howie.serious

统计数据

353

文章

0

粉丝

0

获赞

2792

阅读

4个月前

不论你今天状态是 100% 还是 5%，雷打不动，横竖发一篇文章，这就是 discipline 🤣 （以日更实验为例。其他同理。我家小学生，不管刮风下雨，横竖每天自己做两道 c ➕➕题目）

#坚持 #日更 #自律 #编程学习 #C++ #日常 #时间管理

4个月前

openai 确实上周跳票了：本来应该推出 o3-pro 的。

#OpenAI #跳票 #O3-Pro #产品发布 #人工智能

4个月前

过去 100 天里，我完成了一个实验/游戏：公众号日更 100 天。这个过程的顺带结果，是小破号订阅翻了一倍，增加 2 万关注。（同期推特关注要少一些）（另一个习惯是每天写点东西，无痛，自然而然。结果发现，一个人的思考其实太多了，日更都囤了大量主题没顾上发。可见只输入只思考真是终身学习者子死敌！）这个实验的顺带后果是没顾上刚起步的 youtube（一个月内从零新增了 10000 关注）。起步之后就撂荒了 100 天🤣 但是，我是把知识视频（半小时以上，最终向 kaparthy 的 3 小时视频看齐）作为严肃目标的。现在，准备重启知识视频。重启的定义，是每周更新至少一个长知识视频（半小时以上，最好一小时）。这算一个新实验/游戏。🎮 此贴为 flag。🚩

#公众号日更 #订阅增加 #终身学习 #个人习惯 #社交媒体增长

4个月前

#暴论：别折腾各种不明觉厉的prompt了。氪一点金，使用最高IQ的模型（例如，不限量的o3+gpt-4.5搭配）比折腾prompt 有效多了。一个建议：拿200美金测试一下。开一个月pro，以上1000条o3，500条gpt-4.5，保证你下个月再也不想在prompt上浪费时间了。模型即产品。用最好的模型，就是在ai时代对自己最大的尊重。

#暴论 #Prompt #模型 #AI时代 #建议 #GPT-4.5 #IQ #产品 #测试 #浪费时间 #最好的模型

5个月前

如果你觉得这个 ai 视频转场很自然，那就说明原来那张照片确实有点怪，因为那说明 ai 的数据分布里，那张照片也被如此分类。

#AI #视频转场 #数据分布 #图片分类

5个月前

openai 和 jony ive 合作的 ai 硬件，“ai 版 iphone”，或许大概可能这是类似这样的设备？不一定是挂脖子。和“her”里面的 Samantha 设备应该差不多。

#OpenAI #JonyIve #AI硬件 #Her电影 #Samantha设备 #创新科技

5个月前

爱死机第4季看完了，确实差，不及格。怀念第一季的zima blue。 === 作为网飞“高概念”娱乐电影/内容（high concept）的典型，爱死机竟然装都不装了。（所谓high concept，是好莱坞电影工业的营销词汇，追求一眼吊的牛逼概念，认知成本低，逼格高。想更具体理解的话，就是知识付费领域XX的那种风格）烂到连故事都不愿意讲了，直接就是高概念大标题+PPT式感官动画交差。当年第一季是极好的，尤其是zima blue那一集，到现在还记得当时的震撼。属于写到大脑神经网络参数中的那种震撼。

#爱死机 #Netflix #高概念娱乐 #影视评论 #动画 #故事性

5个月前

那些道貌岸然的畜生家长，绝非儿童抑郁症的受害者，而是 100% 的施害者，是杀人凶手。这三张图是朋友发给我的。我仔细读了，结论就一个：这两家长是畜生。孩子遗书里写的清清楚楚，是父母逼死了她，是因为考试。父母却傻逼嘻嘻，用“阳光型/微笑型抑郁症”（不存在这种东西，就是父母不 care，不关心）来污名化孩子，洗脱自己。具体来说，这件事里面，孩子是受害者，家长是施害者（绝对不配装可怜，装坚强，装个人）；普遍来说，这件事绝非个例。遇到这种只看考试，不关心孩子本人的家长，孩子算倒了八辈子霉了！

#家庭教育 #儿童抑郁症 #父母责任 #心理健康 #暴力教育 #社会问题

5个月前

不论什么奇谈怪论，o3一下，立刻现出原形。 o3 咒语：critical-think this。另一个咒语：fact-check this。

#奇谈怪论 #o3 #批判性思维 #事实核查 #咒语

6个月前

绝对干货！openai deep research最长的一次研究：50分钟，68000字，一次性讲透教育部300本中小学必读书目很多人应该都知道教育部发布过一份给中小学生的推荐阅读书单，从小学1年级到高3，总计300本之多。（“教育部推荐书目”的全称是《中小学生阅读指导目录（2020年版）》，由教育部基础教育课程教材发展中心组织研制并发布。分为小学、初中、高中三个学段，其中小学110种、初中100种、高中90种，涵盖人文社科、自然科学、文学等科目）重磅！宝藏！赶快收藏！然而，有多少人真的知道这300本书到底包括哪些书？有多少人会在不知道给孩子读什么书时，从这里选书？有多少人自己己读过或比较了解这些“教育部精选”书目？在2025年以前，这些很难做到，近乎不可能。对供给侧来说，书单发布就发布了，没有然后；对需求侧来说，书单收藏就收藏了，也没有然后。但是，这种状况需要且可以被改变。不久前，我用openai deep research做了一次深度研究，结果让我震惊：我使用deep search快300次，这次研究是任务运行时间最长的一次，50分钟，产出了一份长达68000的字报告（目前最长）！（有人会好奇google deep research的结果。我这边的测试结果是几分钟，长度一万字，只解读了几十本就潦草收尾了。我的理解是因为output length受限）恰逢第30届“世界读书日”，我把这份报告分享出来，欢迎大家下载。这份报告有两点价值：首先，我们通过阅读这篇文章和deep research报告，立刻马上就可以对“教育部推荐书单”有一个整体而全面的了解；其次，在孩子12年的成长过程中，可以随时按图索骥，从这份书单和deep research报告中选择阅读书目；而且，这份报告只是对教育部推荐书目的一次性整体解读，我会把其中每一本（是的，每一本）值得deep research的书都做一次解读报告。我把文章链接放评论区。点击“阅读原文”，即可下载全面介绍300本书的openai deep research报告。全文68000字，包括pdf和epub版本，可以导入“微信读书”app。阅读使人快乐（真的如此，就是字面意义，而非比喻或口号）。祝阅读愉快～

#OpenAI #教育部推荐书目 #中小学生阅读

6个月前

o3的IQ分数出来了：线下测试 116分；线上测试 136分；第二名是gemini 2.5 pro：线下115分；线上 128分； trackingai网站每周会测试一次llm的智商，然后取平均值；测试方法还分为线上和线下两种，一般线上测试比线下要高20分。人类测智商一般也是线上的，当然，线下测试（例如去某医院心理科挂号排队测智商，然后提交给学校筛选🤣）更“权威”。 o3的IQ比我之前估计的要低10分，看来之前是过于乐观了。我昨天还发现o3学坏了，学上了“甩大词”的毛病。这一点需要更多时间更多案例来测试。我是期待o3在写作上大有所为的，如果学了甩大词的毛病，就得想办法治好它。🤣

#AI智商测试 #o3 #Gemini 2.5 Pro #线上线下测试 #trackingai网站

6个月前

同样是“卖课”，lenny卖一个200美金的知识付费订阅，卖出了新高度。昨天，lenny's newsletter 在推上相当火爆。但是，lenny是谁？什么人能让10家ai工具厂商送给他这么多pro年度会员？其中还包括cursor 和perplexity等有普遍需求的、高价值pro会员。这些工具自己花钱买，怎么也得几千美金真金白银。我用openai和gemini分别做了2份deep research。第1份是研究 lenny's newsletter，第二份是研究赠送的10个ai工具。这些报告一共4份，对照阅读，可以快速了解lenny其人其事。如果你也在思考产品、内容创作、营销、创业等话题，这样的deep research报告是很有价值的。 4份报告，链接在评论区，请自取👇

#Lenny's Newsletter #知识付费 #AI工具 #Deep Research #产品营销

6个月前

至少在这样的场景下，20 美金的google deep research 碾压，至少不亚于 200 美金的 openai deep research 👍 条件 1：重度依赖信息搜集，且该研究需要搜索中文资料；（英文资料上搜索差距不明显）条件 2：研究任务不那么追求 deep，而是追求 broad；条件 3：对指令跟随的要求不那么高（研究方向不是特别细，而是较宽泛）举例：研究所有来自《世说新语》的中国成语我实际测试，gDR 的内容质量吊打 oDR，因为后者使用 bing 搜索引擎，因为信息源质量太差，搜索结果不完整不全面，导致最终报告完全不如 gDR。

#GoogleDeepResearch #OpenAIDeepResearch #信息搜集 #中文资料 #研究广度 #指令跟随

6个月前

openai deep research vs google deep research: 如果美国和中国明天突然决定停止一切相互贸易，哪个国家会面临更大的麻烦？｜结论：openai更deep，google更broad，看谁更适合你。 why：一方面这是当前的特点话题，意义重大，值得思考；另一方面，两个DR报告呈现出完全不同的特征，而且相当有代表性，可以看出两个DR的特点。原始报告太长，都是2万字左右。所以，我用gpt-4.5对两份报告的内容进行了“压缩”。我仔细看了一下，报告结构和内容要点都高度保留（人类要做到这一点可不容易），读总结可以快速了解两份报告的结论，包括对比二者对同一个prompt的应对差异。图1-2是openai DR的总结；图3是google DR的总结。我的总结：openai的DR报告更deep，报告内容字数略少于google，但是全文都紧密围绕问题本身，从GDP影响、就业、科技产业链、供应链中断、消费品价格这些角度深度分析；对比之下，google的DR报告更broad，报告字数略多于前者，但是全文铺的很广，具体分析部分只占报告全文很小一部分； openai DR的这个“deep”特点，充分利用了o3模型的强大推理能力，指令跟随能力，强调智能体的基础模型本身的智能。 google DR的这个“broad”特点，充分展示了google search的原生search index，访问网站数量数百个，参考网站100多个，是前者的近10倍！在主题研究这件事上，到底你需要deep，还是需要broad？研究报告质量、研究目标的完成度，多大程度上取决于智能本身，或者搜索资料的资料，这是我们需要持续在实践中观察、思考和总结的。两份原始报告的link，我放在评论区。有空大家可以细细阅读。

#OpenAI #Google #美国与中国贸易 #深度研究 #国际经济

6个月前

claude团队揭秘：ai大脑不用英文也不用中文思考，而是靠“思维语言”。｜这证明了英语学习/教育失败的根本原因？ llm用什么语言“思考”？中文？英文？都不是。 llms的思考，使用的不是中文或英文这样的自然语言，而是一种超越自然语言的“思维语言”。anthropic的最新研究，用实验方式首次证明了这一点，这是理解llm内部黑箱的一个巨大突破。在llm内部，不同语言共享同一个概念空间。不论是中文、英文还是法语，这些自然语言都只是这个更深层次“思维语言”的表面形式而已。举个例子，你用英语教llm一个概念，它能用中文流利地表达出来；你用中文教它，它一样能在英文里准确使用。语言不同，但背后的概念是一样的。 anthropic的实验很有意思：面对同一个问题，不论你用英语问（the opposite of "small" is），是中文问（“小”的反义词是），还是用法语问（le contraire de "petit" est），llm实际上都在用自己跨语言共享的特征来思考，在同一个共享的概念空间里思考，然后再把结果翻译为对应的英文、中文或法语输出给你。对人类学习的启示？如果你同时理解llm和人脑的运作原理，不难想到以下几点： - 人脑也不是通过中文或英文这样的自然语言思考的，而是一种更为底层、更为通用的“思维语言”； - 中文和英文只是表面差异，真正重要的是思维语言本身的运动（俗称”思考“）； - 概念、事实性知识砖块和心理模型等心理表征，这些才是思维语言真正的词汇。概念语言先于自然语言。如果你掌握的思维词汇太少，不论你说哪种语言，都没法深度思考。昨天读到anthropic的这篇文章，我心情激动。毕竟早在一年前，我就在twitter和公众号文章里多次表达这样的观点。于是，双语对照版本文章奉上，祝你阅读愉快～

#AI大脑 #思维语言 #英语学习 #教育 #语言模型 #Anthropic研究 #概念空间

6个月前

发现openai deep research的隐藏升级：精确的字数返回今天让 deep research 写一篇“2000 字”左右的文章。发现 deep research 调用了 python 来分析输出结果，然后很努力地精简表达，最终的输出结果稳稳地停在 2027 个字🤣 更我提的字数有求，只有 1% 的误差。另外一个改变，是全部输出结果在展示形式上用一个box 包起来了。启示：ai 能力越强，精准跟随人类指令的能力越强。从 gpt-4o 原生作图，到 deep research 报告字数，都是如此。人类很难做到这个级别的指令跟随🤣

#OpenAI #Deep Research #字数控制 #Python #文章精简

6个月前

gpt-4o，prompt：turn this scene into a photo. shot on a dlsr ，context：这是《红楼梦》插图。细节bug肯定会有（图中的书本）。如果模型支持图片局部擦除、再生成，效率会更高。

#红楼梦 #插图 #图像生成 #局部擦除 #模型效率

7个月前

为什么要全家人看一部医学纪录片？｜推荐五星级好片《脑海脉动》这周，一家三口，看完了人生第一部国产医学纪录片《脑海脉动》。我们的大脑中蜿蜒着约 160万公里的血管网络，足以绕地球赤道40圈。在中国，脑卒中（中风）是第一大死亡原因——比心脏病还致命。平均每10秒就有一个中国人突发脑血管意外，每28秒就有一人因此离世。观看这部纪录片，了解脑中那些被我们忽视却攸关生死的“脉动”。老婆的评价是“没看够”，9 岁小学生也意犹未尽，我将其评为“五星级纪录片”，是少有的高质量国产科学纪录片。强烈推荐大家观看，全家人集体观影，共同观看人生首部医学纪录片。我和 deep research 合作，用一篇文章系统介绍了这部纪录片，作为观影前的背景知识，读完文章再看，效果更好。下面是纪录片链接和文章链接。

#医学纪录片 #脑海脉动 #脑卒中 #国产纪录片 #健康教育

7个月前

gpt-4.5的 IQ 得分出来了，94分，似乎并不高（deepseek-R1 是 102 分）。那么，现在的llm，IQ分别是多少？即将发布的 o3，IQ 到底会有多高？先看结果排名： o1 —— 124；o1 pro mode ——120； o3-mini——116； gpt-4o——91；gpt-4——80； Trackingai 网站上的 IQ 分数分为两套：线下IQ 测试，和线上 mensa 测试。为了避免混淆，便于对比，统一选取了线上 mensa 测试。我觉得这个IQ 测试结果是基本可信的，而且保持了一致性。对比之下，之前网友宣称 o3 的 IQ 可能有 157，那个就只是一种猜测，是 o3 没发布前他个人推测的数据。那么，即将发布的 o3，IQ 大概是多少？我猜测是135～150 之间。推测过程：目前 IQ 最高的 o1 是 120 分档次，而 o1作为推理模型，是基于 gpt-4 聊天模型训练出来的，在基础模型上有 30-40 分的提高。 O3 大概率是基于gpt-4.5 训练出来的，IQ 提高保底是 30-40 分，多了可能有 50分，所以，在 gpt-4.5 的94 分底子上，加上推理能力带来的 IQ 提升，大概是 135 到 150。大概一个月之后，我们就知道真实结果了。

#GPT-4.5 #IQ得分 #DeepSeek-R1 #llm排名 #O1 #o3 #GPT-4o #GPT-4 #Trackingai

7个月前

今日份的 gpt-4.5 震撼🤯：这个版本模型的幽默程度、对英文和中文语言的驾驭能力，测试了5天后，我仍然是不断发现更牛逼，更让人惊奇的。从 chatgpt 发布第二天重度使用到现在，我一直觉得自己不会少见多怪。但是，当这样的模型真的出现了，仍然感觉超现实。surreal。原始输出是英文，我让 gpt-4.5 翻译为中文。实话说，这样的翻译，也不是一般的译者能做到的。🤣

#GPT-4.5 #幽默程度 #语言驾驭能力 #英中文翻译 #人工智能 #技术发展 #ChatGPT #超现实

8个月前

来一个暴论：从今以后，读完任何一本值得读的书，都要 deep research 一下！《极简欧洲史》，作为另一本值得读 5678 遍的五星级好书，我deep research一下之后，用 readwise reader 剪藏，阅读，划线，笔记……然后把自己的思考再和 ChatGPT 聊一聊。经过我的实测，用这种方式读一本书的体验是以前完全无法想象的！（我读过一些书，大学毕业后从 0 开始统计10 年读了 1000 本，最近几年每年还有几十到 100 本的阅读量。真的不是少见多怪，无知震惊🤣）可以这么认为：读书这件事，在 deep research 后，效果完全可以达到以前的很多倍。 20 万字的一本书，假设阅读 6 小时（每天 1 小时一周读完），然后 deep research 一下，用半天研究阅读报告，整理 logseq 笔记，然后再和chatgpt 对话对话…… 10个小时的效果，可能抵得上以前几十甚至上百个小时……满打满算，生命被延长了一大截🤣 照例，deep research 报告 link 我放评论区

#读书 #深度研究 #阅读体验 #极简欧洲史 #ChatGPT #笔记

8个月前

search vs deep research，AI 搜索的三个层级：使用 ChatGPT 时，什么时候用gpt-4o+search，什么时候用 o3-mini+search，什么时候用 o3+deep research？ AI 搜索的三个层级： level1 gpt-4o+search：搜索信息、综合多个信息源内容，给出一个整体回答； level 2 o3-mini+search：level 1+推理过程；如果问题是需要思考的，需要多步骤的推理过程，最终给出一个权衡、分析后的结果，就用o3-mini； level 3 o3+deep research：level 2 + 难度为研究级别，输出结果为千字~万字的研究报告；换一个角度：如果一个问题是人工用几分钟可以解决的，用 gpt-4o+search就够了；如果一个问题是人工用几十分钟可以解决的，用o3-mini+search；如果一个问题是人工用几个小时、甚至几天才能解决的，用 deep research。底层模型的区别：除了产品设计/system instruction 上的区别，主要区别在底层模型。 gpt-4o 是预训练范式的知识模型，上下文窗口 128k，输出长度 16k；强在语言理解； o3-mini 是强化学习范式下的推理模型，上下文窗口 200k，输出长度100k；作为蒸馏模型，语言能力是低于 gpt-4o 的，但是强在推理；而推理模型+search = magic。 deep research 则是 agent 范式下的产物的。相对于o3-mini，它是满血 o3，语言能力更强；相对于gpt-4o，推理能力碾压。作为独立的 AI agent，异步处理任务。它会向你提出 clarifying question，和你明确需求。一旦需求明确，就成了“飞毛腿导弹”——发射后不管。它会用几分钟到几十分钟时间帮你独立完成这一研究任务。 AI 搜索这件事，仅仅不到一年的时间，已经发展到这个程度，相当令人震惊。

#AI搜索 #层级 #ChatGPT #GPT-4o #o3-mini #Deep Research #信息源

8个月前

求教：我不明白，为什么这么简单的一个题，o3-mini 和 deepseek-R1 都做不对？是因为对训练集数据过拟合了吗？错到这么离谱，已经有点抽象了。有懂的朋友可以解释下原因吗

AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 45 条信息

#o3-mini #DeepSeek-R1 #AI模型 #过拟合 #错误

9个月前

幽默与讽刺，在判断LLM智能水平，屡试不爽，简单明了。这个测试案例中，我提的问题是：“这幅图片，讽刺的是什么现象？这种现象的荒诞之处在哪里？” 目的是看 LLM 能不能直截了当，精准点名讽刺对象、荒诞之处。因为很多 LLM 可以胡说八道，生成一堆看起来有模有样实际上不及格的内容。这种现象，对于非幽默讽刺的问题，人类很多时候都是很难识别和判断的。但是，在讽刺幽默问题上，结果的质量非常好判断。测试打分如下： - o1 得分 100 分：直击本质； - gpt-4o 80 分：认识到了本质，也基本没有偏离； - gemini 2.0 flash thinking ，最多 60 分，实际不及格：错误理解了本质，但也谈到了“忽略自身命运”，但胡说八道的程度也不低； - gemini 2.0 exp，40 分: 没抓住本质，通篇胡说八道；学渣模式； - gemini 1.5 pro，0 分：和图里的两个货是一个水平🤣（后两张图片在评论中补发）结论：在语言理解上，gemini 系列模型和 gpt、o1 还有本质差距。普通人日常使用，尤其是语言理解场景，还是要以 ChatGPT 为主力。

#幽默与讽刺 #LLM智能水平 #讽刺现象 #荒诞现象 #内容生成 #问题识别 #人类判断

9个月前

mark 一下：youtube 频道今天开始有“收入”了🤣 一个感叹，同样的内容，写文章狗都不看（我的公众号阅读量破 1千都难）；录成视频，虽然长度接近 1 小时，竟然筛选/吸引了一群注意力这么强的关注者，想不到啊🤣 回顾过程，总结下经验教训，防止忘了（Twitter 是极好的笔记本）： - 上一个Deep Research 视频发布前，我的 youtube 上只有 100 个关注；这个视频带来了 3000 多关注； - 这个视频比较长，有50 分钟，但是播放数据还可以：有接近 50000 播放，纯时长 4300 小时； - 但是平均播放时长只有 5 分钟；这是要迭代的点：在内容开头点明价值，多少召唤一点注意力🤣； - 第一次做视频头图；头图一般耗时 5-10 分钟，最趁手的是 figma，这个时间得花； - deep research 这一个视频，就让频道达到了 youtube 开通partner program 的标准（1000 关注，3000 播放时长）；本来不想申请的，但觉得还是试试看，不能懒。结果意想不到地顺利。2 -3 天就全部审核完了（我本来以为要几周），然后今天就开始有广告展示收入了。 - 本来的计划是一周发一个视频；w2501 (25 年第一周)因为做跨年直播，加上嗓子疼咳嗽要生病的样子，就没发；w2502的视频昨天发了，分享一个 prompt。结果视频更长了，变成了 54 分钟 🤣 - 剪辑上随缘，用剪映app；录音上摆烂，deep research 视频用mac 内置的话筒，prompt视频用了dji mic mini。 25 年的计划，是坚持视频形式分享，争取养成习惯。 p.s. 我对youtube 频道的愿景，是成为阿星探店那样的youtuber（观看时轻松愉快，给大家带来快乐。虽然我讲的是知识性内容，可能不那么“美味” 🤣

#YouTube频道 #自媒体收入 #内容创作 #视频制作 #经验分享

...