与「科学教育」相关的搜索结果

在过去10年，我去了几次藏区和新疆，和推特上的人辩论过几回，这些经历和思辨改变了我的很多认知。 我认为中国在新疆和西藏打压保守宗教势力，推进世俗化科学教育，推广普通话普及，兴建基础设施，都是非常有利于普通藏人和维族人长远发展的好政策。西方人对这些政策的批评在总体上是不公正的。6/6

【 #科学家建议别与AI语音聊天# #，# #AI时代声音或是最大隐私威胁# #】你能从一个人的话语里听出来什么？教育水平？情绪状态？财务状态？现在，芬兰阿尔托大学的科学家警告，与AI语音聊天时，AI能从你声音里听到的远比你想象得多。# 随着语音处理和识别技术的发展，AI能从一个人的语音、语调、选词等特点判断出他的政治立场、健康状况、财务、职业等各种信息，成为个人最大隐私威胁。利用这些大量隐私信息，AI可对每个人的特点进行画像，被用于个性化商品或信息推荐、哄抬物价、性骚扰、跟踪、勒索等，且这些恶意行为是在人不知不觉中进行的。当今，我们的声音无处不在，尤其是与AI聊天机器人、AI客服聊天时，你说的每一句话可能都会被AI恶意利用，尤其是当客服告知你的通话可能会被录音时，更要警惕。 如何保护我们的声音？科学家称，首先要清楚自己想说的内容，这是毫无疑问的，其次是将相关语音转换为文本，让其无法被录音，无法知道语气、声调等，从而降低风险。#冷知识百科# #上涨知识# #

三联周刊那个性经历调查我看了，一言以蔽之。 现代社会的低生育率和性衰退，本质上就是民智已开的副产品。 当教育普及，人开始习得批判性思维和自我意识后，原有的叙事就彻底崩塌了。 关于这几种情况的原因，我是这样总结。 首先是不性生活的原因。 国外Pronhub Onlyfans 国内91 吃瓜黑料网，黄推telegramjable missav 硬色情，不分男女，都是体验者，十几分钟弄完干自己的事，直接替代大范围性生活。（虽然从效果上根本无法替代性生活） 第二，替代品多，吃好吃的，看剧，桌游，酒吧，打游戏，娱乐，健身文化，这是大部分。少部分的话，就是科研工作，科学探究，论文工作很忙，没时间性生活。 有性生活但不结婚不谈恋爱的原因。 就说国内吧，看抖红，有钱的，各种类型聊完骚网上线下，速炮速换 ；没钱的，电子发情，和处理硬色情的方式一样。 不结婚的原因。 生存生活压力大，经济状况整体环境两极分化。有钱的自己有危机感，谈了怕仙人跳，想找速炮解决；没钱的不敢找，无私角度是婚生完怕照顾不了小孩，自私角度是，怕影响自己的生活质量。 说一千道一万，技术提供了生理替代方案，现实推高了亲密关系的门槛，而人的理性最终做出了最符合自身利益最大化的选择。 说白了，人就是懂得太多了。当年大部分人都是愚昧，之后，教育尚未普及，就会多生，教育一提高，会的多懂得多，烦恼多，思考的要素多，自己睡觉的时间都少，哪有时间睡别人，哪有时间生孩子。 一个清醒的个体发现，保持高质量的独身，其幸福感、自由度、风险控制程度，在账面上完爆任何一段传统亲密关系时，理性的唯一结果就是止损。因为情感和生育本就是反纯粹理性的，它需要一股热血和冲动。

说一个暴论，如果想理解 AI 接下来怎么走，先把信息源换一批。 相信很多朋友和我一样，AI 关注列表里，有大量工具号、变现号、提示词号，这些当然有用。 但如果你想看更上游的东西，比如模型方向、Agent 演进、开源生态、机器人、推理、AI 安全、产品化趋势，可以优先关注这些人。 按 4 层来分，咱们一层一层看。 第一层：顶级研究者和思想源头 @karpathy 最适合普通人长期关注的 AI 技术解释者。LLM、训练、Agent、教育内容都讲得非常清楚。 @ylecun 图灵奖得主，Meta AI 代表人物。观点很锋利，经常和主流 LLM 路线辩论。 @fchollet Keras 作者，ARC-AGI 发起人。很适合看他对智能、泛化、评测的思考。 @ilyasut Ilya Sutskever，SSI 创始人。发得少，但每次都容易成为行业信号。 @geoffreyhinton 深度学习奠基人之一。AI 风险、智能本质、神经网络历史，都绕不开他。 @goodfellow_ian GAN 发明者。低频高信号，适合关注基础研究和技术判断。 @NoamShazeer Transformer 论文作者之一， 联合创始人。真正影响过这一代模型架构的人。 第二层：顶级实验室和负责人 @OpenAI 模型、Codex、Agent、开发者生态，一手更新源。 @AnthropicAI Claude、Computer Use、AI 安全和可控 Agent，非常适合关注 Agent 工作流的人。 @GoogleDeepMind Gemini、Alpha 系列、科学 AI、机器人和多模态研究。 @AIatMeta 开源模型、Llama、视觉和基础研究，开源生态必须看。 @xai Grok、X 算法、实时信息流和 AI 产品结合，和 X 内容生态关系很近。 @sama OpenAI CEO，看产品方向和行业节奏。 @DarioAmodei Anthropic CEO，看安全、Scaling、模型治理和长期判断。 @demishassabis DeepMind CEO，AI for Science 这条线非常重要。 第三层：Agent、工程化和真实工作流 @hwchase17 LangChain 创始人。LangGraph、Agent 架构、Evals、长期工作流，非常适合做 Agent 的人看。 @LangChain Agent 工程化更新源，LangGraph / LangSmith / Deep Agents 都在这里。 @jerryjliu0 LlamaIndex 创始人。RAG、知识库、数据层和 Agent 结合，实战价值很高。 @goodside Riley Goodside，提示词、模型行为、边界测试，很多案例都能直接启发工作流设计。 @HamelHusain 做 AI 系统测试、Evals、可靠性，非常适合看“怎么让 Agent 真正可用”。 @swyx AI Engineer 代表人物之一。Agent、AI UX、开发者生态、产品化趋势都很有密度。 @DrJimFan NVIDIA 机器人和具身智能方向，非常适合看 Physical AI、世界模型和机器人。 第四层：产品、创业和 AI 应用 @AndrewYNg AI 教育、应用落地、创业和职业建议，适合长期看。 @levelsio 独立开发者代表，AI 产品化和快速上线能力很强。 @steipete OpenClaw / 桌面 Agent 相关，适合关注本地 Agent、电脑控制和开发者工具。 @rileybrown Vibe coding 和 AI 产品实操，适合看普通人怎么把 AI 用成产品。 @gregisenberg AI 创业、创意、商业化，适合看需求和产品机会。 @yoheinakajima BabyAGI 作者，早期 Agent 探索者，适合看自主 Agent 的实验。 如果要选出 10 个一定要关注的，我会选下面这个列表， @karpathy @fchollet @ylecun @ilyasut @OpenAI @AnthropicAI @GoogleDeepMind @hwchase17 @goodside @DrJimFan 这 10 个基本能覆盖模型、研究、Agent、产品和未来方向。 工具号可以帮你追热点。 这些账号能帮你判断热点背后的趋势。

OpenAI 发布的新论文太有趣了，有点探索人性底层原理的意味。 业界研究发现在对齐大模型的时候，有个很糟糕的现象叫 emergent misalignment（涌现失调）： 一个模型如果在训练时被教着做一件坏事，比如写不安全的代码，它会自己泛化到其他领域，包括健康、教育、科学、法律等等。也就是说，坏行为会被泛化。 OpenAI 把问题反过来想：那好行为会不会也泛化？ 如果训练模型在一个领域表现得诚实、透明、谦逊、可纠正，它会不会在别的领域也变得更好？ 于是他们造了一批贴近现实的对话数据，专门测这些特质： -诚实 -认知谦逊（epistemic humility，就是"我不确定"的时候能说出来） -元认知透明（能解释自己的思考过程） -可纠正性（corrigibility，被指错能认） -普遍的公平 -对人的关心 数据覆盖健康、教育、科学、法律、工程这些领域。 然后用 RL 训练，只混进去一小部分这种数据，其余还是常规训练数据。 实验结束后，有三个核心发现： 第一，在训练领域内，模型确实变得更诚实、更透明、更容易认错。 第二，在训练领域外，44 个独立的、训练时没见过的评测上，模型都变好了。欺骗、谄媚、reward hacking、有害建议……全都降了。甚至就算只拿健康数据训练，非健康领域也变好了。 第三，这种改变在对抗压力下时也表现得更有韧性。不管是 adversarial prompt 还是恶意微调，都更难把它推向坏行为。而且模型并没有变得"不可塑造"，正常指令它还是听的，只是对坏的方向变固执了。 这篇论文的启示是，RL 不仅可以强化代码，也可以强化道德。 也许对齐超级 AI 没有想象中那么复杂，只对齐底层逻辑就有很好的效果。 这跟人是很像的，人的各种行为在其底层存在一致性，通过一些小事就能看到一个人的底色。 很有意思。 论文地址：

负薪者冻毙于途，卖浆者渴死于道。织锦者身着粗布，种粮者食不果腹 今天和一个OG见完面之后，这四句话跃然纸上，也是无数仍然活跃在 Web3 一线的从业者的心声。我转发了一年多前我作为吹哨人给行业写的推，虽然预测对了结果，但这不是任何从业者想要的结果。没有人想过这件事会发生。但它正在发生。没有人愿意发声。所以我来斗胆发声。 引子 这周在上海，去了 Sun 在虹桥做的 MuShanghai。 整整一个月的活动，分了 4 个主题周——biotech、AI、culture、robotics。全球 2000 多人报名，最后筛了 800 多人到现场，从 Stanford 创业者，到前 OpenAI 工程师、YC、HF0、Frontier Tower 的 Jacob。Sun 和 Sunny 三个人加上一个二十人的志愿者组，干了一件全中国可能只有他们能干的事——把签证、国际网络、政府关系全部打通，做出了一个真正意义上的 global gateway。光这一点，已经值得行业每一个人给他们鼓掌。这是从 crypto 社区走向多元化社区最成功的一个团队。 但走完几圈，我心里的感受是复杂的。现场接近一半的参会者是 crypto 背景的人。他们身上贴的新标签是 biotech founder、AI agent builder、robotics 创业者、文化策展人。有些人是真的在探索下一段旅程，有些人是在体面地准备离开 crypto。这是这个行业的人正在展开的一场伟大的自救——以一种我从来没见过的方式。 正文 1/ 这两年我比任何时候都更悲观，但也比任何时候更不愿意放弃 最近见了很多人，听了很多事。这个行业的问题已经不是熊市的问题，是整个生态系统的正反馈机制坏了。 我把这些零散的观察、对话、反思整理出来。不是吐槽，是希望更多人一起把这件事扛起来。 2/ "小概率坏事件"正在批量发生 我最近在读概率论。我们这些老人都习惯用周期去理解市场——上个周期有 alt season，这个周期也会有。但今年所有原本被低估的小概率事件正在同时发生： 中国 Web3 大开发者，50–60% 流向了 AI。走的人基本不会再回来 几千个项目融了上百亿美金，没几个真正出圈的应用 华尔街、特朗普、主权基金把比特币拿走，原生 builder 的位置越来越窄 美国基金募资发展蓬勃，亚洲生态系统遇到生存危机，创业者流血上币离场，投资人退场 不是周期没来，是这一代周期的剧本和过去完全不同了。 3/ 关于以太坊：我不悲观，但我担心 以太坊的改革已经到了刻不容缓的时候。 过去最好的几个时间窗口——21 年的牛市、22 年的转折——本来是推动应用创新、做出超级应用的最佳时机，行业内最大的注意力、最多的钱、最优秀的人才都聚集在那个窗口里。但当时的方向押在了 ZK、L2 这些技术叙事上。技术方向本身没有错，错的是在大众市场最该出现大众产品的时间点上，把所有的资源堆到了小众的方向。 现在到了熊市，再想推一个超级应用出来，比那两年难十倍。 以太坊价格的疲软，本质上是整个 Web3 的疲软。因为以太坊承载了行业最多的资本、最多的人才、最多的注意力。它能不能再次起来，关乎几百万从业者的未来。 4/ Vitalik 可能正生活在一个巨大的信息茧房里 我最近一个很强的感受是：围绕 Vitalik 的人，大多不敢直接告诉他行业有多艰难、以太坊真实的困境在哪里。 利益寻租的群体越来越多，小圈子和圈层文化越来越严重。新的方向、新的机会出来，往往沿着原有那个圈子的纽带向外延伸。普通社区、普通从业者，很难有机会和 Vitalik 正常交流、反馈意见。社区的不满和抱怨被层层过滤，被拒之门外。 这不是某个人的错。是一个组织在快速膨胀到 200+ 人之后，反馈机制没有跟上。但温水煮青蛙的代价，最后会落在每一个还在这个生态里 build 的人身上。 5/ 从业者没有正反馈，社会和下一代似乎都不认可 这是这一代从业者最真实的共同处境，跨越地理： 中国，行业被定位为灰产，常常和传销绑在一起；香港，因为一连串交易所跑路事件，从业者默认被当骗子；新加坡，crypto 被认为是不入流的行业；美国，相比 AI 创业者，crypto 从业者几乎没有社交身份。 我听到从业者说他上高中的孩子不愿意学钱包私钥，认为他父亲做的事业拿不上台面。许多创始人作为家长不敢在学校家长会说自己做什么。下一代根本不觉得这是一个值得参与的事业。 当一个行业连"我从事它"这件事都说不出口，它的接班人问题就不再是抽象的，是迫在眉睫的。 6/ 接班人问题正在到来 以太坊第一代核心开发者大多组建了家庭、有了孩子。这是非常自然的人生阶段，没办法像十年前那样一天写十几个小时的代码。 但下一代在哪里？ 我们尝试过：高校的研究生博士生、Web2 大厂的工程师、早期社区的极客。可是在 AI 这么蓬勃的时代，我们拿什么留住他们？比特大陆和字节当年同时招应届生，薪资差不多——10 年后股权回报差了几千万。这一代年轻人看着上一代的结局，凭什么会选 crypto 而不是 AI？ 而且我们不只是要留住下一代，还要和 AI 直接抢人才。Solana、以太坊、AI 实验室、机器人公司在同一个池子里捞人。crypto 一线项目给的 package 已经很难再有竞争力。 接班人不会自己长出来。它需要系统性的培养：crypto school、研究 grant、开发者基金、长期 mentor 机制。Paradigm、a16z、AllianceDAO、ResearchHub 在做。中文区也必须有人做。 7/ 对 Vitalik 的一点期待 我想用鼓励的方式说这件事，因为攻击没意义。 Vitalik 是这个行业最有影响力的创业者。他不只是首席科学家，他是行业方向的灯塔。在以太坊最关键的转型期，他需要重新回归创业一线。不是回到 2014 年的他，是带着这些年的反思、回归创业初心的他。 熊市是最适合 build 出下一代产品的时机。他需要把核心开发者、社区、第二代年轻人重新凝聚起来，一起朝着下一个 10 年迈进。 他周围必须有能直接告诉他真实情况的人。 8/ 中美 OG 的分岔：生态系统的造血能力 去年我写过《不要让赌场吞噬大教堂》，对比过这两条路径。今天必须再说一次： 中国创业团队的融资环境极其严峻。亚洲市场化基金 90% 处于水深火热。这意味着亚洲 Web3 生态没有造血能力。一旦顶尖的几支基金撑不住，整个生态系统就会塌方。 中美 OG 在拿到行业第一桶金之后的选择差异，今天看格外刺眼。美国的 OG 大多还在建设——Rune、Hayden、胡安这一批人，是在持续把财富回投到生态。中国的 OG，大多数赚到钱之后选择套现离场，一部分转去投资 AI，更少的人在做真正的下一代建设。 这不是道德指责。我希望中国 OG 在得到行业恩惠之后，能够回头帮助新一代年轻人。建立一个完善的生态系统、形成正反馈循环，是这个行业活下去的唯一方式。 9/ 从业者怎么活下来 大部分web3公司和机构会在接下来AI浪潮和悲观行情下继续裁员30%以上，因此活下来比什么都重要。 讲完体系问题，回到个人。我自己也在这个泥潭里，所以我想分享几点。 找到合理性。 你为什么还在这里？不是为了 token 价格，不是为了 KOL 流量。是因为你相信这件事，是因为你过去得到过这个行业的恩惠，是因为你的团队和投资人需要你。把这个"为什么"想清楚，剩下的事会有方向。 让工作和生活充实。 行业的低气压会渗透到每一天的情绪。不要让 token 价格定义你的自我价值。多读书、多见线下的朋友、多花时间陪家人、做一些和市场无关的事情。这是熊市最重要的功课。 直面困难，但别让失望发酵成放弃。 现在社区的情绪不是"危机感"，是"失望"。这两个词的区别是——危机感意味着想改变，失望意味着想放弃。要努力让自己留在前者。 学新东西。 我自己也在学 AI。这周在 MuShanghai 看到那么多 crypto 从业者贴上新标签去探索 biotech、AI、robotics，我心里其实是感动的。能力到了我们就能选，能力不到只能被选。Web3 仍然是 IOSG 最重要的业务，我们不会放弃。当然这不影响我用AI来武装和提高我们的工作流和加强我们的武器。 找到自己的小联盟和信心小团体。 5、6 位/家经过历史验证、风格成熟的朋友/机构深度结盟。教育、资金、人才网络，缺什么补什么。自救比等救世主重要。 学会和自己和解。 这一点我自己也还在练习。这个市场没有奖励那些做正确事情的人，奖励了一批骗子，奖励了一批投机者。这个事实是真的。但你做这件事的意义，不应该被市场定价。允许自己在熊市里失败、允许自己情绪低落、允许自己做一些"看起来没有产出"的事情。这不是放弃，是为下一段旅程蓄力。 10/ 我们需要更多灯塔 行业最缺的不是钱，不是技术，是灯塔。 不是只有 Vitalik 一个人需要做灯塔。每一个还留在这里、还相信这件事的人，都可以成为灯塔——给一个困惑的年轻 founder 三十分钟、给一个 runway 见底的团队一份 grant、给一个被裁员的工程师一份 referral、写一篇真诚的反思而不是华丽的 narrative。 每一束光照得不远。但加在一起，就是黑暗中那些还在前行的人不放弃的理由。 像 Sun 这样的人在做。像老胡这样的人在每个月默默给一笔钱支持那些非主流的探索。每一个人都在自己能做的事上努力着。 11/ 写给每个看到这条内容的人 如果你是 OG：行业给过你的，请回头给一份给下一代。不是几百万的大手笔，是一个 mailing list、一份 referral、一笔直接打给市场化基金管理人、一份给到困境创业者的 EIR 资助。年轻一代需要的是相信"build 这件事还值得做"。 如果你是 founder：不要孤军奋战。把真实处境告诉值得信任的人。 如果你是 builder/researcher：继续 build。不是用爱发电的那种 build，是把自己的劳动换成应得回报的那种 build。让下一代相信这件事在职业意义上仍然成立。 12/ 收尾 请每一个看到这条内容的人，把它转发给你认识的 OG。让他们去照亮别人。别忘记这个行业过去给他们带来的恩惠。 呼吁更多的 OG 和行业领袖找回责任感，为行业发声，资助更多创业者，让下一代有机会继续建设 Web3——不止是用爱发电。 赌场吞不吞噬大教堂，不是 Vitalik 一个人的事，不是 EF 一个组织的事。是我们每一个还留在这里的人共同的事。 很多人问我这个周期他们如何熬下去，所有的压力推着他们离场，很多时候选择就是一步之遥，许多年轻人需要一个老OG告诉他们如何熬过熊市。但我知道，如果我们这一代人不站出来，那么下一代根本不会有“站出来”的选项。 做点是点。 写于Fig&Olive

你应该在 Twitter 上关注的 30 个与 AI 相关的账号： 英文： @karpathy，Andrej Karpathy，Eureka Labs创始人，OpenAI早期成员，前Tesla AI负责人，擅长把神经网络、LLM、Agent讲到普通工程师也能听懂。 @fchollet，François Chollet，Keras作者、ARC-AGI提出者，Ndea和ARC Prize联合创始人，长期讨论AGI、抽象推理和「智能到底是什么」。 @ylecun，Yann LeCun，图灵奖得主、CNN/深度学习代表人物，NYU教授，前Meta首席AI科学家，现在做AMI，长期主张开源、世界模型和非纯LLM路线。 @AndrewYNg，吴恩达， Fund、Landing AI创始人，Coursera联合创始人，AI教育和AI落地应用领域最有影响力的人之一。 @rasbt，Sebastian Raschka，LLM研究工程师、作者，写过《Build a Large Language Model From Scratch》，适合看模型原理、训练细节和代码实现。 @dair_ai， Engineering Guide背后的项目，适合看prompt、context engineering、agent相关资料。 @lilianweng，Lilian Weng，Thinking Machines Lab联合创始人，前OpenAI研究与安全VP，Lil’Log作者，agent、RL、AI安全综述写得非常系统。 @jeremyphoward，Jeremy Howard， @simonw，Simon Willison，Datasette作者、Django联合作者，长期追踪LLM工具、开源生态、prompt injection和AI Agent安全问题。 @_akhaliq，AK，AI论文信息流账号，机器学习背景，主要快速转发新论文、新模型、新项目，适合跟踪前沿动态。 @ID_AA_Carmack，John Carmack，id Software创始人、前Oculus CTO，现在在Keen Technologies做AGI，典型硬核工程派。 @gwern，Gwern Branwen，独立研究者和长文作者，写AI scaling、心理学、统计学、理性主义和长期主义相关内容。 @goodside，Riley Goodside，最早出圈的prompt engineer之一，曾在Scale AI和Google DeepMind，常发模型行为、prompt技巧和AI产品边界测试。 @drfeifei，李飞飞，Stanford教授、World Labs联合创始人兼CEO，ImageNet关键推动者之一，长期做计算机视觉、空间智能和human-centered AI。 @demishassabis，Demis Hassabis，Google DeepMind联合创始人兼CEO，AlphaGo、AlphaFold背后的核心人物之一，2024年诺贝尔化学奖得主。 中文： @dotey，宝玉，中文AI圈非常重要的信息源，长期翻译和整理LLM、Prompt Engineering、Context Engineering、AI工程实践内容，也会分享很多一手产品和技术判断。 @op7418，歸藏，AIGC周刊主理人，关注AI、LLM、AI图像视频和设计，适合追踪新工具、新模型和AI创作玩法。 @xiaohu，小互，中文AI新闻和工具资讯号，主打全球前沿科技、AI动态，也做小互AI日报社群。 @WaytoAGI，通往AGI之路，中文AI知识库和社区型账号，适合系统性补AI资料、工具、教程和行业信息。 @Khazix0918，数字生命卡兹克，AI自媒体和热点监控型账号，做了AIHOT这类AI热点监控网站，适合看中文AI圈正在炒什么、什么值得跟。 @Gorden_Sun，Gorden Sun，稳定更新AI资讯日报，适合当每日AI新闻索引看。 @FinanceYF5，Will，偏AI资讯和行业数据整理，会做AI网站流量、产品数据、行业观察，适合看数据型信息差。 @vista8，向阳乔木，关注LLM、Prompt、效率工具和AI产品落地，内容偏实用观察和产品判断。 @shao__meng，meng shao，关注上下文工程、AI智能体、企业AI落地和AI培训，也经常整理中文AI领域账号合集。 @oran_ge，橘子，前MiniMax AI工具产品负责人， @hanqing_me，汗青，AI Talk创始人，重点在AI短视频、AI数字人、AI艺术和内容创作方向。 @jesselaunz，遁一子，关注AI资讯、AI实际应用和Prompt探索，偏实践派，适合看普通人怎么把AI用起来。 @thinkingjimmy，JimmyWong， @xicilion，响马，西祠胡同创始人、老程序员，分享LLM实战、工程判断和开发者视角，对AI工具链的理解比较硬。 @AI_Jasonyu，鱼总聊AI，关注AI、出海、创业、独立开发和副业方向，经常整理AI博主、工具和产品机会。 有哪些我漏掉了？欢迎补充

强烈推荐大家关注以下13个AI 帐号。 这13个人主要是身份是工程师、科学家。 他们几乎影响了历史发展进程。 @karpathy - Andrej Karpathy（约248万粉丝） Bio：我喜欢训练大型深度神经网络。曾任Tesla AI总监、OpenAI创始团队成员、斯坦福博士。 AI社区最受欢迎的“网红导师”，讲解极度清晰，常分享模型训练实战心得和前沿趋势，适合所有水平的学习者。 @fchollet - François Chollet（约66.5万粉丝） Bio：Keras & ARC-AGI 创建者。 Keras框架之父 + ARC通用智能基准提出者，技术深度与哲学思考结合极强，能看到最前沿的AGI思考。 @ylecun - Yann LeCun（约116万粉丝） Bio：图灵奖得主，前Meta首席AI科学家。 深度学习三巨头之一，观点犀利直接，常对行业热点发表一针见血的评论，信息含金量极高。 @AndrewYNg - Andrew Ng（约153万粉丝） Bio：Coursera联合创始人，前百度/Google Brain负责人。 AI教育界第一人，课程推荐、职业建议和落地经验极其实用，非常适合想系统学习或转行的从业者。 @rasbt - Sebastian Raschka（约44.6万粉丝） Bio：《Build a Large Language Model From Scratch》作者。 从零实现LLM的顶级实践者，代码教程和论文解读质量极高，是工程师最爱的技术干货账号。 @lilianweng - Lilian Weng（约22万粉丝） Bio：前OpenAI AI安全与机器人VP，Lil'Log博主。 AI安全、强化学习和机器人领域的深度思考者，长文综述质量顶尖，适合想深入某个细分方向的人。 @jeremyphoward - Jeremy Howard（约29.4万粉丝） Bio： 联合创始人，前Kaggle总裁。 实用深度学习倡导者，教学方法和开源工具非常接地气，风格亲切且强调“能上手”的实战派。 @simonw - Simon Willison（约18万粉丝） Bio：Datasette & Django联合创建者。 AI工程实践和LLM工具链专家，产品感和实用性极强，常分享好用的开源AI工具和工程技巧。 @ID_AA_Carmack - John Carmack（约163万粉丝） Bio：游戏传奇程序员（Doom引擎之父），现专注AGI。 极客之神，直率的技术哲学思考和跨领域洞见（游戏+火箭+AI），深度极高，启发性爆棚。 @gwern - Gwern（约7.5万粉丝） Bio：互联网研究者，挑剔的深度分析者。 粉丝虽少，但硬核程度顶级，常发布高质量AI实验、长文分析和独特观点，是“硬核爱好者”必备账号。 @goodside - Riley Goodside（约20.3万粉丝） Bio：提示工程专家，前Google DeepMind/Scale员工。 LLM提示技巧和模型行为研究最强账号之一，分享大量实用技巧+有趣截图，幽默且直接能用。 @drfeifei - Fei-Fei Li（约66.9万粉丝） Bio：ImageNet之母，Stanford HAI联合主任。 计算机视觉先驱，兼顾学术深度与AI人文/伦理视角，视野开阔且充满人文关怀。 @demishassabis - Demis Hassabis（约93万粉丝） Bio：DeepMind CEO、诺贝尔奖得主。 AlphaGo/AlphaFold之父，直接来自AGI最前沿的第一手信息和愿景，含金量最高。

想建立高质量的AI信息流，从这15个账号开始！ 这 15 个账号基本覆盖了： 研究 工程 教育 开源 产品 AGI 思考 AI 真实能力评测 @karpathy 他的推文经常提前定义 LLM 叙事。很多你两个月后在 LinkedIn 上看到的 AI 话题，可能他早就讲过了。 @fchollet Keras 作者，ARC-AGI 提出者。经常分享关于智能、本质能力、Benchmark 和 AI 局限性的深度思考。 @ylecun 深度学习先驱，Meta 首席 AI 科学家。观点很宏观，也经常有对 AI 研究路线的批判和讨论。 @AndrewYNg AI 教育领域的传奇人物。内容非常实用，覆盖机器学习建议、课程、产品落地和真实世界应用。 @rasbt Sebastian Raschka，经常分享实用 ML / LLM 实现、“从零构建”教程，以及相关书籍内容。 @dair_ai 高频更新 ML / AI 论文线程，用通俗方式拆解前沿研究，适合快速跟进 AI 进展。 @lilianweng 前 OpenAI 成员。她的 Lil’Log 风格内容非常值得看，擅长深入拆解 LLM 研究和技术细节。 @jeremyphoward 经常分享 AI / Crypto 相关观点，也长期推动实用深度学习的普及和大众教育。 @simonw Django 联合创始人。聚焦实用 LLM 工具、实验、提示词、Agent 和工程实践拆解。 @_akhaliq 持续整理最新 arXiv 论文、模型发布、开源 AI 项目和研究动态，信息流非常快。 @ID_AA_Carmack 关注 AGI 和底层优化问题，很多观点能让你重新思考“智能”和“工程”的本质。 @gwern 高质量长文作者，擅长 AI 研究笔记、深度 essays 和长期主义视角的技术观察。 @goodside 专注 LLM 评测、提示词研究和真实能力测试，经常能看到非常细的模型行为观察。 @drfeifei 计算机视觉先驱，关注以人为中心的 AI、空间智能和未来 AI 研究方向。 @demishassabis Google DeepMind CEO。长期关注通用 AI 的未来方向，也是理解 DeepMind 路线的重要窗口。 大家还有要补的吗？评论区👇👇👇👇

罗永浩来到 X 不到 1 天，已经有 16 万粉丝，但他只关注了 16 个账号，这 16 位大神到底什么来头😂： 1） @sharpmark 程序员转产品经理，专注软件开发和 AI 工具产品。 2）@Carlos_Gong 独立开发者（indie dev），专注 macOS/iOS 应用开发，结合 AI 辅助 coding（vibe-coding）。 3）@hubeiqiao 产品 builder / EdTech 开发者，专注教育工具（尤其是 AI 英语口语练习）。 4）@gongtongfuyudao Web3/加密货币社区运营者（WojakCTO 中文社区 lead，Neiro 项目 believer），科技/手机爱好者。 5） @ayuan1000 科学、文化、环境记者/撰稿人。 发布数据图表+点评（如各国体育转播费、人口趋势、中国社会议题），常带批判视角。 6）@DashHuang 游戏/互联网创业者，心动网络（Xindong）CEO，TapTap（游戏社区）& VeryCD（老牌文件分享）创始人。 7）@jike_collection 即刻 App（中文社交发现平台）内容聚合账号，非官方。 8） @tinyfool 前程序员（20 年经验，已退休），YouTuber，主打英语学习视频和生活闲聊。 9） @kangkang220 个人账号为主，可能涉及畜牧/农业相关（Bio 提及），体育爱好者（巴萨球迷）。 10）@foxshuo 互联网/科技评论人、作家/播客主，长期观察科技、社会、媒体行业。 11）@Fenng 知名科技博主/产品观察者，曾任多家科技公司高管（支付宝/DBA、丁香园 CTO 等），现运营科技相关公司。 12）@NodYoung 产品/交互设计师，专注设计思考（Design Forward），可能涉及 UI/UX、数字产品设计、文化观察等。 13）@ASTND 独立开发者（Indie Dev），专注极简、高效的工作流工具和软件产品。强调“隐形软件”（用户感觉不到工具的存在）、逻辑与简洁。 剩下三个分别是马斯克、媒体账号 @BBCArchive 和他的旧账号 @realluoyonghao