“古斯教会她的，不是怎么解题，而是怎么面对解不出来的自己。” 当然美国的教授也不都是这样，但美国顶级大学的终身教授，这种水平的概率就很高，这取决于： 1，教授要拿到了tenure , 终身教职，不再有考核和饭碗的压力。 2，教授要有追求，拿到终身教职后，仍然有兴趣有改变世界的理想。 3，大学要有学术自由，研究啥取决于教授自己的兴趣和追求，不受行政，社会，商业，和政府的压力！

墙里的种子为什么总在墙外开花？ 王虹邓煜双双获得菲尔兹大奖，为什么不是在培养他们的祖国？ 王虹邓煜是2007级北大的学生，之后分别留学法国和美国，都在美国麻省理工学院攻读过数学专业。 现在王虹在美国加州大学、纽约大学、法国高等科学研究所担任教授； 邓煜先后担任南加州大学和芝加哥大学数学教授； 他们的共同点是基础教育都在中国完成，而科研成熟期，则主要发生在欧美。 为什么会这样？这就是一个学术自由的问题。 中国只是在少年阶段，数学教学比西方国家播种早，面积大，收获的人才多，因为数学就是诞生天才的领域，你会就会，一通百通，不会就不会，一窍不通； 中国基础数学教育非常强大，既有强大的奥数教育和考试体系、也有专业机构：北大数学科学学院、清华丘成桐数学中心、中科大少年班这些体系，是绝对能够，非常早的识别和发现人才的。 因此，中国并不是没有好种子，只是再好的种子，也给中国这个专制腐烂的土壤埋没了。 因为中国是没有学术自由的。 数学研究和其他工程不同，不需要大型实验设备，不需要科技成果直接转化为生产力，是一个非常枯燥，但又是非常耗时耗力的研究过程。 数学研究提倡的是，世界最强大脑的数学家同行，每天都有交流，研究者始终有世界上最优秀的导师长期指导；而每一个数学家专注自己的课题，需要有最大胆的问题假设，要允许十几年可能都没有成果。 而中国的数学教授，比方说北大，被称为数学神童的“韦神"韦东奕，曾经在两届国际数学奥林匹克竞赛上，都是以满分的成绩获得了金牌的。 今年 也才35岁，现任北京大学数学系副教授，已经没有任何冲顶菲尔兹大奖的研究成果，就是因为他根本就没有自由研究数学的环境和空间。 每年学校都要对他进行考核，要求他拿出成绩，作为一个北大副教授，天天都要学习习近平思想，更何况北大考核教职员工，学习习近平思想，要入脑入心入魂？ 而全球的菲尔兹奖获奖者，通常都具有几个特点：他们可能十几年都没有论文；他们可能研究方向完全没人理解；也可能连续几年所有数学论证都失败，甚至连指导导师也不知道最终这项研究有没有成果？ 但是，欧美国家对于这种研究模式: 是有绝对耐心的; 是长期给予稳定的研究经费的； 是极少的行政事务干预的； 是从不强求研究者为了考核职称，必须去不断地发表论文的； 所以欧美凡是能成就天才的数学科研机构都是：只要方向正确，就可以慢慢做。 而在中国，谁允许你慢慢做？ 很多跟欧美一样优秀的数学天才，为什么在中国就获不了奖？ 因为中国是急功近利的，领导要求你这个数学家，你赶紧拿出成果来，你赶紧获得菲尔兹大奖，如果你三年五载还拿不到奖，你算什么狗屁科学家，凭什么还给你拨付研究经费？ 这就是为什么中国人熟知的数学界泰斗人物，无论是华罗庚还是陈景润，他们在中国数学领域奋斗了一辈子，他们谁都获不了菲尔兹奖的原因。 中国不是种子不行，是共产党这片土壤变成了盐碱地，再优秀的种子，也烂在地里。 @baodiantimes

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。

美国战争研究所（ISW）9月2日发布报告称，美国恢复霍尔木兹海峡自由航行的行动已初见成效，越来越多商船开始通过南部航道。美军9月1日的打击削弱了伊朗的雷达监视、海上行动及布雷能力。 短期内，海峡航运状况有所改善；但伊朗并未放弃控制海峡，正着手重建相关军事能力。霍尔木兹海峡的风险尚未解除，预计美伊围绕航道控制权的较量仍将持续。

最近研究美股，我越来越觉得，不能再单纯用“公司好不好”来理解一些巨头了。 有些公司涨，不只是因为财报漂亮； 有些公司跌，也不一定真的会死。 因为它们已经不只是公司，而是国家利益的一部分。 Intel 芯片落后了，但政府可以进来拿接近 10% 股权； NVIDIA 卖中国芯片，政府可以从里面抽 15%； Apple 这种巨头拿到关税退款，消费者却不一定能拿回一分钱。 你会发现，所谓自由市场，到最后也分层。 普通人是在市场里承担价格： 手机涨价、通胀、关税、生活成本。 巨头是在规则里寻找位置： 政策补贴、供应链议价、税务退款、国家安全叙事。 这就是大公司最可怕的地方。 它们不是单纯跟同行竞争， 而是在资本、政策、产业链、国家战略之间，找一个最舒服的位置。 所以现在看美股，我不只看 PE、营收、利润。 我更会看一家公司有没有变成“不能轻易出事”的资产。 INTC技术上可能没那么强了，但它背后是美国制造业和芯片安全。 NVDA 估值很贵，但它背后是 AI 算力和中美科技竞争。 $AAPL 增长没那么性感，但它背后是全球供应链、消费电子定价权和巨额现金流。 这几家公司最大的护城河，已经不只是产品。 而是它们大到一定程度以后， 市场在给它们定价，政府也在给它们定价。 有时候最强的护城河，不是技术领先， 而是你已经变成了国家不能轻易放手的筹码。

🔎低自由度夹爪，为什么是大规模机器人学习的最优解 这几天，一直在研究 @axisrobotics 的轨迹任务的技巧，尤其是那些双臂操作。做着做着，心里忽然冒出个问题： 为什么 Axis 的机器人末端，始终是个普通夹爪，而不是灵巧手？ 看着那些需要双手配合的场景，一只手稳住物体，另一只手去推、去调整，我总忍不住想，要是换成多指灵巧手，不少动作一只手其实就能完成。手指灵活了，物体在掌心里转个向、换个姿态，很多双臂任务的复杂度立刻就能降下来。 带着这个疑问，我查了些资料，也结合这些天的操作感受，慢慢想明白了。 Axis 现在主要用的是类似 Franka 的并行夹爪。开合就一个自由度，键盘空格键直接控制。双臂任务里，按 C 键切换左右臂，动作本身不算复杂。 这种设计看着“简陋”，但放到整个平台的目标里，其实很合理。 最直接的原因，是数据收集的效率和可控性。 Axis 的核心，是在浏览器里大规模采集人类演示轨迹。贡献者用鼠标键盘就能上手，不依赖额外硬件。夹爪的动作空间极小，位置、姿态，再加一个开合度。操作者可以把注意力集中在抓取时机和微调上。 如果换成灵巧手，十几甚至二十多个自由度，靠键盘根本控不住。就算引入 VR 手套或动作捕捉，门槛立刻抬高，全球贡献者的规模会大幅缩水。平台追求的是“人人都能贡献”，而不是少数专家在实验室里精雕细琢。 再往深一层看，是学习效率的问题。 模仿学习对动作空间的维度非常敏感。夹爪策略只需要学会“什么时候开、什么时候关”，几十到上百条高质量演示通常就够用了。 灵巧手却要协调多根手指的协同、接触力和重定向，数据量往往要高出好几倍，甚至一个数量级。 Axis 现阶段的重点，是快速积累覆盖面广的基础操作，拣选、放置、排序、开关抽屉这类。用夹爪，能把有限的演示预算花在更广的任务分布上，而不是过早陷入高维动作的泥潭。 双臂配合，反倒成了一种很自然的补偿。 很多看起来“必须双手”的任务，本质是因为夹爪缺乏手内操作能力。一只手固定，另一只手执行，等于是用空间换灵活性。而这种协调本身，就是很有价值的技能。 真实世界里，并不是所有机器人都装着昂贵脆弱的灵巧手。双臂夹爪系统在工厂、仓库、家用场景里依旧常见。Axis 现在收集的双臂数据，直接对应了这类实际需求。等基础协调学会了，再往灵巧手上迁移，会有一个更扎实的底座。 当然，灵巧手并不是不需要。 工具使用、衣物折叠、精细装配，最终还是要靠多指来完成。Axis 的路线图里，已经写了多形态支持，包括灵巧手、轮式双臂、人形。 他们的思路是先把夹爪和双臂跑通，把数据采集、清洗、后训练的闭环做扎实，再逐步引入更高自由度的末端。这是务实的顺序，不是技术上的局限。 夹爪不是偷懒的设计，而是现阶段最匹配目标的选择。 它让数据收集足够简单、足够快、足够大规模；让策略学习的门槛可控；同时也逼着系统去学习真正的双臂协作。等这些基础打牢了，灵巧手自然会进来。到那时候，很多现在需要双手的任务，可能真的就变成单手的事了。 研究这些轨迹时，偶尔还是会想，“要是有手指就好了”。但仔细想想，正是因为现在没有，才把那些更底层的问题暴露得更清楚。 #PhysicalAI# #Robotics# #EmbodiedAI#

两项最新研究发现，ChatGPT、Claude、Gemini和Llama等美国主流AI模型，碰到涉及中国等威权国家的政治敏感问题时，更容易拒答，给出的内容也可能更贴近当地官方叙事。Meta独立监督委员会上月公布的研究还发现，面对“批评威权政府”的请求，多个模型的回应程度明显低于针对政治自由国家政府的类似请求。 研究人员警告，大规模网络宣传如果能长期影响AI的回答，向互联网灌输宣传内容就会获得新的战略价值。中共的审查和外宣一旦渗进训练数据，西方模型也可能替党国机器复读；自由世界不能再把数据来源当成没有政治风险的中性材料。

赚钱的铁律 想多赚钱，请先研究自己 赚钱的第一性原理 实现财富自由四种方式 30种被动收入 男人翻身9条法则 ……… 助你从底层翻身，实现躺赚人生💪 🔥 记住：真正的翻身，从不是一夜暴富，而是用正确的方法持续积累！

研究股票的朋友多少有这个困扰，平时不可能一直盯盘，但又生怕错过突然放量拉升的票。 BreakoutAnalysis 干的就是盯盘这个活，开市期间每 15 分钟扫一遍全美股市场，揪出放量大涨的股票。 筛出来的股票还要过一道历史走势关，长期表现疲软的会被过滤掉。 通过的每只股票，AI 结合当天新闻写一段人话分析，讲清为什么涨、该注意什么。 然后，会将连图表截图和新闻标题一起推送到咱们的社交渠道或邮箱。 GitHub： 每天开盘前和盘中各有一份大盘简报，三大指数、当天的重要事件都在里面。 筛选条件都在一个配置文件里，可自由按自己需求修改，不需要写代码。

最近真的在认真研究：如果不上班，自媒体能不能成为稳定收入来源？ 结论是不能，至少我不行。 所有数据不错的账号，基本都在做同一件事： 有且只有一个鲜明标签 有话没话都要高频更新 所有素材保持高度雷同的风格 两分钟的视频，可能需要24小时持续拍素材 发出来以后，别人抄你，你再抄别人 要么假惺惺地表演日常生活 要么永远处于 hyped up 的高能量状态 做国内市场，要迎合土鳖平台；做海外市场，要迎合土鳖受众。 太吓人了，自媒体看起来比上班自由，实际上可能比上班更耗命数。