与「４６』」相关的搜索结果

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。

At @SpaceXSI, Lauren Tan (@poteto) and Roman Ugarte (@romanugarte_) are on the core team that took Grok Bot from first line of code to launch in seven weeks. It lets you spin up AI teammates with their own identities and logins, and they just keep working in the background. Their marketing team gave a bot its own ad budget. Lauren built an entire feature with her bot in one Slack thread without ever opening Cursor. They joined us on the @LightconePod to talk about what it’s actually like working next to bots every day, and how the hard part is shifting from doing the work to figuring out what to do and why. 03:36 — Giving Bots Real Jobs 06:49 — One Bot or a Team of Specialists 10:39 — Sharing Bots Across the Company 14:46 — Identity and Permissions for AI Coworkers 18:37 — Bot-to-Bot Collaboration and Trust 22:35 — The Workflow Behind 4,000 PRs a Month 26:00 — Teaching Agents to Write Code You Trust 29:01 — Building a Personal Software Factory 33:44 — The Future of AI Coworkers 36:47 — Rethinking the AI-Native Company 40:13 — Teaching Agents to Check Their Own Work 43:56 — How Much Code Review Is Enough? 47:33 — Codebase Guardrails That Save Tokens 52:20 — When Product Judgment Becomes the Bottleneck 56:29 — From Finance to AI Engineering

Vendí el piso de mi madre el año pasado. Tenía dos ofertas. Un fondo: 212.000€ al contado, sin visita. Y una pareja joven con un bebé: 195.000€ y una carta escrita a mano. "Queremos que nuestra hija crezca en una casa donde se nota que alguien fue feliz." Mi madre vivió allí 46 años. Perdí 17.000€ y les vendí a ellos. Ayer, un vecino del portal me mandó un enlace:

有个专门给 Skill 做质检的开源工具。 如今 Skill 数量泛滥，可真正能派上用场的能有多少？ NVIDIA 干脆搞了个开源项目 SkillEvaluator，专门用来检验 Skill 到底管不管用。 它会让同一个 Agent 跑同一组任务： → 一轮不挂载 Skill → 一轮挂载 Skill 接着比对任务正确率、完成质量、执行耗时以及 Token 开销，看这个 Skill 到底带来了多少增益，还是反倒拉了后腿。 NVIDIA 官方拿 300 多个 Verified Skills 做了实测，正确性平均分从 46 涨到了 87（满分 100）。 除了测实际效果，我也顺手用它给自己做的 Skill 过了一遍质量关。 GitHub： 入门教程：

卧槽！！卧槽！！卧槽！！ 老大这次真的杀疯了！！ 表面上是王忠林一人落马， 实际上，矛头直指疫情期间盘根错节、疯狂捞钱的“湖北F4”！——被全部一锅端了！！！ 给不懂的年轻小兄弟科普一下，这“湖北F4”都干了啥： 1，蒋超良（前省委书记）：家族式腐败，巨贪7.46亿！ 2，王晓东（前省长）：公然篡改疫情期间的口罩产量数据！ 3，周先旺（前武汉市长）：嘴说：“愿以革职谢天下”背地：受贿6050万！ 4，王忠林（前武汉市委书记）：疫情期间大量方舱、工程，全部被自家山东企业包揽！ 最搞笑的是， 当初口罩时期王忠林到湖北救火， 上台大搞恩情教育：要群众感恩总书记，感恩党， 以为能给自己发块免死金牌！ ｜ 但老大别的不说， 反腐真不是闹着玩的！ 哪怕你马屁拍的震天响, 管你什么派系，就算是习家军 老大一样拉清单从不手软！ 湖北疫情期间那些靠核酸、方舱、保供、口罩工程大发横财的人， 今晚估计得躲在被窝里瑟瑟发抖了。。。

50 Sites That Show What Billionaires Buy and Read for Free🤯 1.) → Current portfolios of famous investors 2.) → Quarterly fund trades 3.) → Stock transactions of US politicians 4.) → Executives' own company stocks 5.) → Making fund filings readable 6.) → Companies' official reports 7.) → Buffett's letters since 1977 8.) → Video archive of Buffett meetings 9.) → Howard Marks' investor memos 10.) → Research from Ray Dalio's firm 11.) → Dalio's principles for free 12.) → Jeremy Grantham's market notes 13.) → Quantitative fund research 14.) → Damodaran's valuation data 15.) → Valuation professor's blog 16.) → Morgan Housel's money writings 17.) → Mental models for decision-making 18.) → JPMorgan's free market guide 19.) → Innovation-focused fund research 20.) → Venture capital essays 21.) → Value investing lecture notes 22.) → Columbia's value investing archive 23.) → Fed's economic data archive 24.) → Fed decisions and statements 25.) → European Central Bank data 26.) → Reports from the central bank of central banks 27.) → Countries' economic indicators 28.) → Companies' long-term charts 29.) → Company financials for free 30.) → Companies' market cap rankings 31.) → Stock screener and heat map 32.) → Portfolio backtesting 33.) → Charts and market analysis 34.) → Professional market screener 35.) → Company activity reports archive 36.) → SEC's investor education site 37.) → Passive investing encyclopedia 38.) → Financial terms dictionary 39.) → Free finance guides 40.) → CFA research publications 41.) → Fund and stock evaluations 42.) → Companies' visual analysis 43.) → Archive of selected investment theses 44.) → Seeing what's inside funds 45.) → European fund backtests 46.) → Investment writings with data 47.) → Market history notes 48.) → Investor psychology writings 49.) → Explaining the economy with charts 50.) ourfiniteworld? → (see note) The rich don't hoard information. They just don't tell you where it is. Save it, follow @Liyana_Coder you'll need it. Not investment advice. @Liyana_Coder

Leopold Aschenbrenner’s complete Q2 performance before his newest trades release Monday Top tier: • SanDisk $SNDK: -62% • Micron $MU: -34% Second tier: • Bloom Energy $BE: -38% • Taiwan Semiconductor $TSM: -18% • Nebius $NBIS: -59% Third tier: • CoreWeave $CRWV: -49% • Core Scientific $CORZ: -45% • STMicroelectronics $STM: -39% • Applied Digital $APLD: -49% • Riot Platforms $RIOT: -37% • SharonAI $SHAZ: -74% • IREN $IREN: -61% Smaller positions: • T1 Energy $TE: -82% • WhiteFiber $WYFI: -76% • Babcock & Wilcox $BW: -69% • Keel Infrastructure $KEEL: -69% • Bitdeer $BTDR: -66% • HIVE Digital $HIVE: -58% • CleanSpark $CLSK: -56% • Cerebras $CBRS: -53% • Vishay $VSH: -52% • ProPetro $PUMP: -49% • Solaris Energy $SEI: -23% Options: • Bloom Energy $BE [Calls]: $44,100,000 • Taiwan Semiconductor $TSM [Calls]: $23,900,000 • Infosys $INFY [Puts]: $5,200,000 Summary: Every common stock position is red. His entire portfolio is down 46.8% from Q2 release to present day. His newest trades release Monday, November 16th, showing what he owned on September 30th, after he sold most of this to Citadel in late July

英伟达刚在 Hugging Face 开源了 Nemotron 3.5 Transcribe，顺带把训练它用的 Granary v2 数据管线也放了出来。 以前做音频处理很折腾，语音转文字、区分谁在说话、翻译和内容问答往往得串好几个模型，延迟高还容易出错。 英伟达这次直接用一个 30B 参数但每次只激活 4B 的混合架构底座全包了，单次最长能吃下一小时录音，支持 40 种语言和最多 8 个人同时插话的场景。 它可以直接用自然语言控制输出格式，比如让它保留口头禅或者直接整理成书面语，在开源语音榜和说话人识别榜上都拿到了第一，量化后甚至能塞进本地工作站跑。 除了模型本身，随附的 Granary v2 数据清洗流程其实更有实用价值。里面包含 48 种语言超过 46 万小时的标注清单，还给了一套现成的医疗领域微调方案，按这套路微调后专业术语的识别错误率直接砍掉近一半。 对于需要处理长会议录音或定制垂直行业语音识别的团队来说，这套开源组合拳省去了大量前期踩坑的成本。

老黄被国会追着要证词，绕不开新加坡：英伟达 2025 财年有 237 亿美元的收入开在新加坡，占了快五分之一，后来新加坡这一栏从财报里没了🧐 我把英伟达最近两份年报翻了一遍。 2025 年 2 月那份写得很直白，客户在新加坡统一开票，货几乎都运去了别的地方，实际运到新加坡的不到 2%。 开在新加坡的收入，三年从 23 亿涨到 68 亿，再到 237 亿。 从去年秋天那个季度开始，英伟达改成按客户总部在哪算，之前几年的数也一起重算了。英伟达的说法是这样更能看出收入从哪来。 今年 2 月的年报里，新加坡这个词一次都没出现。 这次出事的 Megaspeed 就是一家新加坡公司，Alice Huang 是它的前高管。C4ADS 9 月的报告说，Megaspeed 前几年一共买了大约 46 亿美元的英伟达硬件，Megaspeed 否认走私。 众议院三个委员会要老黄 12 月 1 日来闭门问话，要弄清的就是中国情报和芯片有没有被转走。 我猜新加坡这 237 亿，那天一定会被问到。

perp套利交易之机器选择. 太长不看: 1. 初学者普通Windows电脑. 中期买个 mac mini M4 (16+256) (或者用AWS/GCP 的免费的额度) 2. 后期用 AWS spot instance, 选Stockholm region. m7a.4xlarge (16核 zen4, 64G) $0.15每小时 3. 存储用 Cloudfalre R2. (比 AWS S3更便宜) 1T 15$ 1个月. 并且出入站都免费. (AWS S3收费) 因为制定交易策略, 需要做回放. 这是很吃性能的. (比如说 var<---> Lighter 价差回归套利, 30个market, 差价的gap怎么取, 你可能用EWMA 或者 a Kalman filter , 假设10个参数, 然后回归过去60天的行情. 轻松就 30*10*60个任务. 普通8核16G电脑可能五六个小时 ) 之前的文章有说,你的交易VPS应该放在 Tokyo AZ4. 那么为什么我这里推荐 Stockholm 的机器做回放呢? 因为价格. 同样的机器: Stockholm $0.15/h . Tokyo: $0.46 : 三倍的价格. 因为这机器是跑的批量任务, 所以无所谓延迟了. 哪里便宜放哪里. 而且不用担心宽带, 我试了.. Cloudflare S3里存储的数据, Stockholm 也可以300MB/s +的速度拉取. 如果你是任务量特别大怎么办? 那么多开几个就行了. 然后AI会自动分配任务到这些机器上. 跑完了再自动关掉就行了. 按分钟计费. 这样灵活很多. 某些任务我本地的电脑可能要跑两天. 我开上20台机器..10分钟就跑完了.