终于找到能用的NBA资讯获取大模型！还是openai的生态丰富，来自openai的应用basketballGPT，完美准确返回NBA今日比赛结果。其检索源都来自reuter.com。看样子，AI资讯这玩意必须指定可靠的检索源！

致所有不甘者：极限是伪命题，天花板生来为被打破！💥詹姆斯距离 生涯50000分 仅差1分。从18岁青涩到41岁传奇，他用20年击碎“巅峰有期”的谎言！年龄？只是他的计数器！“伟大没有保质期，传奇只在脚下。”📷#詹皇五万分别样传奇1

如果做一件事不是因为你有意志力，而是根本不需要使用意志力，那就意味着你离成功不远了。

你可能记得化学课上的放热与吸热反应：吸热需持续输入能量维持，放热一旦启动便自行运转，甚至释放能量。工作动力亦如此。有时它像吸热反应，耗尽精力，需强推前行；有时像放热反应，进入状态后自带动力，甚至令人兴奋。

芒格讲过，真正的智慧不是死记硬背一堆零散事实，而是把它们连成一张网。他管这种实用的思维工具叫“超级模型”，能让人脑子变“超能”，看问题更透，做决定更靠谱。以前有人觉得脑子像个仓库，装满就学不动了，但其实不然——知识越多、越连得上，学新东西反而越轻松。

cosyvoice_2.0 刚搞完一波对比其他模型的主观评测，效果可以说是一枝独秀。

不能更赞同。Agent的护城河不在泛泛的RAG，而在精准的tool调用。比如，一个能实时分析供应链瓶颈的tool，远超文本总结的价值。

传统卡片笔记（如 flomo）靠人为串联信息点，像拼出一只“泰迪”。而 AI 处理个人笔记作为 RAG 知识库时，不仅能自动连接碎片，还能生成超出想象的深度内容——不止画出泰迪，甚至能画出藏獒。AI 正在重塑知识管理的效率与可能性。

最近彻底沉浸在 AI 和 Agent 的世界，疯狂学习、狂刷资料，整个人进入了心流状态⚡️ 时间过得飞快，甚至有点像初中做奥数题时那种“越难越爽”的专注感🔥 技术真的是这个时代的“解谜游戏”——越学越上头，停不下来。

Chinese TLDR version by gpt4o

claude version

很有意思的一篇文章 1. 推理模型CoT的提示暴露率为非推理模型的3-4倍 2. 总体上忠实性仍然低下（Claude 3.7 Sonnet 25%，DeepSeek R1 39%）； 3. 任务难度与忠实性呈负相关（GPQA上的忠实性比MMLU下降44%）； 4.不忠实CoT往往更冗长

非常牛逼的一篇文章，LLM方向必读paper arxiv.org/abs/2504.07128

τ-bench已经让Agent的评估从“做选择题”升级到了“多轮实战演练”，从静态升级到了动态！期待评估突破考题IID的新解法！

跟着Altman学英语，"NGMI" 是 "Not Gonna Make It" 的缩写，意思是“注定失败”或“不会成功”。

《人类简史》中，赫拉利也提出类似结论，农业革命/工业革命实际上是一场“骗局”，它并没有如人们所期待的那样，带来普遍的幸福和福利。历史无新事，AI也一样，后期只会成为资本扩张的工具。