分类： 破事水

总结 寒窗磨剑十年心，忽报算法已通神。数据如潮吞旧简，模型不语代新人。千日推敲终委地，十年灯火尽成尘。他年若向长安去，不拜文章拜后门。 文章的文风完全不像是我的，但是我暂时也没啥办法能让ai学会我的文风，ai还是喜欢他自己的风格，没救了，就这样吧 本文章由群聊消息记录整理得来 当 AI 能一键把论文画成 PPT，科研苦力这道工序算是死透了 群里有人扔了张截图，Codex 直接把论文里的图转成了可编辑 PPT，精细程度至少顶一个硕士闷头干一下午。看到这个，大家就应该意识到： 我们完蛋了！ 顺着这个话头，一直琢磨的那些东西全被抖了出来，在群上畅所欲言了一会，然后把聊天记录扔给ai整理成这篇文章。内容聊的就是 AI 会怎么把传统科研的流水线拆成零件，以及硕博劳力该往哪条道上爬。 〇、定义 Q：什么是科学家？什么是工程师？什么是科研民工/牛马/力工？ A： 能发现基础性、颠覆性、突破性的科学机理，解决历史上无人解决的关键科学问题，推动人类对于世界认知边界的拓展，完善人类知识库与逻辑基础的科研人员，叫科学家。例如：牛顿建立经典力学体系，麦克斯韦统一电磁场方程，爱因斯坦提出相对论，香农奠基信息论。… 在主页展开

赋能, 抓手, 中台, 闭环, 落地, 漏斗, 沉淀, 给到, 平台, 响应, 同步, 对齐, 对标, 迭代, 优化, 跟进, 升级, 交付, 聚焦, 倒逼, 复盘, 梳理, 输出, 提炼, 包装, 上升, 方案, 摸索, 踩坑, 填坑, 报备, 串联, 协同, 联动, 透传, 打通, 打平, 抹平, 发力, 兼容, 量化, 细分, 重塑, 蓄能, 引爆, 挖掘, 背书, 背锅, 支持, 支撑, 协调, 支援, 加持, 加速, 共建, 共创, 融合, 拉通, 拉升, 洞察, 渗透, 咬合, 穿梭, 辐射, 扩展, 开拓, 兜底, 降级, 容错, 容灾, 解耦, 耦合, 复用, 封装, 抽象, 聚合, 集成, 拆解, 抓包, 观察, 监控, 上报, 捕获, 分发, 分层, 迁移, 回溯, 回归, 回流, 回跳, 通晒, 吃透, 死磕, 树立, 跨界, 共情, 演绎, 画饼, 打造, 反哺, 输血, 造血, 造势, 造市, 造事, 下沉, 拉新, 转化, 留存, 促活, 付费, 营收, 盈利, 获客, 邀请, 助力, 激励, 激活, 推广, 投放, 导流, 覆盖, 曝光, 裂变, 增长, … 在主页展开

首先恭喜你能在算法卷成麻花的情况下拿到大厂算法offer 即使你去的是起薪较低的华为携程网易之类的公司，相必你的总包肯定是接近40万的，如果去的是多多得物等以卷和钱多著称的厂，相必你起手就有超过50w的包 你可能不知道这个数是什么概念，工作满一年后，你的公积金是按你上年总收入的/12算公积金的，如果你在一个公积金双边12%的公司，你的公积金就能达到每月7000以上，七大姑八大姨推荐的那些所谓“稳定”工作，合同工资都不一定有7000。这还只是你工作的第二年，你在失业之前，大概率是可以触碰到每月公积金缴纳额度法定上限的（一线一万出头，二线九千多）。等你混成p7以后，你那群“稳定”工作的亲朋好友年薪搞不好还没你交的税高 你也低估了拥有这个总包在同龄人面前的自信，我也是穷鬼出身，我以前很自卑，很厌恶别人向我装逼向我炫耀，但内心深处也十分虚荣，常幻想“等我有钱了我要xxxxx”之类的想法，我大学甚至会买假鞋给自己撑场面。如今，我跟同学出去玩直接拼多多买的三无裤衩背心拖鞋，故意扣扣搜搜哭穷，刻意说低自己工资。如今再看他们那些稳定且月光的小资同学刷信用卡硬装，我只觉得好笑，扮猪捧杀比装逼更有意思。 … 在主页展开

花 花落下的时候没死风捡起花又丢下花才死了 心 让樱桃晚些成熟 假装春风还没有得逞让咖啡慢点冷去 假装我才刚刚来让悲伤多迷一会儿路雨停在半空这一刻如果静止 我可以不要自由 天空电视台 一定是没有信号了黑色的屏幕飘满了雪花 木 大树成为棺木先于被安葬者死亡每一个断面都出现了叫作年轮的湖泊 自我 苏打水约的人没有来后来他已经不生气了也就不再是苏打水了 相对论 把比例尺调小我和你近了很多世界越大我们就越亲密 线 雨一头是你一头是云云是你的风筝你是云的木偶 缺的: 飞升 一人得道鸡犬都可能变得很好吃 文学梦 鸵鸟埋首创作沙漠里多了一首藏头诗 海鲜 鹬蚌相蒸渔翁deli——cious 温柔的恶霸 捧在手里怕碎了含在嘴里怕化了只有把你踩在脚底下才踏实了… 在主页展开

毕业那年，学校把计算机学院门口的横幅换了三次。 第一条写的是： “代码改变世界。” 第二条写的是： “拥抱人工智能，奔赴数字未来。” 到六月，横幅被风刮破了一角，后勤处重新打印了一条： “先就业，再择业。” 许明站在横幅下面，拍了一张毕业照。 照片里，他穿着学士服，手里拿着一本《计算机网络》。书是大二时买的，蓝色封面，已经被翻得起了毛边。他记得老师在讲台上说，互联网是现代社会的基础设施，网络协议不会过时，就像公路、铁路和电网一样。 那时候全班都在记笔记。 他们背七层网络模型，背拥塞控制，背进程和线程的区别；在纸上手算分页地址，在黑板上画红黑树；为了一个空指针熬到凌晨三点，为了让接口返回正确的数据，把宿舍楼下便利店的关东煮吃了一遍又一遍。 老师说，计算机行业苦是苦，但只要技术过硬，就不会没有饭吃。 许明信了。 他们这一代人，大多都信了。 大一开学时，互联网公司还在扩招。学长穿着印有公司标志的卫衣回来宣讲，说应届生年薪三十万，办公室里有健身房、咖啡机和人体工学椅。台下坐得满满当当，连过道上都站着人。 那一年，学校最旧的专业是土木，最热的专业是计算机。 家长们在志愿填报群里说，学计算机好，坐… 在主页展开

拉黑功能是有用的，这对于防止骚扰，防止诈骗很有用。 但是遇见和自己意见不合，就随意拉黑，实际上是在给自己制造认知滤网。 如果拉黑的太过随意，那么随着时间的推移，对于不同见解的容忍度会一直下降，拉黑清单也会越来越多 最终为了在表面上的互联网空间过得舒适，而忽略了实际上社会上是存在很多种不同意见的 从而导致共情能力变得极差。 长远来看，肯定是吃亏的，因为人不是只在互联网上生活的，人是需要和现实世界交流的。 因此这种认知滤网导致的共情能力变差，最终可能导致用户变成巨婴思维 典型例子就是几年前的豆瓣，微博那种，各种魔怔人被培养出来，就是因为自己给自己织造的信息茧房太严重了 因此，拉黑功能有效，就如同抗生素很有用一样。 但是绝对不应该滥用，因为这会导致出现耐药性和抵抗力下降，然后迟早给你拉依托大的 你不能保证你批量拉黑的每个人都是应该拉黑的，那么就完全可能会导致自己看见的东西高度同质化，思想上越来越趋于极端，形成小圈子小团体思想。 你拉黑别人，是因为觉得别人的思想过于逆天，这个思想的圈子的人都很逆天，但是你天天拉黑别人，你如何确保自己接触到的东西不是区域小圈子，趋于极端呢？ 你说靠自制力和自己的… 在主页展开

成电的树 – 开放区 / 水手之家 – River Side 那年初秋，我到成都拜访一位在电子科技大学读书的朋友。 走进清水河校区，我愣住了。四千余亩的校园里，银杏、楠木、香樟，各类乔木多得数不清。阳光从密密的叶缝间漏下来，碎金一般洒在柏油路上。朋友说，这里被人称作“森林中的学校”。我信了。一栋栋教学楼隐在树影里，窗明几净，却像是从林间长出来的。校舍与绿树交相辉映，人文与自然和谐共生。 “你看到那片银杏了吗？”朋友指着远处一条金灿灿的大道，“那是我们学校最有名的景致，成都人秋天都跑来看。” 我们在银杏树下慢慢走着，脚下是厚厚一层落叶，踩上去沙沙地响。朋友忽然说：“你知道吗，这些树，是一位校友捐钱种的。” 我有些诧异。大学里校友捐款，不都是盖楼、建实验室、设奖学金吗？ “好几百万呢，”朋友笑笑，“原本是想修图书馆的。后来学校把钱拿来买了这些银杏树。” 我停下脚步，抬头望着一排排挺拔的银杏。树干笔直，枝叶舒展，在秋日的晴空下安静地立着，像一群沉默的守护者。 “不觉得亏吗？”我问。 朋友没有立刻回答。他弯腰捡起一片扇形的银杏叶，对着阳光看了看，说：“楼嘛，迟早会旧。可… 在主页展开

大模型的投机解码方法 大的模型推理成本很高，而显卡买回来但凡闲着一秒就是在贬值亏本，所以不能把显卡跑到理论速度，就是一种可耻的浪费。 在LLM的推理加速技术中，投机解码的核心思想是：用一个小的、快的Draft Model去快速猜测下一个Token，然后把这些猜测的Token批量喂给大的、准的Target Model去验证。如果验证通过，就直接接受；如果不通过，就让Target Model自己生成。 为什么如此？因为大的LLM如果一个个token预测，会卡在访存带宽瓶颈。 但是前向推理的时候如果一次计算多个token，或者并行的处理多个token的预测值，就能让访存和计算比较平衡。跑满显卡的直接后果就是推理速度变快了。 这个技术我个人感觉可以和KV cache，Flash attention并列为LLM时代三大发明了，离开了他们，大模型几乎无法被现实应用到各行各业。 关于投机解码，我感觉这个文章写的很好： 投机解码——What makes for efficient speculative decoding? – 知乎 程序员，软件工程师和企业 一个程序员的成本是很贵的。 首… 在主页展开

原来是人类在大脑里产生意识啊，不知道的还以为是把外界的光波、声波和皮肤压力剁成一堆几百赫兹的**动作电位脉冲**，视网膜和耳蜗把高频强刺激各编成一组神经电信号而微弱刺激拆成更小的局部局部电位，查询**丘脑**和外侧膝状体那张巨大的路由表把每个刺激换成跨越几层皮层皮质的群放电，下面把每串电信号各跟**乙酰胆碱、多巴胺、谷氨酸**几种不同的神经递质相乘变出兴奋或抑制的突触后电位。 在视皮层和听皮层上按各自的时序通过局部中间神经元把时间差和空间位置信息融合进去，所有的动作电位用**网状激活系统**两两点积再通过反馈回路把局部电压压回安全范围，算完先把视线死角和视网膜盲点后面的背景信息全部用**默认模式网络（DMN）**脑补遮住，再用**侧抑制机制**把多余的神经冲动归一化按权重把高亮信号加权混合成新的注意焦点，并行跑视、听、触好几个感觉通路再在多模态联合区横向拼在一起，再乘一个运动皮层的下行神经通路线性变换，把结果通过反馈调节加回原来的自主神经系统，省得几万毫秒下来最开始的生存动机被洗没生存本能也传不回去。 再过一遍基底神经节的递质反馈调控，扔进一个先把情绪波动扩到约好几倍再由**前额叶皮层… 在主页展开

适用场景：在 Windows Server 系统中安装 AMD 显卡时遭遇“错误 184（不支持的操作系统）”，且设备管理器强装提示“不包含兼容驱动”时。核心原理：提取官方包 -> 解除 INF 系统版本号锁定 -> 开启测试模式免签名检查 -> 强制注入驱动 -> 独立安装控制面板 -> 恢复安全设置。 流程总览 flowchart TD A([开始]) –> B[1. 下载官方 Win10/11 驱动包] B –> C[2. 运行安装包提取文件至 C:\AMD] C –> D{出现错误 184?} D — “是，点击关闭” –> E[3. 修改 .inf 文件解除系统版本锁定] E –> F[4. 开启 Windows 测试模式] F –> G([重启服务器]) G –> H[5. 设备管理器 从磁盘安装 强制注入] H –> I[6. 运行 ccc2_install.exe 暗装控制面板] I –> J[7. 关闭测试模式并清理 C:\A… 在主页展开

我在火葬场烧炉子。二十五年了。 这个答案写出来可能有点冒犯。但你要问世界上最公平的东西——是火。不是死亡。死亡本身是不公平的。有人死在病床上，有人死在路边，有人寿终正寝，有人还没来得及长大。死亡不公平。但火公平。不管你活着的时候是谁，进了那个炉子，一千多度，都一样。没有什么区别。我烧了二十五年，亲眼看的。 开头说这些不是要把话题往沉重了带。我就是干这个的。你问什么公平，我只能从我的角度说。 我二十二岁进的这一行。那时候刚从部队下来，没地方去。我舅在殡仪馆开车，说有个烧炉子的活，你来不来。我说来。那时候年轻，不知道怕。第一天上班，我舅带我进去。里面比我想象的干净。就是热。炉子轰隆隆地响。我舅说你先在旁边看，别上手。 那天的第一个。我舅按了一下按钮。炉子里面有一团火光。然后就没有了。我舅说好了。我说好了？他说好了。前后不到一个小时。 我心想，一个人就这么没了。后来天天看，就看习惯了。 但习惯归习惯，有些事情还是会记住。时间长了，记住的东西积了一堆。我挑几个说说。 我们这行的规矩是每个进去的人都要烧透。不能留遗憾。炉温一千一百度到一千二百度。烧一个大概四十分钟到一小时，看体量。烧完了等炉子冷… 在主页展开