Helping people build what they need with AI. 50K+ GitHub stars · 喜欢吃饭和大肥鱼 Building WalkingLab
Mars
Joined January 2023
- Tweets726
- Following681
- Followers5.8K
- Likes999
Pinned Tweet
花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。
目前是草稿版本，RLHF、Agentic RL 部分本地审校中。
欢迎提 PR 或 Issue & 显卡支持：github.com/walkinglabs/hands…
所以制造业流行一个叫做 CIO 和信息化建设的概念，信息化都没建设的公司根本无法开展 FDE
我来告诉你为什么不要做制造业的 FDE。
在一个连主数据都没有的地方，要接上 CRM SRM ERP MES WMS 等等系统，然后再搭一个简单得不能再简单的 Agent。
这一套下来，最贵的全部是前面的地基部分，接一个系统成本大概就要 5-8 万，这还是保守估计。
然后客户和你说你就帮我搭个 AI，给你 2 万。你不接那些玩意儿，AI 没有上下文客户不满意，你接，就算他给你一个系统 10 万，接起来也是累得要死，一个月能接俩系统不错了。关键是他们那些个系统还不知道是哪家野鸡公司野鸡外包做的系统，说不定做那个系统的公司都已经倒闭了，那个系统就接不上了，你要不就逆向要么就不接那个系统。
就这，我只提到了冰山一角，还没提有了系统仓库那些人不干人事不按时录数据一个月月末突击录一次数据到 ERP 里，仓库找不到物料编码就随便建一个新代码这种蛋疼的要死的玩意。
我之前做一个无人仓储的项目，妈的摄像头点位闸机 NFC 全套全做完了，方案都递上去等签字了，最后客户说一句硬件太贵了，派了俩保安去守门，然后装了俩摄像头。我 GTMD，浪费老子时间。
总之，制造业企业，请一个外面的 FDE 来做 AI 赋能，本身就证明了这个企业大概率在信息化水平上是草台班子中的草台班子。
但是！话又说回来，制造业企业的 FDE 还是大有可为的，毕竟，什么都做好了还要你干什么。不过，这种事情，还是让专业的 IT 咨询公司去吧，人家搞人海战术能做这种苦累活，我们这种游击队就不要接了。
啊？你说我怎么知道这些东西？因为我就是 IT 咨询公司出来的，我做了 10 年，油了肝，秃了头，突了腰，坏了肾，还是别做这个了，让那些公司自生自灭去吧，思配苦。
比 leetcode 重要的是热情和动机，但 motivation 的前提是身体好，行动起来！ 大水、大练每一天每一刻
社达、优绩主义、功利主义、大结果杀死了一切飞扬的想法，和拥有真挚热情的人，要让世界充满更多爱
虽然现在在做 AI 创投相关的事，但其实很长一段时间里，我都觉得自己是个局外人。倒不是对在做的事不感兴趣（事实上我正是因为感兴趣才来的），而是有几种特质我非常不喜欢：
bully、搞小圈子、功利、judgemental、社达。可在创投领域，我总能看到集齐这几点的人，甚至可能正是集齐了这些特质的人，才更容易拿到所谓的大结果。
这种环境总让我不适，可能是触发了我的某种生存代码吧哈哈，让我时刻担心自己会被这样的 decision maker 加速毁灭。
昨天在东京看了白南准逝世二十周年的展，其中一件作品的注解，放在今天看尤其有意义：
The real issue implied in art and technology is not to make another scientific toy, but how to humanize the technology and the electronic medium.
我们不该造一个又一个科技玩具，而应该让科技和电子媒介人性化。
可在这个时代，还有多少人真正在意 humanization 呢？
已经卷到 FDE 了？？😂
LlamaFactory 作者 @code_hiyouga 团队开源了 Agent FDE，开始让 Agent 接企业 AI 落地的活。
FDE 平时要深入客户业务，摸清规则、搭建系统，再跟着使用反馈反复改。现在他们想让 Agent 参与这整段交付：自己学业务规则，搭应用和专属工作台，做完继续测、继续改。
背后的 PenguinHarness 把自进化（RSI）接进了这个过程：基础模型保持不变，Agent 根据评测结果调整提示词、Skill 和工具，再跑任务验证。每轮都有版本快照和分数，可以检查到底有没有改好。
官方已经演示了法务 Agent，合同上传、审阅进度、风险条款和修改建议报告都做进去了。
从写代码到理解业务、交付系统，Agent 开始往这一步走了。做企业应用和 Agent 的朋友可以看看。
对我来说，过上丰富而充实的人生，最好的方式就是假装自己已经赢了
Lex Fridman 最新一期播客邀请了三位数学领域的专家，没想到聊到后面直接思考人生：
拼命考进名牌大学，毕业后进入顶尖 AI 实验室，拿到高薪和股票。你在人生的每一个阶段都赢了，但那又怎样？
Lex 说如今很多年轻人不仅担心未来找不到工作，也担心自己的人生失去意义。
MIT 数学家 Ankur Moitra 讲起了自己在硅谷帕洛阿尔托生活的一段经历。那里几乎是美国大学申请焦虑的中心，连咖啡馆里都充斥着关于课外活动、大学申请和履历竞争的讨论。
“如果这是一场比拼一个 17 岁孩子的履历有多漂亮的游戏，那么他们已经赢了。我记得自己刚上大学时，对学习各种不同的东西感到无比兴奋。我会拿着小笔记本规划未来四年的课程，想着如果按照恰当的顺序选课，大二就能学习光子学。我当时根本不知道光子学是什么，但它听起来既有趣又高深。如今，我们社会的方方面面都在围绕赢得竞争和让履历看起来漂亮而运转。但我总是在想，这究竟是为了什么？”
“从高中开始，你就不断优化 AP 课程和课外活动，以便进入精英大学。等你进入精英大学，你可能又开始逃课，因为更重要的是准备面试，争取进入一家前沿实验室工作，然后拿到丰厚的限制性股票，过完你的一生。这很棒。你赢了。你在人生的每一个阶段都赢了。但那又怎样？”
“对我来说，过上丰富而充实的人生，最好的方式就是假装自己已经赢了。”
很用心的词海模型，让天下没有难背的单词
我做了一个我自认为全世界最好的雅思背词网站，完全免费，完全开源。🔥🔥🔥🔥🔥
7,298 个雅思词，每个词一幅原创插画，英音、美音、例句全都有接近真人的配音。学会一个词，你的词汇星图上就点亮一颗星。
完全免费！！不用注册，打开就能背，代码和词库大家随便用。
希望每个人都能考过雅思。学会英语，去接触更广阔的天地，获取更多的知识。
👉 0xlei.tech/words
开源：github.com/designfuchen/word…
训练导致的不说人话，不经过微调是救不回来的。
为什么现在的顶尖大模型说话越来越“拗口、难懂”了？
NYU 和 UT Austin 刚刚发了一篇非常扎心的心理语言学论文，直接扒开了现代大模型“不好好说人话”的底牌。
研究人员把 Claude Sonnet 5 / Opus 5.5、GPT-5.6、GLM-5、Kimi K2.5 等 9 款前沿模型拉出来做全方位句法解剖，发现了 3 个反直觉真相：
1️⃣ 顶尖 AI 正在滥用 6 种“高认知负荷”句式
相比真实人类写作和同义回译文本，前沿模型极度偏爱：省略 that 的宾语从句、多重名词硬堆叠（如 reader-patience budget）、名词强行作动词（如 calendar it / footnote it）、无生命主语配动作动词，以及超长句法依存距离。这些特征在心理语言学里全是消耗人类短期记忆的“阅读杀手”。
2️⃣ 根源在于“人类大脑”与“推理后训练”的错位
人类语言遵循“均匀信息密度（UID）”——为了照顾听众有限的工作记忆，我们会本能地加入过渡词把信息摊平。而现代大模型经过大量数学、代码和推理（RLVR）后训练，只追求在有限窗口内最大化“信息密度”。
3️⃣ 一个简单的长度惩罚，就能复刻这种“反人类文风”
团队在微调实验中加入长度惩罚（Length Penalty），逼模型少用 Token，结果模型立刻学会了砍掉连接词、堆叠名词，瞬间变成那股熟悉的“高密度 AI 味”。
当模型为了解题效率疯狂压缩 Token 时，你觉得未来的 AI 应该区分“高密度推理模式”和“人类友好沟通模式”吗？
