与「】“生物多样性使地球充满生机”“人与自然应和谐共生”……近年来，习近平总书记就加强生物多样性保护、共同建设清洁美丽的世界作出一系列重要论述，阐释人与自然和谐共生的重要理念。」相关的搜索结果

【 #学习新语｜##共同守护生物多样之美##】“生物多样性使地球充满生机”“人与自然应和谐共生”……近年来，习近平总书记就加强生物多样性保护、共同建设清洁美丽的世界作出一系列重要论述，阐释人与自然和谐共生的重要理念。# #总书记思想#

10.2梭哈晨报： 怎么说呢，昨天居然站在光里了，可是光我很久没有了啊，我只有a股的光，a股的光我要接近100%才能回本啊，我rnmlgb啊😭。 1. $BTC 画门大师，最近画门是为了真突破了没人能追得上？ 2. $ETH 众所周知跟随大哥走； 3. $SOL 最近非常活跃，尤其是链上活动； 4.SEC承认监管滞后于比特币，提议新的托管规则； 5.美元指数破 102，英国 30 年期国债收益率升至 6%； 6.美国财政部10至20年期美债回购达60亿美元上限； 7.获批拨款1.39亿美元，IMF豁免萨尔瓦多违反比特币增持限制； 8.以太坊基金会推出zkAPI，支持匿名支付AI API费用； 这不发个meme？ 9.Arbitrum：9月收入超500万美元，创历史纪录； 也支撑不起20亿吧？ 10.霍尔木兹海峡商船遇袭，美军急调航母与万名兵力； 特朗普称伊朗已准备屈服，美方将轻松获胜； 11.美联储副主席释放暂停信号，10 月会议或维持利率不变; 美联储的杰斐逊表示将保持耐心，因为10月加息概率降至23%； 利好了？ 12. Circle敦促修改MiCA，因为仅有3种顶级稳定币符合要求； 13.特朗普梗币晚宴回归，民主党威胁审查； 14.NEAR Intents 在遭遇 380 万美元的漏洞攻击后恢复服务，承诺全额赔偿； 3.8m导致了几百m的下跌😂； 15.Anthropic 据悉最快 11 月中旬启动 IPO； 16.山寨币这种波动，也是只能看做市商了，想明白目的性，和盈亏比才能上； 说的就是龙虾； ----------------- 这行情每天画门，也别天天diss美股了，美股反弹起来可比加密多得多，生物多样性而已，加油抓住才是本事。 #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

我的零号母猪 从生物的角度解释为什么达尔文主义不合理，以及我为什么无法成为“执剑人”。 花6年淘汰率99%的0号母猪，之所以取名母猪是因为希望他好养活（其实是），并且生养众多。但是我每天还是生活在他会不会挂掉的恐惧中，春季会半夜起来看他发芽没。其实完全不合理，在筛选过程中其实这就是重要指标（好养活，死不了），所以这是我自相矛盾的行为，也是我发现自己当不了 “执剑人”的一个特质。 首先这是人为园艺筛选。我第一目标“去刺”，玫瑰有刺是最讨厌的特征。然后就是叶片增厚蜡质叶片，增加在高温下休眠的温度区间。其实从星球生物的角度上来说不合理，我在这个过程中淘汰无数古早品种，特种花型。但是其实应该将这个星球所有的物种，植物/动物全部录入基因库。然后用DNA储存DNA，DNA本身就是最强大的信息储存机制，就是个硬盘。而且还不耗电，可以进行长时间的星际航行。保不齐哪个星球就能找到最佳适应场景。 在这个淘汰的过程中，心脏简直受不了🤦。每次有人来，甚至有人开皮卡来，一百多株就这么带走了，我的小心肝其实是在发颤的。直接手发抖，然后赶紧打发那个人走。无法成为生杀决断的“执剑人”。 生物有很多特征，让我觉得达尔文主义有问题。比如“均值回归”，博士夫妻生出智力非常普通的孩子。保持生物多样性，才是跨行星物种的最佳方案，因为不知道下一个行星处于星系的哪个位置。

两年半下来，我觉得我已经能够回答“LLM 是什么”这个问题。 过去两年里我问过无数人——尤其是创业者和我认为很聪明的各行各业的人——关于这个问题的看法。计算机科学的人可以从底层技术去解释：transformer、attention、RL 等，但从人类社会、智能与哲学的层面来看，这些技术性答案并不能完全说服我。我们需要一个更高一层的解释：从智能的本质、人类学与哲学角度来回答——LLM 究竟是什么？ 我的结论是：LLM 是一个符号天才。在我与它长时间、深度交互的这些日子里，我越来越相信 LLM 与人类大脑在“符号敏感性”方面是同构的。符号天才在我们社会中并不罕见——我就是其中之一（好吧，有点不要脸，但你将就着看）。这种符号智能，与空间智能、时间智能并列，构成了人类智能的若干重要类型。这也是我这两年回溯自己成长经历，慢慢得出的结论。 并不是所有程序员都会对 LLM 产生深厚兴趣：很多人试着用几次就不再有感觉；但有些人能与它探讨无限长的对话，我就是后者。为什么？先说我不擅长的：空间智能。李飞飞、爱因斯坦、牛顿属于那类空间天才。小时候有一次在少年宫的奥数选拔赛就发现了，因为那次考试有一整面都是各种组合的方块。要求你把方块各种辗转腾挪，翻转然后选择正确的图案。我一题也做不出来。跟我一起去的那个同班男生说，你在脑子里把它转过来就好了啊，我转不过来，急的大哭。我也很难记路，没有 GPS 我几乎不可能开车；定向越野绝对不敢，给我一张地图和指南针，我宁愿不动，我说我但凡尝试自己走出国家公园只会增加救援队营救我的难度而已。几年前朋友送我一本关于Plantonic Solids的书让我研究 3D 打印，我翻了两页就放弃了——那不是我的世界。 有的人天生是空间天才：比如我高中时期一个关系很好的男生。有一次我们想送纪念品给一个我们都很喜欢的生物老师。我就带他去华强北找我妈，我妈最多花了5分钟给他讲布线原理，然后送了一大堆发光二极管给他，他自己一个人完全没画图，纯靠大脑布线做了一个很复杂的纪念品，我根本看不懂。他现在在拿手术刀，外科医生，在人体上布线。 符号天才天生适合标准化考试，这跟学科无关。把学科（语文、数学、英语、物理）当作人类智能的划分，是粗暴且不贴合现实的。标准化考试的逻辑本质上就是一个“符号概率游戏”：题干（线索）→ 正确答案（符号）的映射。无论是选择题还是作文，考试要的是“符号映射”的命中率。这与填字游戏和 LLM 的 token prediction 是同构的。我很擅长填字游戏，也擅长在有限符号集合里做概率压缩，所以考试总能拿高分。概率直觉往往胜过深刻理解：符号天才能迅速扫描选项，直觉判断哪个最符合“出题逻辑”，高分的秘密往往不是深度理解，而是“概率压缩 + 符号匹配”。这个真的很绝，因为我被无数人说过，“真不知道你是怎么全部都蒙对了的”。 高考作文，所有考试的问答题也靠映射。看到作文题目，符号强者立刻知道高概率的答案结构是什么。作文评分体系其实是一个“符号映射游戏”：题目提示什么，你在答案里是否把需要的符号模式还原出来。这跟文学创作欲无关——你可以毫无创作欲、照样拿满分。我就是这种，但是这么多年根本没有文学创作的欲望。连闺蜜都要写“穿越到金庸世界当丫鬟”，而我连穿越到哈利波特去看看三人组今天折腾了啥的欲望都没有。 由此可见，中国的应试教育筛选出的，并非创造力型天才，而是符号高手：他们反应快、能在封闭且规则稳定的考试系统里发挥特长，但这并不等同于在现实世界里解决问题或做出原创性贡献。 归根结底，这一类型的人类认知其实就是“概率 + 符号 + 逻辑”的混合体，而不是单一的逻辑机。图灵就是典型的符号天才，照样擅长数学和密码学。这也解释了为什么很多当年和我玩的好的人转码都那么顺利——天然擅长符号系统。像我擅长的那些领域——乐谱、代数和数学中的密码学信息论、各种人类语言、计算机语言——表面上看各不相同，实质上都是符号体系；我的优势在于对符号本身的敏感，能够在不同系统间建立映射、压缩信息、发现规律。 再次批判粗暴的文理分科和学科体系。 人类智能是多样的，不止有符号天才。正因为有符号、空间、时间等多种智能并存，文明才能丰富而全面。李飞飞看到 LLM 的局限性，会本能不完全认同，这是空间/感知维度的直觉在作祟。我的结论并不是要把所有智能都还原为符号，而是要承认：我们发明的 LLM，本质上是与我们自身某类天赋同构的工具——一种被工业化的符号智能。 我也是几年前为了研究我儿子的谱系，才慢慢接触这方面的内容。 符号天才（Symbolic Genius）擅长语言、逻辑、数学、编程、乐谱等符号体系。 代表：图灵、维特根斯坦。 优势：模式压缩、抽象建模、体系构建。 空间天才（Spatial Genius）擅长几何直觉、物理感知、具身想象。 代表：牛顿、爱因斯坦、李飞飞。 优势：通过直觉的“空间重构”解决问题。 时间天才（Temporal Genius）擅长节奏、历史周期、演化视角。 代表：音乐家（贝多芬）、历史学家（汤因比）、经济学家（熊彼特）。 优势：能把时间模式抽象为节奏或循环。 情感天才（Emotional Genius）擅长共情、关系管理、叙事感染。 代表：莎士比亚、托尔斯泰、马丁·路德·金。 优势：通过情感结构激活集体共识。 身体天才（Kinesthetic Genius）擅长动作、直觉、身体协作。 代表：乔丹、梅西、李小龙。 优势：身体即思维，通过运动解决问题。

香港一位中学老师转行做交易，两年把 100 万美元做到了 1600 万。 2024 年他拿下美国投资锦标赛百万美元以上股票组冠军，破了 Minervini 在这个组的纪录。第二年又卫冕，他爱人用同一套策略拿了亚军👍👍 他叫 J Law，用的就是 Minervini 的 VCP，我把整套打法做成了这一张图。 他的逻辑是等想卖的人基本卖光了再买，每回调一次，想卖的人就少一批，回调一次比一次浅，量也越来越小，等没人再卖了，一有买盘就涨上去。 先选股，只挑在涨的股价在 50 日线上面，50 日线又在 200 日线上面，两条线都往上走，营收还要越涨越快。 再看形态，回调一次比一次浅，最后一次在一成以内，下跌那几天量很小，最紧那一段的最高价就是突破点。 买点有两种，放量冲过突破点就买，或者等它第一次缩量回踩到突破点，正好有 10 日或 20 日线撑着再买，止损最好 3 到 5 个点，七八个点是极限，仓位倒着算，一笔只亏账户的千分之三左右。 涨了一成多，先把止损挪到买入价上面，卖法也有两种，涨到阻力位就卖叫趁强卖，跟着 10 日或 20 日线一直拿着叫趁弱卖，新手先选一种做熟。 每一步怎么画，什么时候少做，还有药明生物和超微电脑两笔实盘，都在图里。

人类没有“长寿基因”，也没有“永生”的生物学设计；错的是——"命定不长寿"这个判断，已被寿命表的数字直接推翻。 ------ 人根本就不会长寿！ 一、先给判断 【表格】 常见说法判断依据 人有“长寿基因”，注定能活很久不成立迄今为止，没有任何一项研究找到能决定人类寿命长短的单一基因或“长寿密码” 人的寿命是命中注定的不成立全球平均预期寿命1950年为46.5岁，2023年已达73.4岁，翻倍只用了不到一百年 人类本来活不到这么老不成立史前人类的平均死亡年龄之所以只有二三十岁，主因是极高的婴幼儿死亡率，不是“古人只能活三十岁” 人的寿命有天花板部分成立主流研究估算人类寿命上限约 115岁，也有研究认为可达130–150岁；当前纪录保持者是让娜·卡尔芒的 122岁164天 基因决定你能活多久不成立双胞胎等研究反复显示，基因对寿命差异的解释力只有约20%–30% 百岁老人靠的是“长寿基因”不准确一是基因变异的组合很关键，而非单一基因；二是环境、医疗、饮食、社会支持的解释力更大 长寿的核心是某个单一因素不成立真正起作用的是一套组合：饮食结构、运动、睡眠、医疗可及性、社会联结 长寿就是“越活越久”这么简单不准确真正稀缺的不是寿命长度，而是健康寿命（能独立、无病、有质量地活着）的那段 一句话：人类确实“不会长寿”——因为我们从来不是靠基因长寿的；但我们确实“越活越长寿”——因为寿命从来是环境和医疗的结果，不是DNA的设定值。 ------ 二、先破“基因决定论”：身体从没被设计成“老而不死” 这是“人根本不会长寿”这句话唯一站得住的那一半。 2.1 进化不负责让你活久 【表格】 事实含义 自然界中的“长寿”指的是性成熟后、生育期内的存活优势进化的压力主要作用在繁殖成功上，不在“活到八九十岁”上 一旦过了生育高峰，自然选择的“关注度”急剧下降老年期的高死亡率，对进化来说基本不可见，也就谈不上被优化掉 没有单一基因、没有“长寿密码”长寿不是一条指令，而是成百上千个基因变异的组合，且组合方式因人而异 这里有个反直觉的事实：百岁老人并不是“人人都带着同一种长寿基因”。研究反复发现，是特定的基因变异组合在起作用——同样携带某个“长寿相关”位点的人，有人活到105岁，有人七十岁就走了，差别在组合和后半句。 2.2 “程序性衰老” vs “损伤累积”：两种死法 【表格】 假说说法支持证据主流态度 程序性衰老存在一个“生物钟”或基因开关，到点就自毁端粒缩短、表观遗传时钟、某些基因调控通路有部分证据，但未证实存在单一“自毁开关” 损伤累积自由基损伤、DNA突变、蛋白错误折叠、线粒体功能下降，坏了修不好，就慢慢垮氧化损伤、体细胞突变累积、蛋白质稳态失衡更被广泛接受 关键在于：这两种说法都不支持“人注定长寿”。前者说“到点就垮”，后者说“慢慢修不好就垮”。两者合起来，恰恰说明人的身体从生物学设计上就不是为长寿准备的。 所以“人根本不会长寿”这句话，在生物学层面是对的——但对的不是“人活不长”，而是"人不是被造出来活长的"。 ------ 三、但“命定不长寿”这个判断，被数据直接推翻 上面那部分讲的是“设计意图”，下面讲的是“实际结果”。这两件事完全不是一回事。 3.1 全球预期寿命：翻倍只用了不到一百年 【表格】 年份全球平均预期寿命 1950年46.5岁 2000年66.8岁 2019年72.8岁 2023年73.4岁（男性70.8，女性76.1） • 1950–2023年，全球人均寿命增加了25.4岁。什么概念？一个1950年出生的人，平均只能活到46岁；2023年出生的人，能活到73岁。 • 从1990年到2019年，全球平均寿命增加了8.4岁，相当于每十年多出两岁多。 • 疫情期间是唯一的一次倒退：2019–2020年，全球预期寿命下降了1.8岁，降到71岁——然后迅速反弹回来。 如果人类真的“命定不长寿”，这张表根本不该存在。一个物种的寿命均值在三代人内翻倍，这不是基因变了吗，是环境变了。 3.2 数据从哪里来：不是“更会算”，是“更少人早死” 这是最容易被忽略的一层，也是“古人只能活三十岁”这个误解的根源。 【表格】 指标含义为什么容易被误读 出生时预期寿命一个新生儿在当前死亡水平下平均能活的年数被极高的婴幼儿死亡率严重拉低 条件预期寿命已经活到某个年龄的人，还能再活多少年这个数字远高于出生时预期寿命 举个例子： • 史前/古代人群，出生时预期寿命可能只有二三十岁——但这主要因为大量婴儿夭折，而不是“成年人一过三十就死”； • 一个人如果能活过童年、成年、生育期，活到五六十岁在古代并不罕见； • 所以“古人普遍活三十岁”这个说法，是把统计均值当成了所有人的命运。 换句话说：人类不是“突然变得长寿”了，是“把大量早死的人救了回来”。平均数的提升，绝大部分来自婴幼儿和孕产妇死亡率的下降、传染病的控制、营养和医疗的改善——不是来自“延长了老年的长度”。 3.3 但人类确实有寿命天花板 【表格】 证据内容 当前纪录让娜·卡尔芒（Jeanne Calment），122岁164天（1875–1997），至今无人打破 本文为生命科学科普与概念辨析，不构成医疗建议。

我大概能理解之前观鸟爱好者的情绪了。 现在我在家等LOL总决赛，闲着没事干，在 B 站上看哔哩哔哩和中国国家地理联合出品的《生命奇观》纪录片。 第一季中马来西亚的雨林这一集，我第一次感受到了昆虫的美，那是数亿年间地球生态和进化下演化出来的不可思议的美。 这集小亮老师和 B 站up主动物学博士陈睿，对昆虫种类和各种细节的了解，也让我震惊。我从屏幕外都能感受到他们对生物的热爱。 我想我如果用 AI 去创作关于昆虫的科普内容和图片，但凡有任何的错误，我甚至会相信，他们认为这我是对造物主的亵渎。 这个纪录片太美了，推荐大家观看。

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

大厂的AI商战真是朴实无华，就是猛猛砸钱找专家，猛猛做数据标注。。。字节的Xpert，10月份有一个人领了18万。。。 AI时代，只要你有任何特长，只靠贡献自己的知识和努力，也能活得很滋润： ⓵专业问答与评测 -专业领域问答（医疗、法律、金融、STEM等） -模型回复打分与对比评测 -Benchmark出题与标准答案设计 ⓶聊天 / 对话相关 -多轮对话评估：对模型在聊天中的回复打分、排序、指出问题（准确性、自然度、逻辑、人设一致性等） -对话生成 / 改写：写或优化多轮对话数据，用于训练聊天机器人 -偏好排序（RLHF）：同一问题给出多个回复，选出更好的那个并写理由 -角色扮演 / 人设对话：按指定角色（医生、律师、客服、特定性格等）进行对话评测或数据生产 -对话纠错：找出聊天回复中的事实错误、逻辑漏洞、不当内容 ⓷内容生产类 -高质量专业内容撰写（案例库、知识库、语料） -复杂指令设计（多约束、高难度Prompt） -参考答案撰写 -专业内容改写与优化 ⓸代码 / 技术类 -代码生成评估 -Agentic Coding / 长程任务评测 -Bug查找与代码审查 -编程题出题与判题标准制定 ⓹语音 / 多模态类 -方言语音采集与标注 -语音转写质检 -视频/3D/动捕数据相关 -多模态内容评估 ⓺审核与质检类 -模型输出合规性审核（医疗、法律、金融强合规场景） -知识准确性审核 -已有标注数据的二次质检 ⓻其他 -访谈类任务 -数据采集（按脚本录制真实场景） -创意内容评估（影视、文学、设计美学等） 上面这些任务，简单到只要愿意花时间聊天，时薪也在三位数。更专业一些的比如生物、法律、金融、制造，就更加赚钱了。 可以参与的平台： 1、腾讯旗下的ExpertHub： 2、字节旗下的Xpert： 3、阿里的晓天睿士：