分析师的天花板Michael Maubouss的最新著作《The Wisdom of Crowds in Markets》，系统分析了预测市场、体育博彩、赛马博彩与股票市场的信息聚合机制，回答了一个核心问题：市场何时体现“群体智慧”，何时陷入“群体疯狂”。文章了解释泡沫、市场效率及预测市场的交易价值，对理解价格发现和市场行为具有很高的参考价值…. 1）市场中的“群体智慧”与“群体疯狂”并非互相矛盾，而是同一框架下的两种状态。市场大多数时间能够有效聚合分散信息，因此价格通常是有效的；但当决定群体智慧成立的关键条件遭到破坏时，市场便会进入群体疯狂阶段，价格开始明显偏离价值。整个市场行为可以统一解释为群体智慧条件是否成立的问题，而不是效率市场与行为金融之间的对立。 2）群体智慧成立依赖三个核心条件：认知多样性（Diversity）、信息聚合（Aggregation）以及激励机制（Incentives）。其中认知多样性并非年龄、性别等社会属性，而是信息、知识、启发式方法、认知框架和思维模型的差异。Scott Page提出的 Diversity Prediction Theorem进一步给出了数学表达：Collective Error = Average Individual Error − Prediction Diversity，意味着整体预测能力既来自个体能力，也来自预测之间的差异性，多样性越高，整体误差越小。 3）市场本质是一台信息聚合机器。不同市场虽然采用连续双向竞价（Continuous Double Auction）、Bookmaker定价、Parimutuel Pool等不同机制，但目标一致，都是将分散信息不断聚合进入价格。研究显示，简单平均即可改善预测结果，而加权平均、Extremizing等聚合方法还能进一步提高预测准确率，因此价格形成机制本身就是市场效率的重要来源。 4）激励决定信息质量。真实市场通过收益与亏损激励参与者寻找信息优势（Edge），下注规模本身应反映对自身Edge的信心。与此同时，Grossman-Stiglitz悖论说明完全有效市场无法存在，因为如果价格已经包含全部信息，就没有人愿意承担获取信息的成本；没有人获取信息，市场又无法有效。因此市场只能保持“Efficiently Inefficient”，Edge存在，但必须足以覆盖信息成本、交易成本以及市场冲击成本。 5）作者将市场问题划分为四类：寻找已知答案（Needle-in-the-Haystack）、估计未来真实状态（State Estimation）、未来存在最终结果的预测（Prediction with Resolution）以及永远没有最终答案的预测（Prediction without Resolution）。股票市场属于最后一种，因此也是最复杂、最容易产生持续偏离的市场，而预测市场、体育博彩等则属于能够最终验证结果的市场。 6）Galton猜牛重量实验验证了群体智慧最经典的现象：787位参与者中绝大多数人的预测并不准确，但整体平均预测几乎与真实重量完全一致。真正发挥作用的并不是每个人都优秀，而是彼此独立的误差不断相互抵消，因此整体预测优于绝大多数个体，这也是群体智慧最重要的统计学基础。 7）Prediction Market是作者认为最接近理想信息聚合机制的市场之一。Kalshi数千万笔交易显示，市场价格与最终真实概率高度一致，长期准确率明显优于多数民调与单一专家意见。虽然经过复杂统计聚合后的Poll以及Superforecaster团队能够达到甚至超过Prediction Market，但Prediction Market整体仍是当前最有效的信息聚合工具之一。 8）Prediction Market最大的交易价值来自三个发现：第一，市场价格本身几乎可以直接视为概率；第二，Favorite-Longshot Bias长期存在，即市场低估热门事件、长期高估小概率事件；第三，市场操纵虽然可以短暂推动价格，但真实信息最终会重新定价，操纵者通常亏损退出，因此长期操纵难以持续。与此同时，盈利高度集中，Top1%获得77%利润，Maker长期赚钱，而Taker长期亏钱。 9）体育博彩市场同样高度有效。Bookmaker不仅平衡双方仓位，更主动利用大众偏见制定赔率。Favorite-Longshot Bias虽然广泛存在，但绝大多数偏差不足以覆盖Vigorish，因此无法形成稳定套利机会。长期真正盈利的体育博彩参与者仅占3%~5%，Sharps甚至需要借助Runner、Beard等方式突破下注限制。 10）Parimutuel赛马市场提供了另一种信息聚合方式。赔率完全由下注资金分布决定，最终Closing Odds通常高度有效，但15%~24%的Takeout几乎吞噬全部套利空间。Smart Money通常集中在比赛结束前最后时刻进入，因此Closing Odds明显优于早期赔率，而大型公众事件（如Triple Crown）则容易因为大量非专业资金流入而产生可交易偏离。 11）股票市场与博彩市场最大的区别，在于长期正期望。博彩属于零和减成本游戏，而股票代表企业所有权，企业长期创造现金流，因此整体财富持续增长。过去一百年，美国股票市场创造约91万亿美元财富，而博彩长期累计亏损约5.8万亿美元。绝大多数赌徒长期亏钱，而绝大多数股票投资者长期赚钱。

有一说一，张凌赫的长相跟我表哥挺像的。我表哥在张凌赫出道之前在奢侈品专柜做柜哥，为了迎合女性的审美把自己整成那个样子的。 所以女性的审美其实没变啊，一直都是这个样子。

听到有人说，华为用户的画像是全中国体脂率最高的那部分人。想了下我认识的华为用户，好像都是体脂率20%以上的男性和体脂率超过30%的女性…… 这个画像到底是谁做出来的……至少在我周围看挺准的。

较早玩社媒的儿童学习成绩较差 一项研究发现，11-12 岁设立第一个社媒账户的学生，其数学和阅读测试成绩低于几年后才设立账户的学生。16 岁时两组学生的成绩差距相当于六个月的学习差距。

你好 @grok，根据我的推文，我是： - 哪位独裁者？ - 哪位哲学家？ - 哪位虚构人物？ - 哪位政治家？ - 哪位宗教人士？ - 哪位历史人物？ - 哪位艺术家？

家里水管漏了，我和我爸蹲在地上一起修。 我爸擦了把汗说："要是能用电改就好了。" 我下意识接了句："要是能用AI做就好了。" 说完我俩对视一眼，突然意识到—— 一个被电气时代塑造的人，和一个被AI时代塑造的人，此刻正一起跪在地上跟一根PVC管较劲。 至少现在，有些漏水，还得靠两代人的手一起堵上。

🚨这篇论文是近年来 AI 领域少有的具有深刻哲学与科学史厚度的 Position Paper。 2026 年上半年，Demis Hassabis 公开提出Einstein Test，即用 1911 年之前的知识训练 AI，看它能不能独立发现广义相对论。 这篇论文几乎是对该测试的哲学-技术回应。 论文指出，大模型只是个极其优秀的已知知识逻辑插值器，而人类顶级科学家做的是跨越认知断层，即Unexplained Jump。 以 Schmidhuber 等人为代表的派系长期宣称科学发现本质上就是数据压缩，寻找能解释观察数据的最简算法。 这是流行的谬论。 论文认为，如果科学发现全靠数据压缩，爱因斯坦根本不可能发明广义相对论。因为当时根本没有足够的异常观测数据供他去压缩。爱因斯坦是凭空做了一个思想实验，是那个升降机里的失重与引力等效的实验，完成了一次溯因跃迁。 大模型靠概率分布玩归纳注定画不出这个 Jump。 作者在附注里极其刻薄且优雅地嘲讽道：“讽刺的是，AI 对公理符号的这种幻觉，恰恰暴露出它根本无法自动化完成这一Jump的困境。” 我认为，不谈任何私货，这篇论文算是从根本上、从认知科学Peirce 的哲学框架和科学史多个维度证明Jump是一个具身世界模型问题。 你给文本模型堆再多算力，它也只是在符号的影子里打转，永远出不了洞穴。

Sadie Sink 被选做Jean Grey 是不是意味着她以后会有更多大银幕的机会，观众有更多机会看到她了？ Stranger Things 好像一共就孵化出Millie Brown 和她这两个大银幕演员。 Millie 的电影反响都一般，不知道 Sadie 会不会好一点。 Stranger Things 男演员全军覆没，没有出头的。 女演员好像更容易有机会

都说Gemini 笨，但是我把同样的朋友的用户画像输入Gemini和千问，让它俩帮忙给朋友选一个生日礼物。 明显Gemini 选的更好啊！ 我专门选千问就是以为它依托淘宝会有更好表现。。。结果让我怀疑推的结果是淘宝卖家买的广告。。 千问太让人失望了。

我觉得找对标，即使不懂也可以吃一波流量。 让我想起校内网像素级抄袭Facebook的故事。 Facebook活到现在，校内网死了。 可是FB 现在也在找对标。 先是对标Snapchat，对标TikTok. 后来对标元宇宙，对标大模型。 现在即使最乐观的人也承认FB掉队了 也许关键不是找对标，而是别的什么