#中国人权# #每日一推# #良心犯# 第388期:八年前今天（2018年7月4日)湖南株洲女孩董瑶琼在上海海航大厦前直播表达对中共专制统治的不满,批评当局对民众实施洗脑与思想控制,并向习近平画像泼洒墨汁,随遭警方抓捕。2021年2月初其第三次被强关精神病院至今近五年半,这位勇敢的“泼墨女孩”仍被强迫失踪生死不明 #董瑶琼：1989年9月26日出生，湖南省株洲市攸县桃水镇人，原上海房地产公司中介职员，推特名#:feefeefly，人称“泼墨女孩”，中国良心犯。 2018年7月，曾因用Twitter在上海市海航大厦前直播其对中共独裁专制的不满，并批评当局对百姓实施洗脑逼迫，并对中共最高领导人习近平的头像泼洒墨汁，进而引起社会广泛热议；7月4日，其被上海市警方抓捕，自此失联，其推特账号被人关闭；7月16日，被上海市警方送回湖南省攸县老家，并以疑有“精神病”为由被变相关押于株洲市第三医院，直至8月1日其父在株洲市第三医院与女儿见面之后，方知其泼墨行为已被当局定性为“攻击国家领导人”； 2019年11月19日，董瑶琼被取保释放，并被送到湖南省攸县桃水镇母亲住处,其明显变胖和之前判若两人(图三)；据悉，董瑶琼在株洲三院“治疗”期间，被强制喂服不明药物，不从则会招来辱骂和殴打，曾一度被强制固定锁在病床上。而目前已出院回家的董瑶琼仍被要求服药，其中有名称为“奥氮平”的精神科化学类药物。 2020年11月董瑶琼发视频说，她第二次出院后被安排到政府上班，却遭到当局严控。她透露，自己的工作自由、交往自由都受限，也无法与父亲联系。她表示现在决定发推，是因为她已不再惧怕政府，如果她再次被送进精神病院、一辈子出不来了，她也认了。 2021年2月9日，因董瑶琼的母亲配合当局，签字同意将其健康的女儿送进精神病医院，当地“政府”给董母建了一栋房子。董瑶琼父亲董建彪愤怒斥责其母丧尽天良，要求她接女儿出院，多次声明董瑶琼没有精神病，为其维权，发生冲突，被关进监狱，并遭杀身之祸。2022年9月23日董建彪惨死在狱中。而董建彪的亲属接通知后，赶到停尸房，发现董建彪尸体上有伤，而且国保要求尸体5天内火化。距今董建彪狱中被迫害致死已经3年10个月。 这是董瑶琼第三次被湖南当局送进当地精神病院。她上个月曾发推说，美国外交官得知她的近况后，间接告知希望与她私下会面。其此次再度被失踪，疑指已第三度关进株洲市第三精神病医院，至今未予释放；其推特内容已被人清空； 目前,泼墨女董瑶琼仍处于强迫失踪状态，生死不明。 #HRIC# #关注在押良心犯# #董瑶琼# #泼墨女孩#

最近香港系列很火 我也来讲讲我在香港这十几年的所见所闻吧 我准备出一个系列，聊聊新移民的真实生活——教育、医疗、保险、就业、金融……可能不够专业 但一定够真实。 先从我刚到香港的时候说起 那年我跟父母投资移民过来，受养人签证，家里在元朗买了套千万别墅，算很早一批的投资移民。当时我想插班香港的本地名校，像拔萃、圣保罗这些，人家基本不收大龄插班生（中学都算大龄），别说内地转校过来，本地人转校都不怎么收。转头找国际学校，很多也不收大龄的。而且我一直想找寄宿学校，结果全香港只有一两家：哈罗要200万债券，圣士提反不收插班生，最后只能放弃寄宿。 说回来香港之前，我在重庆中考考了680（满分750），重庆所有名校随便保送。但为了来香港，高一我脱产半年all in学英文——新概念和雅思。 之后我在重庆的国际学校也读了半年。重庆那所国际学校要求必须是外籍子女才能进，所以大部分同学都是外国人：韩国人、加拿大人、美国人，西班牙人等等，很多都是外企比如福特汽车的高干子女。那半年我结识了很多不同文化的朋友，非常国际化。 但是那边的师资真的没有香港好。我在课上至少纠正过物理老师4次错误，他经常在物理化学上出错，还得我去给他指出来。因为我从传统学校出来，理科比文科好，所以在重庆国际学校的考试，理科我都基本拿第一。 可是到了香港的国际学校（那所在香港挺有名，内地也有很多分校），情况完全不一样。当时债券20万，现在涨到50万了。上课我还是特别吃力。全英授课的物理、化学、生物，老师讲的我大部分听不懂。课堂上经常一脸懵，只能课后自己啃材料、读PPT、翻教科书，再找人补习，然后疯狂刷题。香港毕竟是国际化都市，师资资源比重庆好太多了，老师们讲的东西也更深更超前。 我记得很清楚，大概10年前，我进香港那所国际学校不久，经济老师在课上讲了比特币。当时我有一个香港同学，他买了很多比特币，很认真跟我说“比特币就是未来”。但我们大多数同学都不以为然，觉得那是什么乱七八糟的东西。我们中国人嘛，习惯以应试为目的，只会学书本上的东西，老师讲超出课本的内容，我当时也听不懂，也没当回事。结果就这样错过了发财的机会。现在想想非常后悔。 再说说我进学校之后的所见所闻。能进这所学校的，非富即贵。同学里面有深圳海岸城老板的孩子，有内地各种知名实业家的后代，甚至还有星二代（具体是谁就不说了）。大家确实有钱，但很多家庭特别复杂。离异重组算轻的，有的一夫多妻，有的好几个同父异母的孩子只送了一个来香港，还有的是私生子被送出来读书。总之家里有钱，但很少有人管孩子。老师也不会push学生，全靠自觉。 学校里的小圈子非常明显：香港人跟香港人玩，外国人跟外国人玩，内地人跟内地人玩。外国人其实占比很少，因为香港的国际学校不需要你是外籍。我上课很多时间也不听讲，大部分时间都是课后自学，刷了无数遍past paper，疯狂恶补专业词汇。那两年我花的时间比普通IB上来的同学多得多，再加上CAS、社工、写论文，时间管理拉到极限。现在回想，我最厉害的时候可能就是那两年。最终我考上了港大。 还有值得说的是，香港一直都是穿校服，大家也没有什么很强的攀比心理。有时候看到同学拿爱马仕铂金包来上学也见怪不，因为在这个学校比的也根本不是谁有钱，没有钱的人也进不来。 后面我会陆续讲这些年我的租房经历、香港大学生活、医疗、保险、就业等等。 不过大多都是很多年前的旧事，现在世界变了，大家只当个参考吧。 最后也要提一下 最近香港券商政策收紧 想买大宗商品美股的可以咱们看看链上 上Tradfi产品 种类繁多 费率很低 7*24小时多空双开！ @sunwukong_DEX @HuobiGlobal

巴菲特卖光了 今晚去参加一对朋友的婚礼了，我已经很久没参加朋友的婚礼，毕竟40多岁的人，同龄的要么已经结了，要么离了，要么不打算婚了。 这次的新郎新娘都是内容行业的大v，男方是公众号平台的小声比比梓泉，女方是微博平台的闪光少女斯斯，各自都有几百万粉丝，两人都开了媒体公司，都很能挣，这样的组合在年轻人里大概是top0.1%级别的。 去之前我就被告知本次婚礼将进行线上直播，初听消息的时候我还愣了一下，但旋即释然，这大概就是年轻人的玩法。他们说这是一场人生并购的发布会，现场还挺有那种范的，前台签到，专人引导，拍照打卡墙，草坪布置了嘉宾发言环节，有专业的转播团队，架了五六个机位拍摄。 你们别看我线上每天对着几十万人逼逼赖赖，到了线下手里没有键盘就是个废物，老老实实领了一个社恐牌，避开镜头默默去墙角边站着。 现场到的嘉宾大都也是各个平台的主播大v，那些出镜的脸熟好认，往来寒暄社交颇为热闹，像我这样写博文的就低调多了，只要不说话站那边就是小透明。现场和我相熟能打上招呼的也就ayawawa，她和我是同龄人，聊天的时候随口提到mop，我笑着说不小心暴露年纪了 北京这边的习俗是早上结婚，中午吃饭，只有二婚才放晚上。但是比比（西安）和斯斯（徐州）都不是本地人，不讲究这个，另外我猜测可能是下午和晚上直播看的人会多一些，哈哈。现场能看出来，斯斯是那种对一个隆重的婚礼有很高期待的女生，比比则是尽力满足和取悦自己的新娘。 我注意到一个情况，就是这次的婚礼男女双方的家人似乎都没有来，来的都是内容行业的朋友，包括斯斯婚纱进场，通常都应该是父亲牵的，但这次现场牵她的是刘润。我寻思他两的婚礼可能有好几场，去老家和亲友们一场，在北京的这一场主要面向媒体。 这也是新时代网红大v的觉悟，愿意和网友分享自己人生的重要时刻，其实我也是，我虽然不拍视频不出镜，但我每天在生活里的喜怒哀乐也习惯在晚上的文章里和你们分享。 我问过梓泉，我现场拍的照片方便发吗，他说没问题，随便发。 话说今天路上坐车的时候，我妹妹也给我发了他和男友刚拍的结婚证件照，整挺好，两人打算年底领证。他两不是公众人物我就不发了哈。 今天真是个好日子，喜庆。 …… 简单捋一捋周末发生的事情。 1、根据CNBC的报道，巴菲特在上半年已经清仓比亚迪，全卖完了。巴菲特最早是在2008年以18亿港币抄底比亚迪，然后过去几年全部卖出累计套现600多亿港币，赚了超过35倍，年化收益超过20%。他对比亚迪的投资主要是好伙计芒格推荐的，不过在芒格去世之前就已经开始减仓比亚迪，至此巴菲特已经不再含有来自中国的仓位。 他历史上还在2002年买过中石油港股，2007年清仓，把分红算上的话赚了6倍。中石油第二年在a股上市，后面的事情你们都知道的。 巴菲特从来没买过a股，之前有人给他推荐茅台，他说自己考虑过，但最终没买。 2、我看了一些券商对国庆中秋假期的白酒销售分析，降速已有改善，下滑预期已经包含在股价里，进一步下修的空间小。说句你们能听懂的就是值博率在快速上升，但要注意牛市行情多半是跑不过科技板块的，比较适合不愿追高且有耐心的股民。 3、苹果17销售大超预期，是近几年来最受市场欢迎的机型，我一开始还以为有什么重大创新，结果看了一下产品介绍，这次受欢迎的原因就是“加量不加价”，配置升级了价格没涨，这不就是内卷嘛，好家伙苹果也放低身段了。 苹果要求代工厂立讯精密将日产量提高约40%，接下来果链可以乐观看高一线。另外立讯精密还有别的好消息，他们搭上了openAI，目前已经获得了至少一款openAI的产品组装合同。 4、始祖鸟（安踏旗下）一波反向营销上了热搜，联合蔡国强在喜马拉雅山搞了一波烟花表演，这几天被骂烂了。他们解释说材料环保并且有审批手续，但这种在神峰头上放烟花的行为就很迷，我说像市场公关和媒体品宣部门一定要找有网感的年轻人，不要让老登瞎胡闹，西贝贾国龙就是惨痛教训。老登们最好有自知之明，不要直接面对互联网，你们的思维已经锈了。 5、韩国核电站发生事故，我昨晚有分析，简单总结就是问题不大，影响可控，对a股核电板块应无大碍。 6、周五多只大盘股尾盘异动，新易盛、中际旭创、药明康德、百济神州拉升，中国核电、中国联通、万花化学大跌。这个是因为富时罗素50指数成分股调整造成的，但不是每一次调整都会有相同的波动，否则就很容易被套利。我盲猜可能就是一些被动基金工作疏忽忘记提前调整，最后卡点调仓，这个世界到处都是草台班子。 7、彭博社一篇报道说中国储户坐拥23万亿美元储蓄，正在小心翼翼重返a股，因为除了股票几乎没有更好的投资选择。这话有一定道理，房地产目前比a股还要磕碜，低利率正把储蓄资金往a股挤，但很多韭菜之前几波行情被伤的太深，轻易也不愿意回来，这是本轮行情一直热度起不来的原因。 我周五ic交割的时候减了3手ic，到目前为止一共减仓4手，还剩27手，后面接着涨就接着减。 就这些，发射。

Google 與聯發科深化 TPU v9 合作，開發升級版 Triggerfish，聚焦 AI 代理、強化學習與有效算力最大化 1. 我最新的產業調查顯示，Google 將在 TPU v9 / Humufish 的基礎上，開發代號可能是 Triggerfish 的升級版 v9 晶片，並由聯發科獨家取得此單價更高的新增訂單。 2. 此升級版晶片是以 Humufish 為基礎的延伸新案，定位為更強推論能力的 v9 改版，可同時緩解 CPU wall 與 memory wall。此案也進一步驗證聯發科是 Google 在 TPU v9 世代的合作首選廠商。 3. 此 v9 改版與 Humufish 的主要差異，在於：SRAM 容量顯著提升至 Humufish 的 2–3 倍、新增 simulation die、升級至 HBM4E（vs. Humufish 的 HBM4）。 4. 新增 simulation die 的可能功能除了本地 TPU 管理、訓練 / 推論模式切換等，關鍵聚焦在強化學習（RL）與 AI 代理協作。 5. 更大容量的 SRAM 可將更多 RL 與 AI 代理所需的活躍工作集（active working set）留在 TPU 本地，降低資料搬移成本，提升超低延遲 decode 階段的效率。 6. 在 Humufish 生命週期 400‒500 萬顆出貨預估不變下，Google 額外追加 100–200 萬顆 Triggerfish 訂單，預計 2027 年底開始生產、2028 年放量；因Triggerfish 單價較 Humufish 高約 30%，有望成為聯發科 2028 年營運動能的新增量。

大概一個月沒碰寶可夢卡牌 AI 比賽了 今天重新回歸，一天內從700多名打進銀牌區。 到了這個階段，比的已經不只是牌組設計，而是資料工程、驗證方法論，以及AI演算法的能力了，好久沒研究強化學習了，這幾天也複習研讀了一波。 距離比賽結束還剩 9 天，繼續往上爬。 目標拿個 Solo Gold！

一个法学生，从0开始用 Codex 搞出了 AI 记忆系统和视频商业化产品，YouTube 一个月涨了十万粉，教程全部开源。 每次看完逸尘老师的文章，总有一种坐不住的感觉，想立刻打开 Codex 试试。 逸尘 @gengdaJ 法学出身，后来一头扎进 AI 创业和内容创作。 他现在做的事情是用工具搭知识库、效率系统和视频变现流程，已经跑通了好几个 AI 产品的营收，YouTube 增长速度也很猛。 最让我服气的一点是，他把那些听起来很复杂的工具教学，做成了你照着走就能跑起来的东西。 不是那种“来看看我用了什么工具”就结束的分享。 他是从记忆管理怎么搭、多 Agent 怎么协作、视频怎么剪怎么发怎么赚钱，一步步拆开给你看，核心代码和框架是直接开源的。 看他发的东西，你会有一种感觉：这些工具不是什么遥远的概念，就是能马上拿来干活的。 早期逸尘老师主要是记录自己拿 AI 工具做项目的实验，分享一些心得和踩坑。 后来他发现大家真正缺的不是“这工具好不好用”，而是“我到底怎么一步步靠它做出点成果来”。 于是他开始整理 Codex 的进阶玩法： 从基础记忆优化到复杂的 Agent 记忆库，再到视频自动化和商业化，学习过程全公开，开源项目不断迭代。 后来我觉得转折点是他想通了一件事： 别光讲功能，要讲“从0到1怎么把这东西变成钱或者变成产品”。 把工具和真实问题、收入场景绑在一起，内容的吸引力一下子就不一样了。 那么我们可以从逸尘老师身上学到什么 一个是专注沉淀自我 他不是那种什么新工具都要碰一下的人，就是把 Codex 吃透，拿真实项目反复练、反复优化。 其实今天就可以选一个 AI 工具，挑一个自己想解决的问题： 比如搭个人知识库或者搞个视频处理流程——边做边记录关键步骤和踩过的坑。 另一个是他分享的形式 他会把复杂操作拆成清晰的步骤，配上具体案例和代码，有用的部分直接开源。 以后学东西的时候可以试试这个： 先写基础设置，再写进阶应用，最后加一个实际场景。 这样既巩固了自己的理解，发出来别人也能直接照着做。 还有一个是他始终在想“这东西怎么帮我省时间或者多赚钱”，不是为了学而学 每周花点时间想想，手头的工具到底怎么帮自己创造价值，然后小范围试试，记录结果，慢慢形成自己的一套东西。 第四件事——他会记录完整的创业思考。 不只讲成功的部分，避坑、走弯路、调整方向这些他也说。 把自己的 AI 学习和项目经历整理成笔记，定期回头看看哪些方法有效、哪些该换，进步会快很多。 法学的背景让他讲东西的时候特别注重框架感和能不能落地。 他能把技术操作翻译成普通人看得懂的清晰思路，还会分析风险和实际怎么走通，这点对不是技术出身的人特别友好。 自己学工具的时候有时也会陷进细节里，他的方式提醒我——多想想这东西到底服务于什么目标。 看完他近半年的推文，我有一种很强的感觉： 逸尘在用行动回答一个我一直纠结的问题——文科生怎么把 AI 工具真正用起来，而不是永远停在“了解”的层面。 他的做法是：专注一个工具、把过程拆开分享、绑定实际价值、记录完整过程。 这四件事结合在一起，就是一条可复制的从0到1的路。

统计了大家跑通的AI项目： 1. token中转站，海外账号代购 2.闲鱼代写论文，代做图，简历优化 3.做垂类产品，算命，帮捞女吊凯子，AI数字人带货 4.卖AI教程，卖教人用 AI 赚钱的课和知识星球门槛 5.搬运/生成内容，赚各平台流量收益 6. Al Trading 炒币，炒股，polymarket，跟单，数据监控 7. AI 起号崩老头 8. AI 做个性化学习工具(如考研/考公题库生成+错题分析)，通过小程序或知识星球变现，复购和口碑传播都很强，比纯内容赛道更抗平台风控 9. AI P图和视频 10. 网盘拉群私域 11. 如图所示 “接软件定制” 🤡 还有其他的吗？

想学强化学习，看论文太硬核，看博客又太碎片，找一份系统又不劝退的入门资料不容易。 《The Little Book of Reinforcement Learning》这本开源书籍，篇幅不长，从基础概念讲到常用算法。 附带全套 PyTorch 代码，书里讲到的每个算法都有可运行的实现，边读边练。 GitHub： 还有一份动态规划的详细推导作为补充，想深入数学细节的可以对照看。 对强化学习感兴趣、想从零入门的朋友，这本小书适合当起点。

分享一套很适合补「现代强化学习」的开源教程：Hands-On Modern RL。 它的学习路线很完整，从 CartPole、DQN、PPO 这些经典 RL，一直讲到 RLHF、DPO、GRPO、RLVR，再往后延伸到 Agentic RL、工具调用、多轮信用分配和 VLM RL。 我比较喜欢它的一点，是「实践优先」。很多章节都配了可以直接运行的代码、训练曲线和失败案例，比如从零实现 PPO、数学推理 GRPO、Mini Deep Research Agent，以及 VLM 的 GRPO 训练。训练崩溃、Reward Hacking、KL 漂移这些实际问题也被当成正式内容来讲。 尤其 Agentic RL 部分很值得看。它把训练对象从一次回答扩展成完整 trajectory，讨论工具调用、环境反馈、多轮信用分配和异步 rollout，而这些正是 Agent 从「会回答」走向「会长期行动」之后绕不开的问题。 现在很多 RL 教程还停留在经典控制，这套资源已经把学习路线一路接到了今天的大模型后训练和 Agent 研究。 不过项目自己也提醒，目前仍在快速迭代，而且有 AI 协助生成，部分内容尚未全面审稿，阅读时最好结合论文和代码一起验证。 项目链接：

这篇讲 forecasting RL 预测强化学习的文章挺有意思。 它做的事情可以这样理解： 拿一批已经有结果的历史预测题，让 AI 回到当时的时间点。 但不能让它直接上今天的互联网，否则会偷看到答案。 所以作者搭了一个「时间遮罩」环境： 搜索只能搜当时以前的资料； 网页通过历史快照读取； 金融和趋势数据也只给当时可见的部分。 然后让模型自己查资料、判断证据、输出概率。 等真实结果揭晓后，用 proper scoring rule 给它打分，再用 RL 去强化更好的预测过程。 这点最有意思： 训练的不是一句答案，而是整套预测动作： 查什么、读什么、什么时候停、怎么处理冲突证据、最后给多少概率。 放到预测市场里，我觉得第一步还不是让 AI 自动交易。 更应该先让它保留 forecast diary： 1. 当时概率 2. 使用证据 3. 市场价格 4. 是否会交易 5. 后续结果 6. 错因归类 如果一个系统说 60% 的时候，长期并不像 60%，那它还不是策略，只是会写理由。 如果你也想练习“记录预测 → 等结果 → 校准自己”，可以从小额/模拟开始，把它当预测日记，而不是交易建议。 我自己用的链接： 原文在这里： 我觉得最值得看的不是结论本身，而是它把“预测”拆成了一个可以训练和复盘的过程。