# 学习的所有文章

在 HTX 新闻中心浏览与「学习」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

奥特曼回斯坦福认错：思考外包给AI，一代人大脑正在萎缩

OpenAI CEO奥特曼近期在母校斯坦福大学演讲时坦言，自己此前关于AI将快速推动教育变革的预测是错误的。他认为，自ChatGPT发布三年半以来，教育系统在考评方式、教学内容等核心结构上几乎未作调整，仍依赖背诵、标准答案和闭卷考试。奥特曼警告，这种滞后将带来严重后果：当学生习惯将写作、编程等思考过程“外包”给AI，其批判性思维和独立解决问题的能力会像肌肉一样“萎缩”。研究数据也支撑了这一担忧，例如ChatGPT普及后，学生作业成绩提高但考试成绩未变，表明存在“外包”而非“学习”的现象。他强调，即便AI在某些任务上表现更优，人类仍需亲身实践写作、编程等活动，因为过程本身是锻炼“思考”与“学习”元技能的关键。当前教育亟待将目标从记忆知识转向培养提问能力、判断力和跨学科创造力。奥特曼指出，最紧迫的问题不在于学生是否使用AI，而在于他们是否具备验证AI输出、进行独立思考的能力。若教育体系不尽快改革，一代人可能面临“认知账”赤字，即在离开学校后，所学技能迅速过时，而核心思维能力却未得到充分发展。

marsbit07/16 08:19

marsbit07/16 08:19

Dwarkesh Patel：下一代AI，可能是干活干出来的

硅谷知名播客主持人Dwarkesh Patel探讨了下一代AI训练范式的可能方向。他指出，当前前沿实验室关注的RLVR（可验证奖励强化学习）虽然在代码、数学等可验证、可重复的任务上进展迅速，但其在复杂现实任务（如创业、法律、市场决策）中可能受限，因为这些任务反馈慢、变量多、环境不可重置。 Dwarkesh提出，AI的真正突破可能需要从“发布前训练”转向“发布后学习”。关键在于让模型能够从真实部署中积累经验，并将这些经验有效压缩并“写回”模型权重，实现持续学习。他提到了两种潜在技术方向：一是“在策略自蒸馏”（OPSD），将模型在长上下文中获得的经验蒸馏回基础模型；二是“梦境”模拟，即AI根据观察构建内部模拟环境进行练习。未来的训练流程可能是：先通过RLVR训练出基本智能体，再将其部署到真实任务中，从用户反馈和项目经验中持续学习。这意味着AI进步的核心数据源可能从互联网文本和实验室任务，转向智能体在真实世界中自行产生的经验。

marsbit06/28 23:49

marsbit06/28 23:49

如何做好研究：锻炼那些可以「刻意练习」的真正能力

并没有人真正教过如何做研究，大多数人只学会了如何“看起来”像研究员，而非真正掌握研究能力。真正的能力由一系列可刻意练习的小技能组成。 **一、选择自己的问题** 不应被动接受他人设定的问题，而应主动选择自己真心希望实现的目标，并反向设计实验。这能导向原创性。研究“品味”如同肌肉，可通过反复预测实验结果、仅凭方法猜测论文数据、并事后验证预测准确性来锻炼。 **二、升级信息输入** 若只依赖热门榜单和社群讨论，容易产生趋同想法，价值有限。应重视旧资料，因为领域发展常重演历史。同时，广度与深度并重：跨学科借鉴（如神经科学、机制设计）和理解底层技术（如GPU内存）至关重要。务必阅读论文原文，尤其是附录和“局限性”部分。 **三、坚持记录一切** 写作是最廉价的防自欺机制，能将模糊想法暴露为逻辑漏洞。应效仿达尔文，立即记录任何与理论相悖的事实，防止记忆选择性遗忘。保持实验日志（假设、设置、预期、结果、认知更新），定期回顾能有效促进反思与成长。

marsbit06/15 12:24

marsbit06/15 12:24

浙大研究团队提出新路径：把人脑理解世界的方式教给 AI

浙大研究团队在《Nature Communications》发表论文提出，当前大模型虽随参数增加能提升具体事物识别能力，但抽象概念理解能力反而下降。实验显示，参数从2206万增至3.0437亿后，具体概念任务准确率从74.94%升至85.87%，而抽象概念任务从54.37%降至52.82%。研究指出，人脑通过分层分类结构处理概念（如将天鹅和猫头鹰归类为“鸟”），并能灵活迁移知识至新场景，而模型依赖数据统计特征，难以形成稳定抽象分类。团队创新性地采用人脑观看图片时的脑信号作为监督信号，将人脑的概念组织结构迁移至深度学习模型（如SimCLR、CLIP）。经训练后，模型与脑表征距离缩小，在少样本学习和抽象任务（如区分生物与非生物）中表现提升超20.5%，甚至优于参数量更大的对照组。该研究突破了“规模至上”的范式，转向“结构优化”路径，强调让AI模仿人脑的认知结构以实现真正的抽象思维与迁移能力。这一方向与AI智能体（如Neosoul）的持续进化机制相契合，共同推动AI从“机械答题”向“自主思考+进化”迈进。

marsbit04/05 04:40

marsbit04/05 04:40

在未来的几十年，什么可以成为你最重要的技能？

未来几十年最重要的技能是“能动性”，即无需外部许可、主动行动并持续迭代以实现目标的能力。高能动性者拒绝盲目顺从社会规训，将人生视为实验，拥抱困难并从中学习。在AI时代，他们不会被替代，因为工具无法替代人的愿景和决策力。通才比专才更具优势，因为他们能整合多元技能，适应变化。人类拥有计算、转化、变异、选择和注意力五种基本能力，这些能力在能动性的驱动下无限扩展。练习能动性需设定目标开始，研究他人成功方法，尝试并调整过程，最终形成自己的体系并传授他人。社交媒体为此提供了低风险实验和快速反馈的理想环境。

marsbit01/14 14:35

marsbit01/14 14:35

新手Hacker指南：如何玩转你的第一次黑客松

准备参加第一场黑客松？无论你是大学生还是独立开发者，这都是学习、创造和成长的绝佳机会。但请记住，获奖并非唯一目标——技能提升、项目经验和人脉积累更为重要。选择黑客松时，建议从大型企业（如谷歌、AWS）或知名平台（如DoraHacks）入手，这些活动规则清晰、反馈专业。务必仔细阅读规则，避免因格式或资格问题被取消资格。不要重复提交相同项目投机取巧，应选择与自身技能和兴趣匹配的赛事。多与组织者、导师沟通，利用社区资源解决问题。研究往届获奖项目，学习其展示方法和创新点。演示环节至关重要：准备简洁有力的视频（1-3分钟），配合清晰的文字说明和图表。合理安排时间，预留充足时间完成提交材料。若未获奖，不必气馁，持续迭代项目更能体现长期价值。黑客松是长期旅程的起点，重在积累技能与人脉。保持创作热情，时间会给你答案。

marsbit01/13 08:49

marsbit01/13 08:49

从内容创作到商业运营：加密KOL的五大避坑指南

作者Leon Abboud分享了自己作为内容创作者八年的经验，总结了加密KOL在成长过程中应避免的五个常见错误。首先，不要将品牌仅视为爱好，而应作为一门生意来运营，关注如何将粉丝转化为客户。其次，应选择明确的细分领域，避免试图吸引所有人，而要专注于有盈利潜力、有吸引力且能持续产出内容的领域。第三，避免使用低质量的品牌素材，如模糊头像或过时NFT，应提升个人主页的专业形象。第四，创作内容时需构建变现漏斗，确保有清晰的产品结构和收入来源，而非依赖偶然的赞助。最后，选定领域后需持续学习，保持行业前沿的认知，以维持专家地位和影响力。

比推12/11 20:21

比推12/11 20:21

# 学习的所有文章

奥特曼回斯坦福认错：思考外包给AI，一代人大脑正在萎缩

Dwarkesh Patel：下一代AI，可能是干活干出来的

如何做好研究：锻炼那些可以「刻意练习」的真正能力

浙大研究团队提出新路径：把人脑理解世界的方式教给 AI

在未来的几十年，什么可以成为你最重要的技能？

新手Hacker指南：如何玩转你的第一次黑客松

从内容创作到商业运营：加密KOL的五大避坑指南

热门分类

热门标签

监管政策

市场分析