深刻学习了四个小时孙哥和艾伦的访谈
精简内容如下,没资源背景也可落地执行:
第一幕:能跟 AI 对话,就不要跟人类对话
孙哥把一条原则推到很极端:能跟 AI 对话,就不要跟人类对话。吃饭时他会问 Claude 先吃哪一口、再吃哪一口。每天饭前拍一张、饭后拍一张,用来估算摄入了多少卡路里。现在也在用蛋白粉和肌酸,吃完就练,动作主要是硬拉、深蹲这几个。训练日练,非训练日正常工作,日子就按训练日和非训练日分开。
他真的在践行这条原则,一直问 Claude Code:今天摄入了多少卡路里。他还有睡眠监测的智能指环,两者相减,就能估出今天烧掉了多少脂肪。
专门给 Claude 开了健身项目:拍照、教练录视频发给 Claude 纠动作、写训练日记。全部 AI 化、可视化、数据化,照片和文件存在本地,写成 md,同时建理论。
第二幕:没资源、没人脉,怎么重新开始
现在是最好的时代。一个月可支配收入不超过一千块人民币,也可以一个一个讲。Claude 太贵就先不用,注册 Kimi,找便宜的模型装上,把所有东西收进一个 md。先全部 AI 化、整合,生活全部 AI 化,用理论武装自己。眼下最重要的就是 AI 化,零成本开始。我要 md 文档,每天去各个 AI 薅免费额度。
零基础起步就是三套理论
第一是孙学:
用理论武装自己,对万事万物的理解都用孙学升级
第二是薄肌:
身体健康很重要,薄肌一定要练
第三是黄毛理论:
做了会挨笑、会遭嫉妒,别人说什么不管,自己认为对的就直接执行
这三套,从 20 岁用到 40 岁。坚信自己的路,最核心的掌舵者是 AI。相信 AI 的话,随时随地可执行。
要把自己的现状变成数据,全部 AI 化,做现状分析,让它帮你分析。随时有问题就问 AI。还要建立对人类科技文明走向的观察,抓最新前沿,AI 抓和自己抓都可以,找到最感兴趣的去钻。以 AI 为主,其他为辅。升级思想,也升级身体。问 AI:我要升级。从跟微信聊天到跟豆包聊天是升级,从豆包到用 API 跟全球 AI 聊天又是升级
所有文件记得保存在本地,这是最重要的。写一个 md,让它读取你自己,又是一波升级。
第三幕:年轻人最值得做的方向
所有东西都会变便宜,年轻就是财富,只有时间最宝贵。所有行业都会被 AI 改变,都充满机会。AI 是乱拳打死老师傅,它能分析、能往前探路。数学上,你都能顺着 AI 给的思路,一步走到博士水平。AI 拉平了人与人的差距,把人彻底解放出来。天文学也有很大进展。挣钱的路太多了,合法的也超级多。
API 价格各地不一样。做 token 中转,或者代充、地理套利,商机要到全球去找,不要局限在自己的国家。必须全球性地发现需求,做全球的生意,各地需求其实差不多。千万不要把自己限死。
商业最基本的是有没有创造价值
比如 token,有的地方便宜、有的地方贵,你让贵的地方用上便宜的,价值就体现在客户面前。中国也遍地是机会。把东西卖到全世界,把想法卖到全世界,就不用发愁卖不出去。要走向世界,跳出眼前这个处境。
不建议年轻人只按自己的思路下判断,可以多学、多听、多看。买房先看一百套房,买车先看一百辆车,地段什么的都看。读书百遍,其义自现。中国大学生面对一百个行业,不必急着自己做决定。先看一百个专业。问题是自己看得太少。
一定要先把图打开,信息多了,判断才会更正确
先探图,再针对性造兵,不要急着造。玩游戏也是这样:把地球 Online 当成游戏去看、去玩,然后再做决定。打王者荣耀也一样,要知道对面开什么、打了多少野、什么时候开龙。
第四幕:年轻人的五条路,以及薄肌
点出年轻人的几条路:数学、生物、天文学。这几条数据量大的路都可以走。AI 更擅长自己处理数据,学术界也一样,很多算法会被颠覆,需要年轻人去做,包括数据清洗。现在是捡钱行情。20 到 40 岁是最好的年纪。有了 AI,遍地可以捡钱,但一定要用上。再夸张一点:大学生加 AI,有机会超过诺贝尔奖那个量级
最简单的是练薄肌,需要时间,但一上手就立竿见影。年轻人必须练。Claude 说过一句:你想 80 岁自己走进来吃饭,还是被人推着轮椅进来?有薄肌,就是自己走进来。巴菲特没薄肌,所以是被推进来的。生物规律没办法抗拒,自然规律不可违背,所以要练。人均都该有薄肌。AI 时代没有借口,只有执行。人的时间会更宝贵,主要时间就拿来练薄肌。
碳基和硅基要分清:我们要的是碳基超长待机
年轻人练薄肌,杠杆很高,机会也遍地都是
怎么才能活得长?
大概 25 分在肌肉,25 分在心肺,薄肌都能往上加,而且薄肌可以自动燃脂。这条路几乎只有薄肌。它符合科学依据,年轻时就要练,喝蛋白粉没问题。认知很重要:自己想明白肌肉有益健康,才能把《薄肌圣经》看下去。先认定薄肌是对的,才看得进去。
第五幕:财富自由之后,下一个十年怎么规划
孙哥的理论是:去有鱼的地方捕鱼,逐水草而居。哪个地方能发挥最大价值,就去哪里。能赚钱,就说明价值大。行业里的溢价,AI 最有潜力。不要买车、买房、结婚把自己定死。很多人说要跟老婆商量,于是拒绝去大城市,这是错的,会把自己框死。机动性要强,灵活性最重要。选适合自己的。理论小众是好事,小众往往就是风口。骂得多,反而说明越来越对。
第六幕:孙宇晨在干什么
问到 Tron、孙宇晨奖,以及把数据证明翻译成 Lean。这部分意思不大,可以跳过。
第七幕:自媒体、数字化与认知
自媒体时代,数字化非常重要。人要先发言,才可能给出更正确的发言。这些平台产出的结果,大概率是对的,推特就是一个很好的平台。
AI 是挡不住的趋势,数字货币是未来方向。赚钱是做对的事,不要逆趋势。大胆做异类,异类才会有大结果。很多人不成,是因为失败了还停在原地。自媒体是很好的杠杆,做自媒体就是做多自己。
让 AI 来测:要求自己测哪些数据。没症状也要做,主动健康管理会成为主流。很多人不练肌肉,还是缺执行力,这是认知缺陷。要对自己的健康负责,自己执行这些理论。认知决定命运。
这个 AI 时代,认知就是最关键的,甚至比赚钱更关键。越有钱、越成功,自我会越强,就越容易跟不上时代。
张罗起来之后就开始实行薄肌理论,该测的指标都测了。孙哥说自己占了薄肌理论的便宜,本质上是更容易升级、追求健康。与其攻击,不如赶紧加入。
一代版本一代神。认知要不断升级。良言只能劝有心人,只能救愿意改变的人。
小我很重要:根据对面的信息,做出行为上的改变。拿到新信息就改。世界上不怎么存在抽象的“智商”,更多是信息灌进去多少。所有东西都在灌注信息。
要当六边形战士,所以都要吸收。认知逐步迭代,智商是认知的外显。版本很重要。
第八幕:地球 Online 的版本更新
地球 Online 也一样,会大版本更新
房地产砍掉百分之五十,AI 加上百分之一百,核心还是 AI
能跟 AI 对话,就不要跟人类对话。去做基础设施。地球 Online 版本更新慢,两年一更,虽迟但到,这个版本一定会出来,会修 bug。马斯克也有认知缺陷,除非到了伟人那个级别。年轻人反而好,因为听得进劝。现在什么钱都没有,更容易听进去;自我太强的人听不进去。年轻人只需要一键安装
第九幕:财富自由之路,先自由后财富
财富自由之路的博客,十年之后孙哥说要更新,把薄肌的补丁理论也写进去。也有了新的 AI 工具,医生知道怎么做是对的。我们要更新自己的版本。什么是财富自由,要升级一下。
孙哥说:先自由,后财富。财富是伴生品。重要的是先搞清楚理论,再去玩。
跟打王者一样,先懂机制,再练英雄,才能带妹。自由了,才更容易获得财富。
自由不需要门槛,是自己给自己的,是认知上的提升。你认为自己自由一点,就更容易获取财富,这是螺旋上升的飞轮。
练薄肌可以睡得更少,然后更愿意练,进入正循环。要改变自己,缺的还是执行力。定好就坚持,做成一套完整的飞轮。先建立认知。
农民工的薄肌往往是被动练出来的,所以要先懂了再说。先懂,再执行。理论要先悟道,悟道太重要。时间会证明一切。
悟了和没悟,背后都要有理论。先把人吸引过来,再讲认知体系。聊了很多地球 Online 的运行机制。认知更新太重要了。
第十幕:有钱解决不了的,还是认知
真正有钱之后,什么是钱解决不了的?还是认知。有钱不一定有认知。可以玩一个游戏:有了三千万,或者今天中了三千万,怎么破产。先自由,后财富。
第十一幕:婚姻和家庭
怎么看婚姻和家庭?孙哥说看不懂婚姻和感情。感情跟有多少钱没关系。这块还没打补丁,现在还不行。
第十二幕:人活着的意义
其实是玩家心态。人被扔进地球 Online,还在探索期,逐步摸清一些门道
为什么要灌注更多信息?
AI 也是混沌体系,人生目前也在混沌里
前百分之五十先看,后百分之五十觉得对了,再下结论、出理论。孙哥说悟道了再说。知道得越多,越不能急着下结论。在这个游戏里,领悟就是更深一层,就是享受生活,just enjoy now。先看,看完再发表观点。先增加体验,把数据灌给自己。理论用来解释行为。孙哥用的是体验论、实验的态度:先上了再说,先做了再说,拿到信息之后再消化。先别急着结束,可以再等等、再看看、多试试。不要提早下结论。体验大于结论。
人生的意义是体验的集合,体验就是一切。孙哥要在推进体验的路上一直走。
第十三幕:三个标杆,以及体验本身
孙哥的三个标杆:马斯克、巴菲特、特朗普
从他们身上吸收商业的极致、科技、长期,以及个人 IP。商业基本盘从这三个人来。中国学马云。不要过早把自己的思维定型,要触类旁通
人生没有标准答案。在成为“最正确的答案”的人之前,自己都不知道自己是不是正确答案。每个人都有自己的地图
很多人一开始追求意义,追求意义没什么意义,体验本身才有意义。文学是体验的结果
人生的体验,只要大方向对,就没什么错
尽情去体验,不用纠结自己是不是一直在唯一正确的路上。只要打的方向是对的就可以,不必一直在意意义
显示更多
王虹拿奖,有几个细节想拎出来聊聊。
一、北大作为”原生学校”的意义
王虹在菲尔兹奖的新闻采访里没有感谢北大,她感谢的是自己在法国的老师,说是法国的学术训练让她坚定了对数学的热爱。
我的理解是,北大在她的故事里扮演的是”原生学校”的角色——类似原生家庭。它提供了一套非常全面基础的本科训练,这是真的;但师生关系里的人文关怀相当稀薄,这也是真的(去各大论坛搜北大数院的自述,能看到大量说自己在数院自卑了四年得不到认可的描述)。
在一个 IMO 奖牌遍地跑、大神密度极高的环境里,王虹的位置几乎注定尴尬:她不是竞赛生,是从地空系考进数学系的高考转系生。面对一群绩点逆天的应试佼佼者,受挫(discouraged)几乎是结构性的。她自己在采访里的说法也印证了这一点——本科阶段,她一度怀疑自己是不是真的擅长数学。
还有一个细节:她去美国读博之前先去了法国,而当时替她写留法推荐信的,是大一地空系的一位主任老师。这是否侧面说明,她在数学系后半段的学习并不理想,以至于找不到足够多愿意为她背书的老师?后来看到更多同届同学的回忆,才知道她本科时的 GPA 确实不高。
二、评价的错位,比评价本身更值得看
北大师友回忆她:不是竞赛生,成绩不算突出,班上偏内向、话不多,但极其自律、肯下苦功。
法国同僚那边给出的形容词是:活泼、开朗、有想法。
巴黎理工的老师评价她:直觉罕见,远超同年级所有学生,能快速攻克超纲难题;是那种天赋、韧性、思维深度全部拉满的极罕见学生。
MIT 的博导评价她:研究气质”慢而深”,不被传统路径束缚,能用新方法找到前人没看见的突破口。
同一个人,隔着一个太平洋,被描述成了两种生物。
今天听到一个说法,觉得特别贴切:
“一个人被说内向,她不一定真的内向,而可能说明她在这个环境里失权。”
三、纯数研究讲究”师傅带进门”,也讲究真正的热爱
去法国大概是她学术生涯真正的转折点。
Yvan Martel 教授告诉她,学习中遇到任何困难可以先攒着,下次见面再问。她说,那是她第一次意识到:我不必独自解决所有问题。
后来她去 MIT 跟着 Guth 读博,此后一路进的都是最前沿的组:MIT、普林斯顿、UCLA、NYU Courant、IHES。在傅里叶分析和几何测度论这两个方向上,她遇到了足够多有统治力、有真 insight 的领路人。
这些组给的从来不只是资源,而是一套很难自学的判断力和科研审美:
•哪些公开问题其实早就没人关心了;
•哪些看起来很小的问题,背后连着一个重要理论;
•哪些猜想看起来重要,但用现有方法根本推不动;
•某篇论文哪里有洞,哪里还可以推广。
这种品味几乎只能从人身上长出来。长不出来的人往往不是不够努力,而是从没被行业的执牛耳者/伯乐 真正带领过,眼界始终没能打开。
最后一点:纯数、理论物理,或者任何基础学科的研究,一旦掺进功利心,多半会更难成功。因为科研不顺是常态,而功利心会把每一次卡壳都翻译成”我是不是不行/我干别的会不会更好”,让人陷进无尽的自我怀疑和内耗里。
Quanta 记录了她在法国重新走回数学时的那个决定,她的原话是:
“我决定不再纠结自己是不是够好,只管把东西理解得更透一点。”
我在王虹的成功里看到的是这种纯粹的热爱,也因此受到了鼓舞。发自内心恭喜她。
显示更多
恭喜两位华人数学家 - 王虹和邓煜,获得了 2026 年菲尔兹奖(Fields Medal)。这是中国数学史上的里程碑:第一次有两位中国培养的数学家同时获得菲尔兹奖,也是中国本土教育体系培养出的数学家首次获得这一奖项。
菲尔兹奖 = 数学界的诺贝尔奖。由于诺贝尔奖没有数学奖,所以菲尔兹奖被认为是数学最高荣誉。
它有几个特点:每4年颁发一次;最多4位获奖者;获奖者必须 40岁以下。奖励的不是一篇论文,而是整个年轻时期开创性的贡献和未来潜力。
这次两位华人数学家同时获奖,是华人的骄傲。王虹和邓煜都是北京大学数学科学学院 2007级本科校友,基础教育主要完成于中国(本科均在北京大学起步),随后在欧美继续深造并成长为世界顶尖数学家。因此,这被视为中国数学基础教育与国际科研体系共同培养顶尖人才的重要标志。
我这里想好好介绍一下王虹,清秀又优雅,有着邻家女孩的亲切,也有数学家的睿智。
广西桂林出生,本科北京大学,硕士去了法国巴黎萨克雷大学(Université Paris-Saclay),PhD是MIT,现在同时任教于法国IHÉS(高等科学研究所)和纽约大学Courant数学研究所(Courant Institute)。
今天看到法国总统给王虹打电话祝贺的视频,发现王虹法语也很好,真是优秀的人,全身都闪光!
王虹到底厉害在哪里?
她研究的是两个数学里最难的方向:Harmonic Analysis(调和分析)与Geometric Measure Theory(几何测度论)。
听起来很抽象,其实可以这样理解。
如果把世界看成:光、声音、无线电、激光、电磁波……
那么数学家要回答的是:这些波到底怎样传播?
而王虹研究的就是这些最底层的数学规律。
她解决的是 Kakeya 猜想 - 数学界著名的百年难题。
简单来说:假设你有一根无限细的针。
你希望它:360°所有方向都能转一圈。
那么:需要多大的空间?
这个问题听起来像几何游戏,
实际上却影响:Fourier分析,偏微分方程,波传播,信号处理,CT扫描,MRI,无线通信及密码学。
2025年,她与Joshua Zahl证明了三维Kakeya猜想的重要结果,被认为是近年来分析学最重大的突破之一。
她是历史上第三位获得菲尔兹奖的女性,也是第一位获得该奖的中国女性数学家。
Girl Power!
(下一条推文再好好说说邓煜,多才多艺的数学家)。
显示更多
SPMO跟踪的标普500动量指数 完整技术细节
该指数是学术经典12‑1动量因子(剔除最近1个月收益)+波动率风险修正+缓冲选股+动量‑市值加权+权重硬约束+半年调仓的标准化量化策略,也是它对比MTUM、SPY具备超额收益、熊市抗跌的全部底层来源。
计算动量分数 → 股票筛选 → 缓冲规则降低换手率 → 权重分配 → 定期再平衡完整展开。
一、动量分数精确计算公式(最核心参数)
1. 原始动量值(Momentum Value)
\text{原始动量值}=\frac{P_{M‑2}}{P_{M‑14}}‑1
1. M = 再平衡所在月份(3月、9月)
2. P_{M‑2}:再平衡月份往前推2个月末的收盘价
3. P_{M‑14}:再平衡月份往前推14个月末的收盘价
4. 本质含义:统计过去12个月收益,强制剔除最近1个月的股价数据。
为什么剔除最近1个月?
金融市场存在短期反转效应:过去30天暴涨的股票,大概率会出现回调。指数刻意放弃短期情绪带来的涨幅,只抓取1‑12个月的中期持续趋势,这是学术论文验证的动量因子最优观测区间。
补充约束:如果个股上市不足12个月,就采用过去9个月数据计算动量值,上市未满10个月直接剔除,不纳入候选池。
2. 风险调整动量得分(最终排序分数,决定股票排名)
\boldsymbol{\text{风险调整动量得分}=\frac{\text{原始动量值}}{\sigma_i}}
\sigma_i:和上面时间区间完全一致的个股日收益率标准差(波动率)。
这条规则是SPMO和普通动量策略最本质的区别:
1. 上涨阶段:同样的涨幅,走势越平稳、波动率越低,最终得分越高。会排除暴涨暴跌的题材炒作个股,优先选择稳步持续上涨的龙头标的(英伟达、博通这类标的持续走强,波动率可控,因此权重被持续拉高)。
2. 下跌阶段:跌幅相同的股票,波动率越高,得分相对更高,在熊市会优先剔除持续阴跌、趋势彻底走坏的股票,这就是2022年熊市SPMO回撤远小于SPY、MTUM的直接数学原因。
3. 之后会把全部标普500成分股按照该得分从高到低排序。
二、股票筛选规则 + 20%缓冲机制(控制换手率的关键设计)
1. 初始目标持仓数量:固定选取100只股票,对应标普500成分股动量得分排名前20%的标的。
2. 20%缓冲(缓冲区)规则,用来避免临近排名阈值的股票半年内反复调入调出,控制交易损耗,完整执行逻辑:
1. 排名1‑80名:无条件纳入指数。
2. 排名81‑100名:如果当前不在持仓,则新增买入。
3. 排名101‑120名:如果已经在原有持仓中,继续保留持仓,不会被剔除。
4. 排名121名以后:无条件剔除出指数。
3. 最终持仓数量严格锁定为100只股票。
对比MTUM:MTUM没有这套缓冲规则,调仓换手率显著高于SPMO,交易成本更高,行业分布更分散,无法集中重仓AI龙头。
三、权重分配公式(决定前十大重仓占比60%‑65%)
个股权重由两个变量共同决定:股票自由流通市值 × 风险调整动量得分,权重公式:
w_i=\frac{\text{自由流通市值}_i\times\text{风险调整动量得分}_i}{\sum(\text{自由流通市值}_i\times\text{风险调整动量得分}_i)}
同时设置两条硬性权重上限约束:
1. 单只股票权重上限取二者更小的值:9%,或者该股票在SPY(标准标普500指数)权重的3倍。
2. 结果:动量得分越高、市值越大的股票,权重会被指数自动放大。英伟达、博通这类持续动量最强的大盘科技股,权重被指数算法持续放大,形成高度集中的重仓结构,这是AI牛市阶段SPMO收益碾压另外两个产品的直接原因。
• SPY:仅按照市值加权,完全不看动量分数。
• MTUM:单只个股权重严格限制在5%,并且选股池包含中盘股,无法集中押注大盘科技龙头。
四、再平衡(调仓)时间参数
1. 再平衡固定日期:每年3月、9月第三个星期五收盘执行调仓,一年仅2次再平衡,半年调仓一次。
2. 调仓参考数据:调仓决策依据的是2个月末截止的历史价格数据,不会使用调仓前几天的最新股价,避免短期市场波动干扰选股决策。
3. 换手率:年化换手率大约35%‑45%,远低于月度调仓的动量策略,费率0.13%,交易损耗被严格控制。
五、和MTUM底层策略逐条对比(解释业绩差异)
1. 选股池:SPMO仅限标普500大盘股;MTUM选股池是美股大盘+中盘股,金融、周期股更多,科技股权重更低。
2. 动量计算:SPMO严格剔除最近1个月收益,波动率调整;MTUM采用MSCI动量指数,波动率修正幅度更弱,更容易纳入高波动个股。
3. 权重约束:SPMO单只股票最高9%权重,允许重仓强势龙头;MTUM单只股票权重上限5%,持仓更加平均分散。
4. 缓冲机制:SPMO有20%缓冲规则,MTUM没有,换手率更高。
六、散户对应投资结论
1. 牛市环境:动量因子生效,算法持续加仓趋势最强的大盘龙头,收益会持续跑赢SPY。
2. 加息熊市环境:波动率调整机制会提前剔除趋势走坏的股票,回撤显著小于宽基指数。
3. 震荡横盘市场:动量因子会阶段性失效,MTUM分散持仓的表现会相对拉近与SPMO的差距。
4. 最优配置方式:长期底仓持有SPMO,替代传统标普500指数基金,实现标普大盘的量化增强。
信息仅供参考,不构成投资建议。
显示更多
🛜 十个最实用的免费工具网站,存下来能用一辈子,建议收藏!
1、WolframAlpha
一个会解题的搜索引擎。数学、物理、化学的题目直接输进去,它不光给答案,还把每一步过程列出来。
理工生和要查科学数据的人离不开。
2、Perplexity
会标出处,回答最快的 AI 搜索。
问它一句,直接给你一段整理好的答案,还注明每句话从哪个网页来的,省得自己开十个标签页一篇篇翻。
3、Hugging Face
AI 圈的 GitHub。
几乎所有开源大模型、数据集都堆在这,想找个模型来跑、找份数据来训练,第一站就是它。
4、MIT OpenCourseWare
麻省理工把整门课的讲义、作业、考卷全免费搬上网。想自学哪门大学课程,这里有世界顶级名校的完整教材,一分钱不花。
5、Internet Archive
互联网的档案馆。
一是网页时光机,能翻出任何网站几年前长什么样;
二是海量免费老书、老电影、老唱片,随便看随便下。
6、DeepL
公认比谷歌翻译更地道的翻译工具,译出来的中文更像人写的。整篇文档、专业资料丢进去也翻得顺。
7、
传一张图,三秒自动把背景抠干净。做封面、抠商品图、抠人像都靠它,不用再打开 PS 一点点描。
8、Z-Library
全球最大的免费电子书库。
专业教材、原版外文书、各种工具书,搜书名直接下 PDF 或 EPUB,啃教材、查资料省下大笔买书钱。
9、Carbon
把代码变成好看图片的网站。贴一段代码进去,自动生成带配色、带窗口边框的截图,发推、写技术文章配图特别专业。
10、Hacker News
硅谷程序员和创业者最爱泡的论坛。新的科技、创业、编程动态往往这里最先更新,想抓一手风向就刷它。
互联网最值钱的东西大多免费,只是没人告诉你在哪。
显示更多
GPT-5.6和Fable 5联手搞定了一个25年没人证出来的通信理论问题。
说出来有点反常识:用的算法是2000年代就有的。
符号LMMSE估计加热心逐位翻转,复杂度O(N³),简单到通信工程师看了会说这不就是我们一直在用的那个吗。
问题是大家用仿真跑了二十年都知道它好使,但谁也没能从数学上严格证明它确实达到了信息论最优阈值。
现在证明出来了。在N×N高斯MIMO信道上,这个简单算法在SNR≥2log N时就能把N个比特全部正确恢复,跟指数时间的最大似然检测打平。
那个从2000年代初就悬在那儿的计算-统计鸿沟——统计上能恢复的时候,多项式时间算法到底行不行——关掉了。
证明分三步。先证LMMSE初始估计离真实解只差亚线性Hamming距离,再证真实解附近每个错误比特翻回来都有正增益而且优化路径跑不偏,最后证任何下降路径必然收敛到精确解。
就这些,没有新数学。
真正有意思的部分在后面。
Dimitris Papailiopoulos是这个问题早期的研究者之一,他自己说得很直白:无线通信领域早就不关心这个了。
大规模MIMO、5G/6G、编码、神经网络检测器,这些才是现在的热点。精确块恢复阈值这个问题,被社区丢在角落大概十五年。
它不是那种全世界聪明人都在攻但攻不动的明星问题。
它是那种大家都知道应该有人证、但谁也没真坐下来花几个月把冗长的证明磨完的问题。因为不划算。
证出来了也发不了顶会,领域已经走了,学术生涯不会因此加速。
然后AI来了,花了不知道多少时间,把它证完了。
这件事比结果本身值得注意。它说明一个事:很多长期开放的问题,缺的不是新数学,是有人愿意把已知的工具足够耐心地拼到正确高度。这个证明不需要灵光一闪,需要的是不犯低级错误地推很多步,在该卡住的地方找到正确的技术路径,然后一直推到底。
人会烦。人会觉得这个问题不够性感。人会在证明到一半的时候去做更热门的东西。AI不会。
它不在乎问题流不流行,不在乎证明过程好不好看,它就一直推。
Dimitris管这叫把Death Star对准那些社区已经搬走但逻辑上还没关闭的老问题。我觉得这个说法很准。
想象一下各个学科里散落着多少这种问题——被遗弃的理论死角,证明就在那儿等着人写,但没人写。现在AI可以极低成本地一个一个扫过去。
当然实用价值有限,算法本身20年前就在用了,证明只是给了个理论盖章。现代通信系统关心的是软输出、是编码增益、是近似算法,不是严格的精确块恢复。O(N³)对真正大规模的MIMO也偏重。
但证明技术能迁移到随机格点解码、同步问题、稀疏恢复这些相邻问题上。
而且它展示了一种新的研究模式:人来判断哪些问题值得攻、给出方向和关键直觉,AI负责把那些需要耐心但不需要天才的长证明推完。
我看完最大的感受跟AI能力关系不大。就是觉得,有多少东西其实早就可以被解决了,积木都散在地上,就差一个不会无聊的人把它们搭起来。
显示更多
数学、物理、计算机这些靠推导和实验的方向,原来的活会被 AI 替掉一大半。标准也变了:从算得快、推得准、会重复实验,变成能不能定义好问题、能不能核验 AI 的结果。
Anthropic 的多智能体把费马猜想的证明占比从 42% 推到 67%;AlphaGenome2 能预测基因突变。都是她的转述,数字还得等官方发布。
很多研究员基本不再写代码了,让 AI 读论文、跑实验,真正值钱的是 AI 出错时能看出方向不对。
显示更多
最近几天,我在思考一个极重要的问题。
一个不设榜样、蔑视传统方法论、只信自己判断的人,和一个以榜样为路径、执着于寻找并遵循成功法门的人,二者会走出怎样不同的轨迹?谁的上限会更高?
下面我先给几个我觉得能说明问题的案例。
拉马努金 vs 哈代
这是最干净的思想自然实验,因为两个人最后合并成了一个系统。
在我看来,拉马努金是纯粹的无模版者,没有证明概念,没有文献意识,靠《数学概要》那本二流习题集加上“娜玛吉利女神托梦”就往前推。
他确实到了别人到不了的地方,那些模形式恒等式一百年后还在被挖掘着。
但代价也极其清晰,他花了大量年份重新推导已被证明的结果,把发散级数的形式操作当成真理,把黎曼猜想推错了方向。他之所以没有消失在马德拉斯,是因为哈代,一个完全传统训练出来的人,充当了接口。
哈代自己说过,他一生最大的贡献是发现了拉马努金。其实,我一直觉得这句话反过来读更有趣:无模版、榜样的人的产出需要一个模版持有者才能变现。
所有既有的方法论和成功模板,其实都是在过去的环境中总结出的局部最优解。
沿着榜样的路走,你最好的结果也就是成为那个榜样的复制品,你的上限天然被榜样所在系统的边界所封顶。
虽然我先确立第一个判断:没有榜样、模版的人,他的上限绝对高。
当然, 极高上限的另一面是极高的方差。无榜样者如果没有与之匹配的极强认知力、元学习能力与极度客观的自我修正能力,极易陷入盲目自大与造劣质轮子的陷阱,最终很容易沦为无人问津的偏执狂。
我想到了一个最重要的案例:民科。
跟拉马努金的表面特征几乎完全重合,无师承、蔑视共同体、坚信自己直觉、自成体系。
区别只在一点:拉马努金的东西可被验证为对。
当年,哈代拿到那封信时说,这些式子必然是真的,因为没人有那么大的想象力编出假的来。而民科的自我体验跟拉马努金一模一样,同样的确信,同样的孤独,同样的被拒绝叙事。
对大部分人,从内部你分不出自己在哪一边,只有外部接触能告诉你。
商业领域,我想到了两个人。
马斯克,乔布斯。
他们在叙事上是彻底的反模版者。
马斯克极其蔑视既有的行业咨询报告与传统方法论,乔布斯坚持“用户不知道自己要什么,直到你摆在他们面前”,马斯克则直接用第一性原理拆解电池成本与火箭造价,强行在没有任何既有商业成功模板的领域硬生生砸出一条新路。
但其实,他们在操作上是极端的模版聚合者,SpaceX 早期就是把 TRW 和麦道那批人连同他们几十年的工程手册一起买过来。也就是说,马斯克和乔布斯反的是行业惯例,并非物理和工艺。
这两件事经常被混着讲,导致模仿者出现了认知谬误,只学了叛逆。
下面,谈谈我最后一个观察,可能比案例本身,重要的多。
上面这些名字全是幸存者。
失败的无模版者不留下名字(但可能民科是唯一可见的失败样本,因为他们持续发声),失败的模版追随者更不留名字,他们只是变成了一个普通的、还行的职业者。
所以,任何用案例做比较都天然高估无模版路线,因为它的方差大,尾部亮,中位数惨。
如果你想要稳健的小成,模式匹配就足够,在成熟、规则清晰、结构稳定的领域,遵循顶级榜样的训练路径和成功法门,能让人以极高概率进入前列的精英阶层。
显示更多
我认识了一个做投资的大哥。
这人其貌不扬,穿个拖鞋就能去谈几千万的项目。
我问他,你决策这么准,是不是有什么内部消息?
他点了根烟,说:“我有个屁的内部消息。我就是个贝叶斯主义者。”
我当时惊讶。。。贝叶斯?那个概率论里的公式?这玩意儿跟投资有啥关系?
他看我一脸懵,就笑了。他说:“你以为贝叶斯是个数学公式?贝叶斯是一种活法。”
那天他跟我聊了三个小时。我听完之后,后背发凉。因为我发现,我过去三十年的思考方式,全是错的。
一、
先说贝叶斯到底是个啥。
你肯定听过那个公式:P(A|B) = P(B|A) * P(A) / P(B)。别怕,不用记。你就记住一句话:
根据新的证据,不断调整你的判断。
就这么简单。
但简单归简单,真正能做到的人,万里挑一。
我给你举个例子。你早上出门,看见天阴了。你心里想,今天可能要下雨。这个“可能要下雨”,就是你的先验。就是你根据过去的经验,对一件事的初始判断。
然后你出门,感觉空气湿漉漉的,风也起来了。这时候你更相信要下雨了。这个“感觉”,就是新证据。
你根据这个新证据,把你的判断从“可能下雨”调整到“大概率下雨”。这个调整后的判断,就是后验。
然后你走到半路,一滴雨砸在你脑门上。你立刻把判断调到“肯定下雨”,然后跑起来找地方躲。这就是再次更新。
你看,你每天都在用贝叶斯。只是你自己不知道。
二、
但大多数人用贝叶斯,只用了一半。哪一半?收集证据的那一半。他们不用更新判断的那一半。
什么意思?
你想想,你是不是经常这样:你跟一个人吵架,你认定他就是个自私的人。然后他做了一件事,明明是为你着想,你却说:“他肯定是有目的的。”他帮你,你觉得他虚伪。他沉默,你觉得他冷血。他解释,你觉得他狡辩。
你收集了所有证据,但你从来不更新你的判断。你的先验是“他是个自私的人”,然后所有新证据,你都用来强化这个先验,而不是修正它。
这不叫贝叶斯。这叫确认偏误。
贝叶斯思维最狠的地方,就是它要求你:当证据足够强的时候,你得承认自己错了。
不是嘴上承认,是心里真的改。
我那个投资大哥跟我说,他每年都会复盘自己看错的项目。他说,看错不可怕,可怕的是看错了还不改。他说,他每次做决策,都会先写下来:我现在的判断是什么?我为什么这么判断?然后等三个月,等半年,看结果。如果结果跟判断不符,他就问自己:是证据不够?还是我的先验错了?
如果是先验错了,他就改。改得越快,亏得越少。
三、
贝叶斯思维里,有两个东西特别关键。一个叫基础概率,一个叫似然比。
基础概率,就是你还没看证据之前,这件事本身发生的概率有多大。
我举个特别经典的例子。假设有一种罕见病,发病率是千分之一。现在有一种检测方法,准确率99%。就是说,如果你有病,它99%能测出来。如果你没病,它也有99%能测出来是阴性。
现在你去体检,检测结果是阳性。请问,你真正得病的概率是多少?
大多数人会想:99%啊,完了,我肯定得病了。
错。大错特错。
我们来算一下。一千个人里,有一个人得病。这个人检测阳性,概率99%,所以有一个真阳性。剩下999个人没病。但检测有1%的误报率,所以999个人里,大概有10个人会被误报为阳性。
现在你告诉我,在11个阳性里,真正有病的只有1个。所以你得病的概率,不是99%,而是1/11,大概9%。
你看,这就是基础概率的力量。你被那个“99%准确率”吓到了,但你忽略了“这个病本身发病率只有千分之一”这个基础概率。
我那个大哥说,他看项目,第一件事就是问:这个事儿,在行业里,成功的基础概率是多少?如果这个行业90%的人都失败了,那你就别听创业者吹得天花乱坠。先把这个90%放在心里,然后再去看他的证据。
似然比是什么?就是一个证据,在“你对”的情况下出现的概率,除以在“你错”的情况下出现的概率。
我举个例子。你怀疑你老婆出轨。你发现她最近经常加班。这个“加班”的证据,有多强?
如果她出轨了,她加班的概率可能是70%(要腾出时间)。如果她没出轨,她加班的概率也可能是70%(工作忙)。那这个似然比就是70%/70%=1。意思是,这个证据屁用没有。它不改变你的判断。
但如果她出轨了,她加班的概率是70%。她没出轨,加班的概率只有20%。那似然比就是70/20=3.5。这个证据就比较强了,能把你的判断往“出轨”那边推一推。
你看,不是所有证据都叫证据。只有能区分两种假设的证据,才叫证据。
贝叶斯思维就是教你:别被那些似然比为1的证据带偏。 别因为对方今天没回你微信,就觉得他不爱你了。因为他不爱你的时候可能不回微信,他忙的时候也可能不回微信。这个证据,区分度太低。
四、
好,道理讲完了。现在我给你走一遍完整的。就一个问题:我对象是不是不爱我了?
这是贝叶斯思维最实用的场景,没有之一。
假设你最近觉得对象不对劲。回消息慢了,电话也少了,你问他怎么了,他说没事。你心里开始犯嘀咕:他是不是不爱我了?
大多数人会直接跳到结论:他肯定不爱我了。然后开始翻旧账,越想越气,最后要么冷战,要么大吵一架。
但如果你用贝叶斯思维,你会怎么做?
第一步:先定先验。
在你观察到他冷淡之前,你觉得他爱你的概率是多少?
你们在一起两年了,平时感情不错,没有大的矛盾。那你先定一个:80%。就是说,在没有新证据之前,你相信他80%是爱你的。
这个80%,就是你的先验。
第二步:看第一个证据。
他最近回你微信很慢。
现在你问自己两个问题:
如果他还爱你(80%的那个假设),他回微信慢的概率是多少?
可能是20%。因为他最近项目忙,加班多,或者他就是个不爱看手机的人。
如果他不爱你了(20%的那个假设),他回微信慢的概率是多少?
可能是70%。因为他在疏远你,不想跟你说话,看到消息也不想回。
现在算一下。先验是80%对20%。证据的似然比是20%比70%,也就是0.29。
什么意思?就是说这个证据,更偏向“他不爱你了”那一边。因为它在不爱你的情况下出现的概率,比在爱你的情况下出现的概率,高了两倍多。
更新之后,你的后验是多少?
大概从80%降到了 62%。
你看,降了,但没崩。你还是倾向于相信他爱你。但你的信心,从80%变成了62%。你心里有了警惕,但还不至于直接翻脸。
第三步:看第二个证据。
他又忘了你们的纪念日。
再问那两个问题:
如果他还爱你,他忘纪念日的概率是多少?
可能是15%。因为他最近真的太忙了,或者他本来就是个记性差的人。
如果他不爱你了,他忘纪念日的概率是多少?
可能是60%。因为他不把你放心上了,纪念日对他来说不重要了。
似然比是15%比60%,也就是0.25。又是一个强烈偏向“不爱”的证据。
从62%再更新:
大概降到了 38%。
现在,你已经从“大概率爱我”变成了“大概率不爱我”。但还没有到100%。
第四步:看第三个证据。
你翻他手机,发现他跟前女友最近有联系,聊天记录删了一部分。
再问:
如果他爱你,他跟前女友联系还删记录的概率是多少?
可能是5%。因为正常交往不需要删记录。删了,说明有问题。
如果他不爱你,他跟前女友联系还删记录的概率是多少?
可能是80%。因为他已经在找退路了。
似然比是5%比80%,也就是0.06。这是一个极强的证据。
从38%更新:
大概降到了 3%。
现在你可以行动了。因为你的判断,已经从“他可能不爱我了”,变成了“他几乎肯定有问题”。
你看,贝叶斯思维不是让你不生气。它是让你在该生气的时候才生气,该翻脸的时候才翻脸。
大多数人是什么样?第一个证据出来,就炸了。直接跳到100%的结论,然后大吵大闹,最后发现可能只是误会。
而贝叶斯思维让你一步一步走。每一步都算概率,每一步都更新判断。等到证据足够强了,你再行动。这时候你的行动,是有根据的,不是情绪化的。
五、
那怎么把这个思维,用到生活里?
我给你三个心法。
第一个心法:把你的判断,从“是/不是”变成“百分之多少”。
大多数人想问题,是二元的。要么对,要么错。要么爱,要么不爱。要么行,要么不行。
但贝叶斯思维告诉你,世界不是二元的。世界是概率的。你的每一个判断,都应该是一个概率。
你觉得这个项目能成吗?别说“能”,说“我觉得有60%的概率能成”。你觉得这个人靠谱吗?别说“靠谱”,说“我目前觉得他80%靠谱”。
为什么?因为一旦你用了概率,你就给自己留了更新的空间。如果他说60%能成,结果没成,你不会崩溃。因为你知道还有40%的可能。但如果他说“肯定能成”,结果没成,他就崩溃了。
第二个心法:每次遇到新信息,问自己两个问题。
第一个问题:如果我的判断是对的,这个信息出现的概率有多大?
第二个问题:如果我的判断是错的,这个信息出现的概率有多大?
如果两个概率差不多,这个信息不重要,别理它。
如果第二个概率远大于第一个,这个信息非常重要,你得认真对待,甚至要改判断。
我那个大哥跟我说,他当年投一个项目,所有人都说好。但他发现一个细节:这个项目的创始人,在提到竞争对手的时候,眼神闪了一下。他就问自己:如果这个创始人真的胸有成竹,他提到对手会眼神闪吗?可能会。但如果他其实心里没底,他提到对手会眼神闪吗?更可能。所以这个证据,让他把判断从80%下调到了65%。后来这个项目果然出了问题。
他说,细节不是用来证明你对的,细节是用来修正你的。
第三个心法:记录你的预测,然后复盘。
这是贝叶斯思维里最反人性、但也最有用的一步。
你每次做判断,都写下来:我现在认为这件事的概率是多少?为什么?
然后等事情发生。如果结果跟你预测的不一样,你就问自己:是我先验错了?还是我忽略了某个证据?还是我高估了某个证据?
慢慢地,你的预测会越来越准。你的证据权重会越来越合理。你的判断会越来越接近真相。
我那个大哥说,他有个本子,记了十几年。上面全是他的预测和复盘。他说,这个本子,比任何商学院都值钱。
六、
最后,我想跟你说一个我自己用贝叶斯思维改变的事。
我以前特别容易生气。别人说一句我不爱听的,我立刻炸。后来我用贝叶斯思维问自己:我为什么生气?因为我有一个先验:他应该尊重我。 当他没有按照我期待的方式说话时,我的先验被挑战了,我就炸了。
但后来我想,这个先验本身,概率是多少?一个人,在所有时候都尊重我,这个概率有多大?其实不大。每个人都有自己的情绪,有自己的立场,有自己的表达方式。他可能只是今天心情不好,可能只是说话直,可能只是没意识到。
所以我把先验调低了。我不再默认“所有人都应该尊重我”,而是默认“大多数人大多数时候是善意的,但偶尔会冒犯我”。这个先验更符合现实。
然后我再遇到类似情况,我就不炸了。我会想:他这句话,是真的针对我,还是只是随口一说?这个证据,在“他针对我”的情况下出现的概率是多少?在“他只是随口一说”的情况下出现的概率是多少?
很多时候,算完发现,似然比接近1。也就是说,这句话根本不能说明他针对我。那我生什么气?
你看,贝叶斯思维,不只是让你决策更准。它还能让你情绪更稳。
因为你知道,你的判断,只是一个概率。既然是概率,就有可能是错的。既然是可能错的,那就不值得为它拼命。
七、
所以,什么是贝叶斯思维?
它不是让你变成一个冷冰冰的机器。它是让你变成一个更聪明、更开放、更不容易犯错的人。
它告诉你:你的每一个信念,都不是真理。它只是一个当前最好的假设。
它告诉你:新证据来了,你要做的不是捍卫自己,而是更新自己。
它告诉你:承认自己错了,不是失败。承认自己错了,是进步。
我那个大哥最后跟我说了一句话,我记到现在。他说:
“我这辈子最大的本事,就是改得快。”
你品品这句话。
大多数人,一辈子都在证明自己对。而真正厉害的人,一辈子都在修正自己。
这就是贝叶斯思维。
不是让你更自信,是让你更准。
不是让你更固执,是让你更活。
从今天起,试着把你的判断,从“是”改成“概率”。试着遇到新证据的时候,问自己那两句话。试着记录你的预测,然后复盘。
你会发现,你变了。
你不再是那个被情绪和偏见牵着走的人。你成了一个不断逼近真相的人。
这,才是真正的投资策略和自由。
显示更多
中秋作业
语文:
1.《红楼梦》《西游记》《三国演义》《水浒传》各读一遍,写人物关系图。
2.背诵高中三年全部古诗文,家长随机抽查。
3.写作文5篇:《月亮》《故乡》《团圆》《成长》《论当代青年的责任》,每篇不少于800字。
4.顺便预习下学期课本。
数学:
1.必刷题P1—P386,没学过的自己先学。
2.完成试卷12张,选择题不允许蒙。
3.把高中所有公式默写3遍,并自行证明一遍。
4.错题整理到错题本,没错题的说明做题量不够,再做两套。
英语:
1.每天背500个单词。
2.听力一天3套,早中晚各一套。
3.英语作文10篇,每篇背诵并默写。
4.看一部英文电影,不允许开字幕,看完写英文观后感。
物理:
完成力学、电磁学、热学、光学全部综合卷。
不会的题先独立思考,实在不会可以自己发明一个公式。
化学:
元素周期表默写10遍。
把所有化学方程式整理一遍。
有条件的同学可以在家自行完成实验,注意安全。
生物:
把整本书所有图背下来。
要求能够闭眼画出细胞结构、DNA结构和人体各系统。
政治:
关注中秋期间国内外新闻,每天写一篇时政分析。
要求结合课本知识,不少于1000字。
历史:
从夏商周复习到今天。
要求时间、人物、事件、意义全部准确。
中间任何一个朝代不允许跳过。
地理:
世界地图、中国地图各默画5遍。
把所有国家首都、气候、洋流、地形全部背熟。
晚上赏月时顺便观察月相并写地理小论文。
体育:
每天跑步5公里。
中秋当天吃一个月饼加跑2公里,吃两个加跑4公里,以此类推。
劳动:
帮家里大扫除、洗衣服、做饭、洗碗。
并写《劳动创造幸福》心得体会1000字。
特别要求:
所有作业做完后自行对答案,红笔订正。
字迹工整,不得空题。
家长签字并拍照上传。
请各位推友合理安排中秋假期。
毕竟——
放假不是让你休息的,
是为了让你有整块时间写作业。
显示更多