是通用骨架。真正拉开企业生产力代差的，是谁能把自家团队里那些不成文的协作规矩、独家名词和专属工具链，照着这个格式改写成自己的专有插件。 仓库索引：https://t.co/jpRWaBywEi

Anthropic 官方开源了一套知识工作插件，直接把 11 种岗位的skill技能包给你配齐了， 销售、客服、产品、运营、招聘、财务等角色，每个角色的技能、提示词、连接器都预先打包好，开箱即用。 主要给 Cowork 用，同时兼容 Claude Code，clone 下来装到对应目录就能跑。 GitHub 约 2.9 万星，MIT https://t.co/wyT1svfRGH

进一步阅读： https://t.co/LfIBPuwqQ9

彩虹实际上是完整的圆圈，通常从较高的观景点可见，例如飞机或高层建筑。 : Fabricio Maciel

转帖：精彩的阅读。 个人 AI 代理（例如购物代理）如果对每次购买都进行超级详尽的研究，可能会让产品质量比分销更重要。 那些永远不会忘记取消订阅的代理，将终结那些建立在客户疏忽基础上的订阅收入。 公司与其客户之间的不对称性源于规模（即计算不对称），因为公司可以将分析成本分摊到数百万次购买上，而客户则需为每次购买支付全部认知成本。 优惠券只有在搜索成本高时才有效，因此让搜索变得免费的代理要么将折扣让给所有人，要么彻底消灭它，而同样的逻辑也会耗尽订阅业务从客户疏忽中获得的利润，这些利润被计入其利润率。

本周顶级 AI 论文（10 月 5 日 - 10 月 11 日）： - VERA - HERMES - CorpusMap - VeriHarness - Sharpening Tax - Harness Learning - Multi-Agent Self-Supervision 阅读更多： 引用：https://t.co/fA6ePjpfdO

https://t.co/fA6ePjpfdO

清华大学最新论文发现，人工智能体通过比赛录像改进游戏机器人，可以超越人类玩家，但在规则复杂的游戏中往往难以取胜。 让人工智能从有限的比赛场次中学习制胜策略仍然十分困难，尤其是在规则不断变化的情况下。

转帖：人们需要了解并理解现在正在发生什么 来自 OpenAI 的 722 篇 AI 数学论文。 DeepMind Nexus AI 解决了 53 个数学问题 （谷歌 DeepMind 的 AlphaProof Nexus 解决了 9 个开放的 Erdős 问题，其中包括 2 个已悬而未决 56 年的问题，并证明了 44 个开放的整数序列猜想，所有证明均在 Lean 中得到形式验证）。 还有许多其他成果（大多由个人使用最新的 ChatGPT 模型或 Claude Opus 5.5 完成）。 我的观点： 我们这个月才刚过去三分之一，而我们正迅速接近人类历史上第一个 AI 解决 1000 多个数学问题的月份。 如果速度保持不变或加速（传闻 OpenAI 即将推出另外两个重大更新），我们这个月可能达到或超过 3000 个问题解决。 这可能相当于 50-100 年的人类正常速度数学进步。 提醒： 九月：解决的问题数量比现在低 10 倍（或更低）。 八月：比九月低约 10 倍。 所以我们在这里谈论的是短短两个月内超过 100 倍的飞跃。 你能看出这将走向何方吗？很快：物理学、化学、生物学、材料科学，以及所有其他难科学领域。

转帖：俄罗斯正在夷平乌克兰城市，在奥列什基饿死人民，在一次袭击中杀死整个家庭，但不知为何，你找不到一条推文说普京太过分了。

是的，移民比以往任何时候都更难。 是的，如今比以往任何时候都有更多的印度人想要留在印度。 是的，印度实际上确实有很多惊人的机会。 而且是的，显然你也可以在印度赚取巨额财富。 这些都是例外。平均而言，在美国的经济激励仍然远远超过印度。这就是为什么我从经验上看到这么多创始人、学者和工程师仍然渴望搬到这里，尽管在线上的言论可能会让你相信再也没有人这样做。

https://t.co/BJNZvv1ma4 https://t.co/KnUsfSjgoi