#statement #history

终于理解了 alankay 的“好人要有自己的硬件”是什么意思。 就像quine-relay和当下这个idea😇

真正的 #PLT 人是不受语言、环境、API风格的限制，只以交互媒介区分的

py代码基可以在浏览器上玩，命令行安装可以用键鼠操控，bash不了可以用js自动控制， html保存好可以在node运行

一份代码只做一个功能，但是绝不被上游制约、绑定。抽象之桥，就是你心里的那个样子

async和rpc的函数颜色对真正的软件工艺都不是个差异，真正的差异是在不在乎。

许多认为编程要完的人，根本没有碰过编程，只是在应用编码。 把ai当bashrc用也真是太唐了。

同一份工作，你能探索到什么地步？ 如果不从心底在乎，大概不能知道 “编程能做的还有什么”。

我始终认为，复用和变量结构的美，就像经济学、游戏研究、做菜那样，是一种通识和真理。工程化的经验也是这样有趣。 明明是这样好的乐高粘土，却变成无聊至极的表单汇报和C-like的自我感动，真是无趣。

曾经我的在乎是为了API的优雅，把一个不难不易的parse控伴同写了9个语言。 今天我照样在乎编辑与试错的【体验】，获得的是一样的东西，代码一样有魅力，甚至更加引人深思，但没什么不同。

就像 Fable 拿起P5当画笔那样，代码是我的母语、手脚，是思维的地图，从不是解密游戏。 比起所谓才华，开发者的幸福当然更加重要。

正是因为看到许多自作聪明却表现力贫瘠的写法，才认识到直觉体感、声明式数据流的可贵。 AI 是帮助软件工艺，而不是替代人编程

真正的经验是跨领域内方向的，不会因为字数少，就缺乏知识。


quine-relay 的意义不是炫技，而是证明"程序的本体不在任何一种语言里"。128 种语言绕一圈回来还是自己，说明语言只是编码方式。
所以 "PLT 人只以交互媒介区分"——终端、浏览器、文件、socket 是媒介；Python、JS、bash 只是方言。

设计时先问"这个东西的该长什么样"，再问用什么写。

https://junkdog.github.io/tachyonfx-ftl/ #rust
github.com/JFeng-Z/MiaoUI

这个特效库也一样。Effects and animation library for Ratatui applications

ESP32 比许多TUI做的还牛逼. 嵌入式工程师完美展现了如果"write GL"的那帮人做应用编程，是怎么样的降维打击。 你认为的优化上限，在那边就是视频素材

编程界的参差

b23.tv/BV1DFn16aESr

b23.tv/BV1HkJ66vEk9

bilibili.com/video/BV126Hw6uEgW/ 项目总计成本约6000人民币，项目后续会部署到服务器

#game MC风格建模

#math #ai
以前造屠龙刀很挣钱，而现在屠龙刀便宜了，每个人都能轻易买到一把。

造屠龙刀不挣钱了，那你可以选择用屠龙刀。

热兵器时代的武术还有欣赏和健身作用
但数学真的是必须要懂数学才能鉴赏，而且越是能深入越是得到更多的乐趣

就像是围棋主播战鹰说的：真希望能教会你们围棋，这样就知道我有多厉害。数学的困境也来自于此

数学和围棋有一个关键区别。围棋是人与人的竞技，AI 再强也不会取代"人类冠军"这个位置。数学则是对真理的发现，一个定理只能被第一次证明一次。如果 AI 先到了那里，"第一个发现者"这个位置就真的被占了。所以数学人的焦虑比棋手更深

《庄子》里朱泙漫花三年千金学屠龙，学成之后"无所用其巧"。数学家大概从 Hardy 那一代起就习惯了自己的手艺"无用"。

转自油管评论:

我觉得视频依旧没抓住问题的重点, 就像程序员试图说服自己接受现实的方法一样. 视频的论点无非是:

“的确, 数学里的这部分工作确实不需要我们亲自做了, 但我们可以转而去做别的事情啊.” 可问题是, 我们大多数人

根本就不想去做那些别的事情...

我们这些被数学和编程吸引的书呆子, 之所以热爱这些东西, 恰恰是因为它们在我们眼里是一种艺术形式, 一种极具匠心的手艺活.

那种感觉, 是整座城市里可能只有你一个人能解开某道极其复杂的数学题; 是你发现了一个全新的证明, 为人类不断扩展的知识体系天上了属于自己的一笔, 让自己的名字永远留存下来.

比方说, 假如有一位皮匠, 他毕生的热情都倾注在制作精美的手工皮包上. 他最大的快乐, 就是知道自己凭双手制作的每件作品都能陪伴主人一辈子, 并且每次主人使用它时都能感到喜悦.

然后, 一夜之间, 有人敲开他的房门告诉他: 我们现在能生产出比你做的好50倍的包, 而且价格只有你的十分之一. 不过可别担心! 你完全可以去管理生产这些包的工厂, 这样赚的钱甚至比以前更多.

或者你也可以去做销售, 向顾客介绍这些包有多好, 给他们讲解这些包的优点.

但这根本不是我想用自己的一生去做的事情啊. 我从没想过要当管理者, 我从没想过要做销售, 也从没想过要靠写东西谋生. 我曾经热爱的一门手艺, 就这样被夺走了. 难道我连为此感到悲伤的权利都没有吗?

我不在乎自己是不是还能转行去做别的东西, 因为那些事情从一开始就不是我喜欢的. 我喜欢的是解题的过程、亲手写代码的过程. 我不在乎别人说什么, “其实编程的本质从来不是写代码. 归根结底你最终还是要走向管理岗位的.” 可我根本不想当什么管理者. 我不想管理别人, 不像变成一个只负责检查审核别人写出来的东西的人.

我真的很讨厌如今这种感觉.

🙉 我却是没有在【接受现实】，现实不是正在越发好起来吗？

#bilibili #school 作者连前端和GL/gamedev 都分不清，都能 “写出” 和碰运气抽出这样的东西。 oneshot和 #vibe 还是太权威了

评分不会因为使用某种语言、引擎、框架，或者代码量更多而额外加分。
🙉 👍

数学学科，不夸张、不装蒜的说，长期以来给外界的价值反馈，就是【天下苦数学久矣】。 数学，基本上是理科里KPI最拉，光环最假大空的

这门学科，长期以来在第一线，比如游戏和现实数据/工程领域的反馈，就是纠结太多，结论太碎片化，太球形鸡， 但是它无法被批评：每个细分领域自立山头写歪七扭八的希腊字，附庸风雅，靠【数学证明】给自身以自我繁殖的合法性，已经成了21世纪尚存的伪神之首。

一句话：牛顿是为了信神做物理，数学是为了造神做科普。

经济学可不讲解A和B之间的等式不等式，不讲道理。 只要max()性价比一截断，A和B就永远只有一个真理了。

我们几时说【四元数】没用？ 地球仪不该被中轴扎住，一句话就给到的intuition。SDF隐函数（热力图/高程图）也是同理。


问题不在数学【封装没封装】，那个问题复数vs向量的Gizmo变换矩阵（即二元数）也有说法， 是学科给出的回答："看不懂但能验证的证明也是证明。"

Gizmo每个用过Blender的人都懂，死锁每个玩地球仪和办公椅的人都明白，而数学，把其中的一部分拿来造私货顺带抢注，这个也数学那个也数学，数学同时吃两个。 一边独揽验证，一边抢注。现在IQ被真SOTA顶尖智慧给塌缩，自食其果。

"正确的插值"是什么意思？这是你定的，不是数学定的。SLERP 的规格是"沿 S³ 上的大圆、角速度恒定"。但这个规格不一定是你要的：Jonathan Blow 十几年前那篇 Understanding Slerp, Then Not Using It 讲的就是——归一化 lerp 走的是同一条弧，只是速度不均匀，而人眼在两帧之间根本看不出那点不均匀，所以省掉 acos 和 sin，用 nlerp。大量引擎确实这么干。这里"对"的裁判是你的产品，不是公式。

AI证明，只是把【传统数学】最后一块遮羞布（证明的神圣性）撤掉，而内部的死鱼，本来就是臭掉的。几百年前的事了

为什么要等到反馈落到自己身上，才知道疼呢？ 数学家引以为傲的【跳帧】【跳过算力】【跳过反馈】的能力，和【绝对理性】去哪了？


我，现在确实会为【选型出错】【浪费了精力和token】而懊恼，会为【oneshot从头再来结果反而更好】而寻找原因、去搜索更多平替，但那无关于我的创作和心血本身。 现在许多事的时间不够，也不足以体现内行的耐力与经验差距

但我也真切的体会到了费曼的【审美】： 昆虫有色觉吗？瓢虫看这朵花是什么样子？ SOTA 的 A\ 让 #PLT 的软件工艺更有趣味，也更有挑战，同时给了我们更多容错/慢慢做优化的空间

我失去的是一个个卡着我的编译器和眼花缭乱的IDE，得到的是 【Claude Code 里有嵌套之美吗】【AIGC主导项目的toolchain和中间IR为什么会长那样】【MC方块世界里的模块化和“代码复用”是什么样子】【节点图和函数体的图形隐喻与差异】

它们在我眼中，都是以前的知识，只是更有魅力。 这意味着我的能力在更好的【上游】上得到了应用，而不是在非常无聊的， override eval/Visitor/字典晚绑定，[[Str Any KV] List] 或 [Str [Any List] KV] 的未编号作用域查表上，为一堆 C-like 的庸俗【毕业设计】浪费时间

最新的 A\ 让知识更加性感了，在更多细节上存在了。 而不是剥夺了【细节的乐趣】

"整座城市只有你一个人能解"这个感觉在互联网普及那天就已经半死了——你解开时隔壁城市早有人解了。AI 只是把最后那层幻觉也撕掉。被撕掉幻觉当然疼，但疼的来源是幻觉破灭，不全是损失。

#statement "稀缺性快乐"，

我大概早就不剩多少了。 但"看清结构的快乐"不但没少，还换到了更高的楼层。那时扔一版的代价是几个月，现在是几分钟。

那段"一朵花"的独白里，艺术家朋友说科学家把花拆开就不美了。费曼的回答是：

知识不会减少美，只会增加。花的颜色是为了吸引昆虫进化出来的，这意味着昆虫能【看见颜色】。 做一个昆虫视角的游戏，会怎么样？

如果函数式、OOP、声明式Signal一起在MC里比赛，它们各自擅长什么？ 玩家会怎么用它们创作呢？没有“变量名”怎么编程和“返回”？ 是像GCalc.lisp那样，还是与游戏物理更原生的融合？

我能想到一大堆与领域和经验相关的【游戏攻略】，如果我需要，我会迫不及待的把它们喂给A\，并努力做版本和限制住复杂度，而在灵感之外，【能够继续编程】本身就是对经验最大的考核。

非常好奇！


如果你真的【热爱数学】，肯定不会为以下场景愤怒：

那种感觉, 是整座城市里可能只有你一个人能解开某道极其复杂的数学题; 是你发现了一个全新的证明, 为人类不断扩展的知识体系天上了属于自己的一笔, 让自己的名字永远留存下来.

一夜之间, 有人敲开他的房门告诉他: 我们现在能生产出比你做的好50倍的包, 而且价格只有你的十分之一. 不过可别担心! 你完全可以去管理生产这些包的工厂, 这样赚的钱甚至比以前更多.

在我看来，宇宙的真理本身就在那，总是在那，值得称颂。 生命的伟大让人感叹。但是，我非常清楚不需要人付出什么、理解什么，它们总是在线。

【就是知道自己凭双手制作的每件作品都能陪伴主人一辈子, 并且每次主人使用它时都能感到喜悦.】

这对我来说就足够了。世界上的人都知道可乐好喝，却不需要学习谁发明了它们。

🤔 如果我会为【低成本效仿】而恼怒，那倒像是纯度太低了。 我的学问不是懂不懂，是已知和未知。 低成本只会让我更专心的组合功能点，深入的学习控制。

AI 把已知扩得越快，你面前的未知就推进得越快，可走的前沿只会更多。 为什么要为换汤不换药的几十年前的【尖端原理】感到惋惜呢？ 优秀的思想，是不限于媒介的。

#ai #news #douyin

* 陈守法（Goku文生视频主爹之一）作为最直接受害者，2024年数月排查是“炼狱般”的经历。 这个dev是能感同身受的， 毕竟是ssh直插PyTorch源码（优化器、梯度裁剪、随机种子/数据采样、分布式通信等），在排查会议上根据进展调整手段。怎么看也不像是【约10天内手动停/卡住对方任务约5次】

2026年田柯宇创办世界模型方向AI实验室，获五源资本、IDG等近3000万美元融资，投后估值约2亿美元。 这个和北大投毒案简直了， 太【会做人】了

他找到的是共享服务器中，田柯宇 Linux 个人目录下一个名为 “.temp” 的隐藏文件夹，里面存放着多份代码。

这些攻击代码不仅存储在田柯宇个人目录下，有的甚至存在其直属领导的目录名下，以及公用数据文件夹下的日志文件里 —— 如果不是被删除，他们将无从找起。陈守法形容，“打窝一样，各处都放点。”

一审按违约判赔 50 万元，资本看的是 NeurIPS 2024 Best Paper 一作 + 世界模型方向的技术叙事，确实和当年北大某些“投毒/造假后还能继续拿资源”的案例有观感上的相似

在高度竞争的资源环境里，能力+叙事能力有时能压过过程中的道德与协作风险。技术圈对“结果导向”已经习惯了，DeepSeek早先钓别人篓子里的鱼今天不也一样开源前锋、人类良心么

没什么绝对的正义，这个问题上我觉得，能拿钱解决最好了。 可惜高材生也不会学这些，到底还是内心抠么

“断了立马能找到问题，所有的问题都可以解释。” 葛崇剑回忆，团队终于可以正常增加数据、扩大模型规模，效果几乎每天都在改善。

那一年 10 月底，Goku 虽取得不错结果，并在 11 月投稿 CVPR（国际计算机视觉与模式识别会议），但几个月的耽误，对争分夺秒的 AI 行业来说，就是一代模型的差距。

10 月，围绕田柯宇干扰模型训练的事件突然在网上曝光，话题 “字节跳动大模型训练被实习生攻击” 登上微博热搜。字节在 10 月 19 日的声明中确认，一名商业化技术团队实习生曾恶意干扰研究项目的模型训练，已于 8 月将其辞退。

在 2024 年夏天的内部问询会上，田柯宇称自己当时 “郑重为所有参会的人道歉。我们访谈的多位项目当事人说，因为是实习生，他们没有资格参加那场会议。如果没有田柯宇今年 10 月的视频访谈，这件事可能就结束了。很多人已经离开字节，各自开始了新的工作和生活。

通篇既没有推测柯为什么那么做， 也没有受害者真正的控诉感，只是好像【大家突然都不和那个人说话了】，然后继续干活，终于把模型训起来了，庆祝终于突破了训练瓶颈

几个月的耽误被直接翻译成“一代模型的差距”，这是对争分夺秒环境的客观描述，而不是道德控诉。哪怕有田柯宇今年10月的播客，这件事也只是发个AIGC的中英博文，提醒不要颠倒黑白。受害者侧更在意过程被重新包装后的示范效应和信任伤害

我觉得柯应该分点精神损失费给前同事们，可他大概觉得不相关

经济就是不讲道理的，何况这个问题上字节自己也不合规，所以才没给他送进去。

有一说一，这问题没线上影响， 损失的是【几个程序员/炼丹的】的心理压力， 所以放公屏上看，可能可能还不如实验楼里小A长期窥屏小B的【浏览器历史记录】严重。 反正IT/CS/ML的心理健康问题也逐渐麻木了，ML界更是只有SOTA被重视，简直eval折线图都没有浏览量了

如果这件事是纯个人项目，三个月可能给Goku主爹们的心理压力可以低到请几顿饭就能解决，但爆炸范围明显更广，当然，Docker集群的权限混乱、DevOps变成真Dev随便装后门是最大的问题。竞争激烈时大家都不愿意把资源摩擦公开化。心理健康麻木是行业常态， 属于是恶性循环了

他们反复强调的是：对方用一套【成功人士叙事】重新定义了当年的事，而不是在继续争论“到底损失了多少卡时”。示范效应和信任伤害被放在前面，而不是个人情绪


这个优先级排序，和“心理健康麻木、只看SOTA”的行业环境是匹配的

很推荐大家读一下这篇文章，很深入地刻画了 AI 时代下为追名逐利而精心安排的一场“暗杀”，很难想象具有这种劣迹的人，依然有投资者趋之若鹜

另一方面文学性也很值得学习

？！开源一些底裤！？

DeepSeek 开源推理框架：走向真正普惠的未来

deepseek-ai/DeepInfer
deepseek-ai/deepseek-recipe

#ai #china 大肥鱼 DeepSeek 才是真正的OpenAI

现在，不仅开放自托管，还为集群的成本下降而添砖加瓦。 gpu高性能算子工具链也有，带宽优化也前沿

或许过几年还会开放自训练
"开放自训练"已经部分兑现了——技术报告写得够细，R1 的训练方法论社区已经复现了不少。缺的是训练数据和完整训练代码

日均 24 小时折合约 278 个节点（2200 多张 H800），输入 6080 亿 + 输出 1680 亿 token/天，按 2 美元/卡时估算成本，理论日收入 56 万美元左右。

开源后等于把“如何把同样的卡多接几倍单、降低单位成本”的经验直接给社区了

虽然完整服务还缺KV cache系统、PD分离和负载均衡等外围部分，但核心引擎已经出来了。

OpenAI名字里带着Open，但核心模型和基础设施越来越闭；DeepSeek这边反而在持续把家底往外倒。和opengl这些画风差太远

对于ML/LLM而言，语料质量和HITL是一方面，更重要的却是卡时（算力单位）。再好的输入没有训练性能都是爆红灯。 而DS能以极高性价比在中高端任务上做到准第一梯队，好像没有受到制裁，就是靠优化工具链。

V3的技术报告里写得很清楚：约2048张H800，预训练14.8T tokens，对比之下，Llama 3.1 405B的GPU小时数是它的十倍左右量级。

这些不是事后包装，而是他们自己在受限硬件上踩坑后沉淀下来的。后来陆续开源的DeepEP、DeepGEMM、DualPipe、FlashMLA、DeepSelect等，本质就是把这套“把有限卡时榨干”的工具链公开了。

还是算法选择（MLA 把 KV cache 砍掉一个量级、MoE 把激活参数砍到 1/18、GRPO纯RL路径等）、数据策略和工程能力一起的结果。光有优化工具链、没有好的架构和训练方法，也堆不出中高端

405B 是 dense，每个 token 激活 405B 参数；V3 总参 671B 但每 token 只激活 37B。单看激活量就是 11 倍差距。是 MoE 架构选择，其次是 FP8 训练，DualPipe是【怎么让它真跑起来】。 RL 阶段的 reward 设计差一点，结果可以差一个档。

infra 那帮人的价值恰恰在这里：不是实现算法，是把迭代周期从"几周一次"压到"几天一次"，让算法侧能多试几轮。这不是消除模糊空间，是加快探索它的速度。

编程里也只有信号处理领域和ML最接近了。 符号AI和PLT或数学更接近

但信号处理领域串成线的公开资料最少，大学也不按基础领域教。以至于你看到机器人比赛、机器狗、shadertoy都会感觉莫名其妙，似乎不是代码写的端

#math #物理 #ai探讨

有数学系统vs代码，本质上是现有编程语言太拉胯，但实际上numpy,th这些东西已经成为编程语言了。 HPC的数学真的是数学吗？ 而且，优化（带宽、延迟、内存层级、算术强度）是不能当成领域的，优化必须有领域模型的来源。

数学连续在宇宙中是不存在的，与其说数值分析是数学，不如说是补上数学失败窟窿的pre工程。 我不是主张"算法和调度可以分离"，是算法的scale结果即时反馈、消除试错和模糊空间。

宇宙是否连续是物理学未决问题。 你知道你在说什么吗？ 物理上要提供一个接口， 让数位无限的某种量纲，可以得出数位有限的i32或bool结果，是在物理时空上无穷量化，不是心理上滑动平均到【某某空间】

> 一个比较器，输入电压 v，输出 sign(v − v_ref)，一个 bit。它不需要知道 v 的任何一位数字，边界附近怎么办？噪声接管，输出变成概率。量子力学本身就是这个接口

我正式说明我的立场：不可判。 连续vs离散不是集合有多宽，而是子问题的量化。 所以本来就没有谁更真理，只有工程更真理。

你可以认为bit只有0和1，但那也只是人为压缩。量子不可通讯定理，0和1是无锚的绰号而已。它在宏观可以是连续线，也可以是另一种类似汇编指令且更好优化的窄接口。

qubit 的 |0⟩ |1⟩ 没有绝对意义，换个基就是 |+⟩ |−⟩ ……

让我比喻一下： 我手上只有A和B，所以把它放进if/else，正反都是有保障。 这是滥用【决策】一词的日常含义

不是穷举保证了标签，是【不对易】的流逝——这些是能量和熵，不是定义。 但还是请你会读我上面的立场一些，我们都在聊一些时空的 abstract nonsense，对常识的文字游戏而已

常识和“连续”是用来体验的，不是做数学游戏的。先把人类的鼻舌数学建模再说吧， 最好的问题是【反问】以及【没有问题】

不是工程裁定了宇宙的本体，而是工程，必须交代适用域、误差、失败概率、时间和资源，并对这些承诺负责。有限读数能【兑现】这些承诺，数学可以100%证明，却交付不了100%不死人的成果

😅 可能，我们【理解】问题的方法并非非此即彼。既不是bool，也不是i{size}，甚至不是float，而是离散的语言文字本身？

#ai探讨 Fable 5.1 的中文理解能力确实大砍了

比理科生还缺乏语感了 😅

会把形象比喻当真，然后开启杠精模式；再次复刻了【洗车需不需要走着去】的那次欢乐谷效应，从【Super Intelligent】变回了自带task化+风格迁移的超级谷歌

我现在 prompt 时也会分清楚，是【负面反馈】还是【要咋样】

“人物A是黑的” （消极语气） 和 “人物A要是黑的”，在不同语境里会有漂移，我统一写后者

结果就是，我的文风现在和AIGC差不多高带宽【高惊奇度】了，已经开始被诟病为分不清是不是 🦞 ，理解难度可能很像【中文的对抗样本】或【普通话方言】，但我认为，概念应该仍然好读？

中文提示词从敲键盘开始，总体来讲是收益不是害你。目前跑几个星期vibe/反馈导向还没发现其他问题，似乎oneshot效果是最好的，侧面反映出编程语言和工具链的HITL loop和分解能力不好。

grok Imagine 集成的SAM提示词框感觉和F12一样，很惊艳，当然ChatUI自带虚拟机工作区也比谷歌哈机米好太多了

主要是不会变来变去，麻烦。oneshot可能也是这个道理，能体现模型自己pretrain想到的天花板，可能也有些创新，但仍然没有竞争力。 根Musk那个“未来AI直出汇编”唱的反调，端到端根本组合不好【优良基因】。