与「学生兼职」相关的搜索结果

你真的是脑壳有包，我说东你说西。我说的是牢a这人绝不是什么美国医学留学生还兼职收尸人，因为此人每周长时间b站直播，哪个医科生能在读书同时还收尸还能大把时间做博主？并且五个小时直播里一个英文单词不讲的？我听他的语言表达习惯用语，感觉此人最高学历估计也就国内大专水平，更像是社会大学毕业的一个怪谈爱好者。你如果相信主贴图里这些怪谈是真实发生的话你这辈子有了现在就卖你保健品。这么一大段你看不看得懂？最烦学生了服了。

【2】微型厨房里的闲聊 2011年，Google总部 Google园区里有很多微型厨房。员工饿了就去拿个零食，渴了就倒杯咖啡。很多重要的对话，就发生在这些不起眼的地方。 2011年的某一天，Jeff Dean走进一间微型厨房，撞见一个面熟的人。 "你怎么在这儿？" 那人叫Andrew Ng，斯坦福的教授，刚开始每周花一天时间在Google兼职。 "我也不太确定要做什么，"Ng说，"不过在斯坦福，我的学生开始用神经网络做东西，效果还不错。"

昨天跟一个在英国读本科的同学聊天，问他平时怎么用 AI 辅助写作业。 他说学校现在对 AI 作业管得挺严，一旦老师觉得你的文字太学术或者太正式，就可能直接给低分。 然后他说了一个他的解决方案： 「请用雅思 5.5 分的水平，帮我润色这段文字。」 之前大家用 AI，还是想着想把文字变得更高级一点。 现在为了不被怀疑用 AI，反而要让 AI 主动写得没那么高级。 现在对学生来说，写得太差，分数低；写得太好，也很危险。 最安全的，可能是刚好像自己写的。

最近又看了一遍《北京人在纽约》。 第一次看的时候，我还在国内，看完不知所云，只觉得姜文整天装逼。 第二次看的时候已经在美国，觉得片子拍的很假。王启明和郭燕是用什么签证来美国的？为啥可以直接在美国开厂子？那时候我还是学生，只知道F1转J1或者H1B然后拿绿卡的例子，所以觉得片中除了大李拿着F1读博士、申请绿卡的路子清清楚楚外，其他人的身份都很是蹊跷。 这次是第三次看，不再纠结这些人的身份问题。 看完之后几点感想： 首先，和第二次看的感觉相同，还是觉得片中最真实的人物，是大李李国华。阿春是每个男人都梦寐以求的女人，可以当顶级军师，又可以当情人，却不会贴着你死缠烂打，知进退可以随时离开，属于男人YY级别的女神。郭燕这样的女人其实很真实，几乎大多数国女都有郭燕的影子，但是不太可能会遇到死缠烂打的白皮小三。 其次，这个故事写的是80年代的纽约，服装厂小老板靠着自己搭建黑煤窑厂子制作衣服卖给中间商来赚钱。40年过去了，这条路径当然已经成为历史，服装生意早在21世纪初全部外包到第三世界了。要是今天写，估计写的是做一个爆款APP或者开一个tech公司。 由于原著是一本很薄的小说，不可能展开太多的情节。所以王启明的整个创业过程里，几乎只有David（竞争者）和Anthony（中间商）两个人。王启明的毛衣设计从谁都不搭理，通过Anthoy给第一个订单，到后面订单满满，几乎是一个“相变”的过程，电视剧里完全没有涉及这个相变，显得王启明是一夜暴富的感觉。 我记得我当年在mitbbs读过许多留学生文学，在各地的社区图书馆也看到过各种（自费出版）的留学生文学，但是几乎都无人问津，或者影响很小。像《北京人在纽约》这种小说一写完，立即就被中央电视台拍成电视剧并且全国热播，这早就成为了历史。这也证明了在美中国人的故事，似乎已经没人关心了？

本届2026新高考一卷数学最严厉的父亲 徐可 他斩获了数学单科150分的满分，是全国使用该卷的约720万考生中唯一获得数学满分的学生。 满分卷子的检查很严格，7个老师在解题过程和思维的严谨程度的两个维度复核了3次才给了150分。一个满分，阅卷老师一堆事，报告都够写好几篇申论了。 早在2026年年初，徐可就提前通过了清华大学“丘成桐数学英才班”的选拔考试，顺利获得了预录取资格 。该英才班采用本硕博贯通的培养模式，每年在全国招生控制在30人以内 。

不锁车的中学生们 昨天路过一个中学门口，发现很多学生的自行车都是不上锁的，尽管他们车上都有一把密码锁 以前上班的时候会路过儿子的学校，我经常发现他也不怎么锁车了 这对于出生匮乏年代的我来说还是有些惊奇的，因为我读书的时候，就算锁车了，车也会被偷掉 现在没人偷车了，一方面是有摄像头的威慑，另一方面还是经济上去了，偷个自行车真的不划算了

Claude Code用户你知道吗？ 你每天都在浪费一个功能！90%的都不知道！ Anthropic负责应用AI的负责人，刚做了一场2026年关于Agent记忆管理最实用的演讲 （晚点视频我更新到主页）。 他叫Lamis。 他和那些在前沿构建Agent的初创公司直接合作。 他拆解了Anthropic构建Agent记忆系统的完整方法论。 四层。 每一层解决了前一层的一个致命问题。 起点是一个Markdown文件。 他们在每次会话开头放一个CLAUDE.md文件，代码库结构。 组织信息，个人偏好，纯文本。 Anthropic的评价是"unreasonably effective"。 一个简单的文本文件，效果超过了复杂的Prompt工程方案。 但文件越来越长，上下文膨胀。会话空间不够。这条路撞墙了。 于是他们做了记忆工具。 让Agent自己决定什么时候读取、什么时候写入、什么时候更新记忆。 全部在带内完成，也就是在会话上下文中进行。 让他们意外的是：Agent判断什么值得记住的能力，比人类还强。自主性在这种场景下运作得非常好。 第三步是Skills。 核心思想是渐进式披露。Agent只看文件顶部几行前言，决定是否需要加载整个文件。 Lamis的比喻很精准，房间里有一个书架。有人跟我说法语，我扫一眼书名，找到法语词典，抽出来读。 不需要把七年的法语课都塞进脑子里。 第四步最简单。 他们把整个记忆系统建模为普通文件系统。Markdown文件。bash，grep。 不需要向量数据库。不需要专门的工具。Agent本来就擅长搜索文件。 但生产环境暴露了新问题。 多个Agent同时写入同一个记忆文件。 一个Agent往组织级上下文写入错误信息，所有Agent全部受影响。 记忆过时了怎么办。有人通过提示词注入向记忆中写入恶意内容怎么办。 Anthropic设计了四道防线。版本控制，能回滚。基于哈希的并发控制。权限分层，组织级只读，Agent草稿区可写。干净的API保证可移植性。 然后是最有意思的部分：做梦。 带内记忆有一个根本性局限。 Agent既要完成任务，又要管理记忆。两个竞争性目标。 而且Agent只能看到当前会话的信息，识别不了跨会话的模式。 做梦是一个带外的异步处理过程。 它取一段时间内的所有会话记录，交给一个专门的Agent分析。这个Agent查看记忆存储，识别模式，提出更改建议。 就像一个校长审查所有学生的作业。发现每个地理学生都在同一道题上答错。查了课程表，发现整个主题根本没有教。 做梦有自己的专用资源，不和任务执行竞争上下文。 Anthropic已经在生产中跑这套系统了。 Agent第二次执行同一个任务时表现更好。成本降低，因为能一次性完成。延迟下降。做梦消耗的额外token，被任务本身的效率提升抵消了。 Lamis最后说了一句话：模型智能本身不会产生复利。它需要上下文来执行你交给它的具体任务。 上下文工程的效果是倍增智能，即使模型本身变得更聪明，这个投资依然有价值。 这场演讲来自2026年AI DevCon。值得花半小时看看。