【台當局擬封殺老人福利法 藍委批沒收弱勢長者重陽節禮物】 台灣立法機構三讀通過《老人福利法》修正案，65歲以上弱勢長者的健保費，由中央主管機關全額補助。台灣行政機構負責人卓榮泰聲稱“違憲”，將採取應對作為。國民黨立委翁曉玲對此批評，連立法機構要送給經濟弱勢長者的重陽節禮物都敢沒收。 翁曉玲17日在臉書發文說明，台灣已經邁入超高齡化社會，為減輕年長者的經濟支出，目前全台有10多個縣市辦理“長者健保費補助”，每人每月最高補助826港元，一年可省下9912元。不過，該項福利措施，並非全台灣所有65歲長者都能享有，而且就算縣市有補助，各地設籍年限、年齡門檻及所得限制亦有不同。 因此為擴大照顧65歲以上長輩，翁曉玲指出，這次《老人福利法》修法過後，未來只要年收入未達一定條件、經濟不是很寬裕的長輩們（近一年所得總額未達申報標準，或綜所稅稅率未達20%），就由當局統一編列預算補助長輩的健保費，落實全面性實質扶助弱勢老人的政策。 但翁曉玲說，這樣造福弱勢銀髮族的福利法案，民進黨立委16日全部投下反對票，卓榮泰竟然在本法三讀通過後又放話說，這法案會增加財政負擔，是“違憲法案”，“卓榮泰已是殺紅眼了，竟連要送給經濟弱勢長者的重陽節禮物都敢沒收。” 翁曉玲進一步批評，民進黨當局欲補貼給中油、台電上千億的虧損經費，就不叫是增加財政負擔，而補貼頂多400億的經濟弱勢長者健保費，就變成是增加財政負擔，如此厚彼薄此的作法，實在無恥。她並點名民進黨縣市長候選人沈伯洋、蘇巧慧、陳亭妃、賴瑞隆、王美惠等人，別躲在背後，要公開表態是否支持卓榮泰不副署該項修法案。（來源：香港新聞網） 詳情：

翁家翌新 blog：超越梯度的学习 昨天看到翁家翌（前 OpenAI 研究员）新写了一篇 blog《Learning Beyond Gradients》，挺有意思的，分享一些我读下来的感受。 原文较长且偏技术，下面这版做了不少删减和重组，建议感兴趣的同学直接读原文 · · · 翁家翌：超越梯度的学习 持续学习（Continual Learning）之所以一直很难，很大程度上是因为神经网络的顽疾：灾难性遗忘。那如果我们不只盯着权重更新这一条路呢？ 随着 LLM agent 越来越强，写代码这件事变得又快又好。但翁家翌注意到一个更有趣的现象：agent 可以反复读取失败信息、修改策略代码、添加测试、回放录像，让整套程序在不动任何网络权重的情况下持续变强。 · · · 这个视角让他重新审视了一个老朋友：heuristic，也就是手写规则和程序化策略。之前很多 heuristic 不是没用，而是维护太贵了，而coding agent 改变的正是这条维护曲线。那些曾经用完就扔的一次性补丁，开始变得值得长期拥有。 凡是能被持续迭代的东西，都开始变得更可解，这也恰恰是持续学习一直追求的目标。 它有没有可能成为继 pretraining → RLHF → 大规模 RL/RLVR 之后的下一个范式？ · · · 翁家翌用 Codex（gpt-5.4）做了实验，纯写规则版本，完全不碰神经网络。结果超出预期： — Atari Breakout 的打砖块分数从 387 一路升到 864，达到理论最高分； — MuJoCo 四足和跑步机器人任务中，纯 Python 策略也跑进了常见 Deep RL 结果的量级，HalfCheetah 五轮均值 11836.7； — 跑完 Atari 全部 57 个游戏后，在相同的环境交互步数下，中位数得分已经远高于 PPO 这类标准算法。 这里被更新的对象早就不是单纯的策略函数了，而是一整套带着记忆、反馈入口和回归机制的软件系统。翁家翌把它叫作 Heuristic Learning（HL，启发式学习）。 （我自己也做过 evolve，但不训练神经网络，纯靠规则约束，感觉系统怎么都智能不起来。其实不管 RL 还是 HL，能不能跑起来都是看一件事，优化结果的评分能不能清晰定义。） · · · Heuristic Learning（HL） 是什么？HL 怎么持续学习？ HL 的核心是用 coding agent 维护一个 Heuristic System（HS）。 和 Deep RL 的差异： — 反馈来源：不是 loss 函数，而是测试结果、环境奖励、日志、视频、失败模式分析； — 更新方式：不走反向传播，agent 直接改 policy、状态检测器、测试、配置或记忆结构； — 维护对象：不止一个 trace（黄金轨迹）、环境 wrapper 等。 以前怎么没人搞？专家系统 70 年代就有，但人维护起来是噩梦：加一条规则修好 case A，case B 崩了；规则堆到几百条后，除了原作者没人看得懂。 而 coding agent 不怕堆规则。它能同时读所有代码、跑全量测试、对比日志，把维护成本打下来。用翁的比喻说，就像纺纱机改变纺线成本曲线一样：手工纺贵得要死，机器一上来就塌掉了。 · · · Heuristic Learning 怎么做 Continual Learning 神经网络把经验压进权重，忘没忘、怎么忘的都是黑箱。HL 的历史则是显式的：版本 diff、回归测试、replay、视频、golden trace 全透明。新增能力前先固化旧能力：跑回归测试、跑固定种子回放。如果新规则破坏旧 case，agent 能直接定位到哪行代码引入的 regression。 但规则叠太多、agent 自己都维护不动的时候，就需要"历史压缩"，把一堆 case-specific 的补丁合并成更通用的逻辑，否则系统迟早变成没人敢碰的代码泥球。 · · · 当然，HL 不是万能药。因为 Heuristic Learning 并不能做所有神经网络能做的事情。它的上限卡在代码的表达能力：比如复杂感知和长程泛化。翁家翌也坦率地说，他想不出有哪个 agent 能纯靠 Python、不用网络去搞定 ImageNet。 所以真正的问题变成了：怎么把神经网络和 HL 结合起来，同时搞定在线学习和持续学习？ 最有希望的方向是：用 HL 快速处理在线数据，把在线经验变成可训练、可回归、可筛选的数据，再周期性地更新神经网络。以机器人为例，借用 System 1 / System 2 的说法，一种可能的分工是： — 专用浅层 NN 作为 System 1 的一部分：快、便宜，负责感知、分类、物体状态估计； — HL 也可以当做 System 1 的一部分：负责最新数据处理、规则、测试、回放、memory、安全边界、局部恢复； — LLM agent 作为 System 2：负责给 HL 提供反馈、改进数据，并周期性把 HL 生成的数据拿过来更新自己。 · · · Agentic coding 改变的不仅是写代码的速度，更改变了"哪些代码值得被长期拥有"。过去很多 heuristic 看上去没前途，不是它们太弱，而是维护不起。 coding agent 改变的就是这条维护成本曲线。 规则、测试、日志、记忆和补丁，原来只是散落的工程材料，现在开始能组成一个持续进化的 Heuristic System，去解决在线学习和持续学习一直没搞定的事。 欢迎来到下一个范式。 · so，skills + instruction following = AGI？

🔥 新火集團 CEO 翁曉奇獲評《財富》2026 年度「40 位 40 歲以下商界精英」！🎉 ⚡️ 全球權威商業媒體《財富》（FORTUNE）9月22日正式發佈 2026 年度「中國 40 位 40 歲以下商界精英」榜單。新火集團 CEO 翁曉奇（Livio Weng）憑藉在金融科技領域出色的領導力與行業推動力榮耀入選，與宇樹科技王興興、Kimi創始人楊植麟、張雪機車創始人張雪等企業家一同入選。 翁曉奇畢業於清華大學，曾獲軟體工程碩士學位，深耕數字資產與區塊鏈行業十餘年，曾任HashKey Exchange CEO、Huobi Global CEO，長期推動香港及亞洲數字資產生態建設，傳統金融與數字資產行業的融合。自2025年8月擔任新火集團CEO後，翁曉奇帶領集團進行戰略升級，面向上市公司及其高管、家族辦公室和超高淨值個人推出全新業務。轉型以來，客戶數量較此前增長超過百倍。 💪 新火集團（ 🔗 瞭解《財富》雜誌報導全文： #新火集團# #BitfireGroup# #財富FORTUNE# #40Under40# #翁曉奇# #數字財富管理#

地产行业就是这么魔幻，新城控股的董事长王振华，据传当年被做局，2019年因猥亵幼女入狱，2024年刑满释放，圆满错过了债务狂飙的发展狂热期。塞翁失马，焉知非福，当年老头子进去了，出现银行抽贷，逼得儿子压缩规模，而且能力不错，吾悦广场搞得挺好，结果财务越来越稳健，相当于提前避开了大坑。结果就是入狱了5年，归来仍是民营房企稳健程度第一梯队。同期的民营企业500强的万科，嘴上喊活下去，实际加杠杆，如今地位互换了。也就是说，王振华灰头土脸进去，笑逐颜开出来，黄光裕骂骂咧咧点了个赞。

🎂AKB48 Team TP 5月份生日會🎂(1/2) 起風了！船長發出啟航命令!!! 大家準備好踏上尋寶之旅~ 讓我們一起留下難以忘懷的一天！ 🌟壽星：翁彤薰、袁子筑 ⏰時間：2024/5/11 (六) 14:30 - 15:30 (13:30 開放取票；14:00 開放進場) #AKB48TeamTP# #TeamTP# #TTP# #お誕生日おめでとう# #不見不散#

🎥 AKB48 Team TP｜Unit P新年特別企劃 🎥 影片這裡看🌐 長達十天的春節連假 是聯繫親朋好友的最佳時機 除了吃吃喝喝外 聚會玩遊戲是一定要的啦 就讓Unit P的成員們 來一場「TP新年大富翁」 陪伴大家歡喜過兔年