这古早瓜太劲爆了！推特顶流 #Gulili谷鲤里_跳跳蛇# 早期下海黑料私拍意外流出。当年还是标志性的短发，私底下竟然玩得这么花！高清镜头下大尺度调教名场面毫无保留，清纯外表下的极致反差视觉冲击力直接封神！🤯 👇 谷鲤里早期短发无删减绝密原盘直达：

最近有粉丝问我怎么搞谷歌邮箱 让我想起之前古法撸毛的时候，手上没几十上百个邮箱，tg，dc 都不好意思说自己是撸毛的😂 这里分享下之前常用的一个网站，啥都有，留着备用

During the rainy season in Wangxian Valley, Shangrao, Jiangxi, you can take in the majestic canyons and the fairy-tale ancient village all at once. 雨季的江西上饶望仙谷，雄奇峡谷与仙气古村一次尽收。 #China# #Jiangxi# #JiangxiScenery# #Jiangxicountrywalk# #cooljiangxi# #夏日江西清凉之旅#

北大数院天才如果没出国，能否拿下菲尔兹奖 拿了菲尔兹奖的王虹如果当年本科毕业留在北大不出去，大概率根本拿不到这枚数学界的最高桂冠。 很多人可能要问，北大数院已经是国内数学领域的天花板了，怎么就留不下一个能冲击顶级奖项的天才？ 先给大家捋清楚，北大4年的本科训练含金量是真的硬。 数学分析、调和分析、几何基础全给你打满，把王虹的逻辑底子磨得密不透风，这是她后来能冲击世界级难题的核心根基。 但问题就出在22岁本科毕业之后的成长阶段，当年的国内学术环境，根本凑不齐她拿奖需要的所有关键条件。 第一个绕不开的坎，就是顶级导师的资源差。 她后来的博士导师拉里古斯，是全球调和分析领域的头号权威，一辈子深耕挂谷猜想和限制性猜想，把自己攒了几十年的独门研究方法全倾囊相授。 那时候北大根本找不到同级别、死磕这个细分方向的国际顶级大师。 更重要的是，人家的指导根本不是填鸭式塞现成答案。 王虹自己之前在北大数院的时候，身边全是奥数金牌得主，卷到她都扛不住，甚至想过放弃数学转行去学建筑，能撑下来都耗光了全部力气。 但拉里古斯从来不会打断她那些碎碎的、没成型的想法，就安安静静等她自己想通。 这种松弛感和信任感，才是真的能把天赋彻底释放出来的钥匙。 第二个关键条件，是能跟你同频死磕难题的顶尖同行。 最后3维挂谷猜想的证明，是王虹和哥伦比亚大学的合作者Joshua Zou一起完成的。 这种级别的青年顶尖搭档，你得长期泡在欧美核心的学术圈里才能碰得到，天天待在北大闭门造车，根本没机会对接上同水平的队友。 科研从来不是单打独斗，同频的人思想碰撞出来的火花，往往就是捅破最后一层窗户纸的关键。 最核心的差距，其实是允许你“好几年不出成果”的宽松环境。 王虹啃下挂谷猜想，前前后后耗了10多年，中间有好几年半篇能打的高水平论文都写不出来。 换在10多年前的国内高校，根本不可能。 那时候的考核有多卷？要你频繁发论文、抢项目、评奖项，青年老师一半精力都要分给教学任务和各种考核，谁敢连续10年啥别的都不干，死磕一个不知道能不能成的世纪难题？ 但MIT、普林斯顿高等研究院这种地方，能允许青年数学家五六年不产出，专心啃大难题，根本不会催你交短平快的小成果。 这种不盯着短期KPI的包容度，才是给慢热型天才留的活路。 说这些绝对不是否定国内本科教育的价值。 和王虹同届拿菲尔兹奖的邓煜，走的是完全不一样的本土成长路径，一个是竞赛天才，一个是没任何竞赛背景的大二转系生，最后两个人都站到了数学界的最高领奖台。 这恰恰说明国内的本科教育，既能养出少年天才，也能给普通人打下最扎实的坐冷板凳的韧性，没有北大那4年磨出来的底子，再好的海外导师也带不动。 现在国内学术圈真正该反思的，是怎么把单一的唯成果论的评价标尺给打破，别再搞急功近利那一套。 别觉得数学是没用的基础学科，现在大火的大语言模型，本质上就是个极其复杂的数学概率游戏，一个国家底层数学的高度，直接决定了未来AI创新的天花板。 等哪天我们国内的学术土壤，也能给愿意沉下心走十年长路的年轻人足够的耐心和空间，不用跑出去也能摘到菲尔兹奖，那才是真的在底层科技上把根扎稳了。 你觉得现在的本土学术环境，离养出完全本土成长的菲尔兹奖得主还有多远？

为什么中文 AI 圈讨论的，都是别人玩剩下的    去年底，Karpathy 在推特上发了篇长推，提到程序员的角色正在重构：不再是古法编程代码，而是指挥 AI。   当时国内几乎没什么人讨论。我有个做 AI 应用的朋友，他看完那篇推文后，立刻把团队的技术招聘重心，从“精通某个语言及框架”转到了“理解 Agent 编排和工作流设计”。   这事让我挺受触动的。   作为创业者，我太清楚这种时间差的价值了。   但现实是，真正硬核前沿的信息，绝大多数都在英文世界里：推特上的大佬争论、YouTube 上的深度访谈、arXiv 上的最新论文。   语言确实是个门槛。   为了能高效直接的看懂这些一手资料，而不是看别的二手版，我开始用沉浸式翻译。它不是那种复制粘贴的翻译框，更像是一个直接嵌在网页里的双语插件。    使用起来非常简单无缝，安装好谷歌插件之后，后点击网页右上角按钮即可将网页变为双语对照。    以下是三个具体的应用案例

王虹此前的采访，她曾坦言，在北大的日子让她很沮丧（feel discouraged）。她最初并非数学系学生，历经曲折（费好大的力气）才得以转入；而在她的履历中，还有一个极其醒目的“空白” —— 她从未参加过任何数学奥赛。北大校友网的官方报道曾写道：“王虹未曾接受过系统的数学竞赛训练，她对数学的最初想象，仅仅源于阅读课外书以及独自琢磨书中的难题。” 回忆起在北大数院的时光，她的表达坦率：那是一段不断挣扎的过程，甚至直言当时觉得“能生存下来就不错了”。王虹这一生的挫折，感觉都留在北大了。 保研失败后，深陷自我怀疑的她远赴法国巴黎综合理工学院就读。她说，很快她发现建筑需要不断说服他人投资，而数学能赋予她独立研究的自由。于是决定重新投身数学。在法国取得硕士学位后，她前往麻省理工学院（MIT）读博。最终在数学博士导师拉里·古斯（Larry Guth）的引领下在科研中建立自信，逐步攻克了几何测度论与挂谷猜想。 如果没有导师古斯的循循善诱和赏识，王虹这颗明珠或许真的会被蒙尘，甚至被时代错过。

看了很多吐槽批判的文章，却没人讲这些细节。而这些细节可以让你更加全面看待一些事情。王虹，2007年16岁(16岁很多人才初中毕业)以653分考入北大，因分数未达数学系录取线才被调剂到地球与空间科学学院。她入校前就想着转系了，然后大一时兼修数学系课程并通过了严格的转系考核。但你要知道，北大数院本身就天才云集，她当时展现的能力并不突出。她自己都讲过“一直在挣扎，能生存下来就不错了”，并坦言曾因此怀疑自己是否适合数学。本科成绩并非顶尖，因此也未能获得北大保研资格。2011年本科毕业后，她赴法留学。而且在法期间，因为前面的打击，她有半年完全脱离数学，选修建筑、在事务所实习。然后她觉得建筑受现实制约，而数学更能自主创造，于是才又回归数学。最后在2014年获巴黎综合理工学院工程师学位及巴黎第十一大学硕士学位。然后她前往麻省理工学院攻读博士，导师是著名数学家拉里·古斯（Larry Guth），进入调和分析领域。在数学领域，王虹并不是一个开局很顺的人，也可能是之前年龄偏小，一些潜能还没未挥出来。而且是这几年才发了论文逐步完成了整套证明，最核心的是在25年发表的论文，正式宣布解决三维挂谷猜想。她既没有特别亮眼的竞赛成绩，属于非竞赛生的典型，早期也没有突出的成绩，属于有天赋，但早期不顺，坚持下去的典范。

古特雷斯警告，霍尔木兹海峡通航已“近乎停滞”，全球粮食、能源和贸易安全面临冲击。他表示，冲突开始以来油价仍高约36%，全球集装箱运价较一年前上涨84%，化肥等必要投入品成本也在大幅上升；航行权与自由是国际法，关系数十亿人的基本物资供应。

古德哈特定律已经在现代社会各个高智力，尤其是高竞争密集领域极致演现。 一旦某个结果被这个符号认证，后续资源分配，如资金、职位、影响力、媒体曝光会急剧倾斜。 于是，从业者会自然把目标从把事情本身做好、部分转向如何更高效地拿到这个符号。 When a measure becomes a target, it ceases to be a good measure. 我观察到的科研界，研究人员会研究 Nature 最近几年爱发什么方向、什么叙事结构、什么程度的“novelty claim”更容易过审。
导演和制片则会研究奥斯卡投票人的口味、当前政治正确风向、Inclusion Standards怎么勾选最省力。 内容本身，开始为过审逻辑服务。 而一篇论文如果包装成颠覆性发现、漂亮的图且符合当前热点，即使后续复现率一般，也可能先上 Nature。
一部电影如果在关键、主题、阵容上精准踩中当前学院审美和配额要求，即使故事本身平庸，也更有机会冲奖。 而为什么符号会吞噬本业呢？ 复杂的现实世界信息量是巨大的、高维的。 人类社会为了进行资源分配，必须将这些高维价值压缩成低维符号，比如小金人、影响因子、估值数字、点击量。 一旦符号确立，评价体系的评委、审稿人、资本、算法就成了守门。从业者很快会发现，迎合低维符号的特征，比攻克高维复杂现实要容易得多、性价比高得多。 本质上，这是人类在面对复杂系统时，为了降低不确定性而进行的自我阉割，努力把最难的、不可控的本质创新替换为了可量化的、可套公式合规生产。 优化策略成熟后的结果是，系统会形成一套极具壁垒的八股， 专注于把事情本身做好的异质化探索，往往因为无法高效对齐评价体系的语法而被边缘化。最终，系统完成了闭环。精于符号操纵的人获得了最多的资源，进而巩固了这套评价体系的绝对权威。 面对这种无孔不入的符号异化，极少数真正伟大的从业者通常会采取两种对抗姿态。 第一种，冯·诺依曼式的解耦。 绝对看透这套游戏的规则与漏洞，以极高的效率在极短时间内拿下所有符号（顶级期刊、奖项），然后将其彻底抛在脑后，去真正解决那些无人问津的硬核问题。 第二种，卡夫卡式的疏离。 保持对符号体系的冷漠，甚至主动拒绝被收编，在主流评价体系之外建立自洽的、高密度的内驱力场。 到这里，引入一个概念，Maximize Reality。 其实，把事情本身做好，追求的就是对客观现实的Maximize Reality。 它是对抗系统熵增的。 如果评价权力的精准投机成为显学，整个时代就会陷入一种过度符号化当中。 为了符号去调整内容，而不是内容自然产生符号，是一种需要反思的异化。