与「diana」相关的搜索结果

Stanford 用 1500 个工人和 844 个任务告诉 YC：你们 41% 的钱投错了方向 —— 你们投的都是"人们不想要"或"不需要"的东西，而那些"想要但没什么人做"的事正在等待 founders。论文中工人最想自动化的前 10 个职业 Claude 的使用量只有 1.26%，现有 AI 使用反映的是早期采用者偏好，不是真实工作场所需求！ WORKBank 把工作任务划分成了四个象限，高渴望和高能力分别表示对 AI 高需求和 AI 目前的能力： 🟢 Green Light（高渴望 + 高能力） 这一象限聚集的工作类型：数据录入 / 文件整理 / 日程安排 / 例行报告生成 / 标准化客服流程 / 重复性信息检索整合（QA、合规类） 🟠 R&D Opportunity（高渴望 + 低能力） 这一象限聚集的工作类型：跨系统协调（涉及多个工具/部门但仍结构化）/ 长上下文研究 + 综合分析 / 项目计划和资源分配 / 中等复杂度的创意设计 这正是创业公司应该看的方向——工人想要 AI 帮忙，但当前 AI 能力还没到位。 🔴 Red Light（低渴望 + 高能力） 这一象限聚集的工作类型：内容创作的最终呈现（艺术/设计/媒体红灯比例 47.6% 全行业最高）/ 客户面对面的关系类（销售/法律咨询/客户管理）/ 决策的"署名"环节（草稿可以 AI 写但谁署名 = 谁负责）/ 创意的灵感判断（"这个 ok / 不 ok"的最终拍板） 特征：技术上 AI 能做，但做的人在乎自己的 ownership / 创造性 / 客户关系——这是最容易引发劳动法纠纷和文化抵制的区域。中国法院的两个判例（Zhou 在 QA / Liu 做地图录入）就涉及这一区。 ⚪ Low Priority（低渴望 + 低能力） 这一象限聚集的工作类型：高度物理 / 跨系统手动追踪（电话、纸质文件、人工对接）/ 高度地方化、低标准化（每个城市/机场/银行流程都不同）/ 长尾的客户异常处理 / 受监管约束极强的小批量任务 特征：双低 = 不必做。论文也指出，这些任务人类做得也不开心（已经被流程化得很惨），只是 AI 现阶段也帮不上忙。 最被忽视的发现：同一职业内的不同任务往往横跨多个象限。最典型的例子 - 程序员： - "重构同一模式代码" → 🟢 - "理解模糊的用户需求" → 🟠 - "在客户面前展示 demo 并应对质询" → 🔴 - "在老旧 COBOL 代码里追一个偶发 bug" → ⚪ 这意味着"程序员被 AI 替代"可能是一个伪命题。程序员的某些任务在绿灯区（已被 Claude Code 大量自动化），某些在红灯区（客户沟通、责任归属），某些在 R&D 区（AI 还做不到的复杂理解）。 这也是 Diana / Cat Wu 描述的"PM 与工程师角色融合"在数据上的解释——工作不是被替代，是被重新切分到四个象限里🤔

潜龙勿用 AI 预测市场 BUIDL 已提交 AI Sprint 黑客松： 新版预测市场跟之前的版本相比，除了 Permissionless create、基于 LMSR 动态做市以外，主要还有以下几个特点： 1、全局流动性：所有市场共享同一个流动性金库，不再需要创建者单独提供初始流动性；LP 可提供流动性并分享手续费收益。 2、支持更多市场类型：新增多选市场和 live 市场。 3、开放证据提交：任何人都可以在市场下提交证据，参与市场结果的形成。 4、AI agent 自动结算：AI agent 会实时分析市场下的证据，做出判断并提交结果。结算后奖励自动发放，不再需要手动领取。 5、证据激励机制：如果提交的证据最终被采纳，提交者可以分享一部分手续费收益。 @four_meme_Fora @fourdotmemezh @diana_bnb @BNBCHAIN

AWS亚马逊云 / 阿里云国际 独立云账号｜免注册｜专属折扣｜全天候支持 全球云服务器部署 稳定 · 高速 · 更低成本 联系我们，获取专属上云方案 Telegram：@dianmircloud

特朗普访华高管名单流出 特斯拉 CEO 马斯克 苹果 CEO 库克 通用电气 CEO 卡尔普 波音总裁 Kelly Ortberg Meta 总裁 Dina Powell 贝莱德董事长 Larry Fink 黑石创始人 苏世民 美光科技总裁 Mehrotra 万事达总裁 Michael Visa CEO 麦克伦尼 高通 CEO 艾蒙 嘉吉主席 Brian Sikes 花期银行 CEO 范洁恩 高盛董事长 苏德巍 相干公司 CEO Jim Anderson 因美纳 CEO Jacob Thaysen 此次访华规模，预计超过 2017 年，此外思科的老板也收到了邀请，但因财报冲突，没有随行前往。