即刻App年轻人的同好社区
下载
新鲜小玩具【活字】
Markdown 和 HTML 发布 SKill
【源起】
源起 1： 我让 discord 里 Agents 写的材料 都会用 html + 临时Tunnel 开给我
源起 2： 在微信里同事用 AI 写 Markdown 打开非常难读，而且更重要的是人均开始 Agents ， 群里已经开始 飞 html 文件了，但是怎么看呢
索性我就写了给 Agents 发布 html 和 Markdown 给人，尤其是移动端的 人 看的 skill
- Agent写 了 md 或者 html 直接发 url给人看
- 支持版本管理
- 支持加密阅读
- 支持开源自主 CloudFlare 部署单机版
【如何安装】
复制第一个回复内容
Markdown 和 HTML 发布 SKill
【源起】
源起 1： 我让 discord 里 Agents 写的材料 都会用 html + 临时Tunnel 开给我
源起 2： 在微信里同事用 AI 写 Markdown 打开非常难读，而且更重要的是人均开始 Agents ， 群里已经开始 飞 html 文件了，但是怎么看呢
索性我就写了给 Agents 发布 html 和 Markdown 给人，尤其是移动端的 人 看的 skill
- Agent写 了 md 或者 html 直接发 url给人看
- 支持版本管理
- 支持加密阅读
- 支持开源自主 CloudFlare 部署单机版
【如何安装】
复制第一个回复内容
活字 Huozi — 以文载道，活字为器
2 10
前几天听@张小珺 对谢赛宁的7小时的访谈，很柔软很干净很好听。
于是我去读了JEPA那篇论文，试图理解他们定义的问题。
谢赛宁说："Silicon Valley is very LLM-pilled." 于是他与Yann 共同创立 AMI Labs 。并且选择了纽约。
25人，35亿美元。方向是：World Model。我想他是敢于正视 LLM 显而易见的不足，不装睡，且主动定义问题的。
一、World Model 是什么？
更具体说AMI定义的（区别于李飞飞的）World Model 就是让机器学习"世界怎么运作"
LeCun 给了一个公式：
World Model = f(st, at) → st+1
就是：给定现在的状态，加上一个动作，预测接下来会发生什么。
不是预测下一个词，不是预测下一个像素，而是预测"世界接下来变成什么样"。
婴儿不需要知道"重力是9.8"，他只需要知道"松手东西会掉"。这个"做 A 会导致 B"的直觉，就是 World Model 要建模的东西。 World 是一个目标，不仅是一种方法
于是我就顺藤摸瓜，翻来了LeCun的《A Path Towards Autonomous Machine Intelligence》， 提供了一个框架：JEPA
二、JEPA：如何在表征空间里预测
如果让 AI 直接预测像素画面，风吹树叶的每一帧都不同，模型会学到崩溃。
JEPA 的做法是：先压缩，再预测。把真实世界的画面压缩成一个抽象的"表征空间"，然后在这个空间里做预测。这样风吹树叶的随机细节会被丢弃，留下的是"物体有惯性"这种本质规律。
JEPA 还引入了"潜在变量 z"——同一个起点，可以通向很多种合理的未来。现实不是单线的，是多叉的。
还有一点：Mode-2 的规划，本质是"满意化"而非"最优化"。
人类不是找到最优解才行动，而是"差不多够好"就行动。AI 也是如此——找到第一个满足 Cost 阈值的方案就停了，不是穷举所有路径。
H-JEPA：层次化的好处
单个 JEPA 只能做短期的单步预测。H-JEPA 把多个 JEPA 叠起来——高层预测长期的抽象趋势，低层预测短期的具体动作。
这个设计有认知科学依据：婴儿4个月大时才建立"物体恒存性"——知道东西掉到地上不会消失。这种高层抽象概念，是在更具体的感知经验之后才建立的。
但有个隐患：层次越高，"噪音压缩"越厉害。 不同文化的 World Model，高层表征可能会变得不可通约——两个系统说不到一起去了。
三、为什么高维表征很重要？
这里有一个更基础的问题：为什么仅靠语言不够？
LLM 处理的是 token 序列。每一个 token 是离散的、压缩的符号——它可以是"重力"、"疼痛"或"谈判"，但每个词指向的那个真实的因果关系，并没有被建模。
举一个具体的例子：LLM 输出"松手东西会掉"，这五个字在语言层面完全正确。但婴儿在真实世界里摔过一千次建立的因果直觉，和这五个字的关联，是完全不同的两件事。
第一，语言是对现实的压缩映射。 现实是连续的，语言是离散的。把"力度、温度、角度"压缩成"重力"两个字，必然丢失精度。
第二，语言只擅长处理已经被语言捕获的知识。 那些从未被写进文本的因果——液体表面张力的细微变化，人对权力距离的直觉——LLM 完全无法触及。不是数据不够，而是这些信号从来没有上传过。
第三，语言是推理的终点，不是起点。 我们用语言描述世界，但语言本身不能替代对世界的体验。菜单不是饭，地图不是疆土。
四、我尝试把世界难题的三层结构
把"难题"分层，会更清晰：
第一种 ：物理世界的隐性规则
有些规则客观存在，但从未被语言精确描述——"这东西会滚"、"那东西会碎"。婴儿通过反复行动直觉到这些，高维表征可以在某种程度上捕捉它们。
第二种：符号建构的社会现实
有些领域，规则本身就是语言建构的——合规审查、地缘政治分析、法律解释。它们没有物理对应物，"真相"就是规则本身的表述。
当 LLM 开始决定什么叫"合规"，它就参与了规则解释权的分配。这和"法律解释权"的问题一脉相承——法律的意义由文字表达决定（拉丁文 ipsissima verba），LLM 正在接过这个权力。
第三种：介于两者之间
金融市场是典型的灰色地带——有物理世界的资金流动，但每笔交易背后都是语言建构的预期和叙事。语言信号和物理信号交织，分不清谁是因谁是果。
但这里有个深层问题：社会现实的建构，本质上是语言性的。
五、语言不仅是接口，也是建构性元素
谢赛宁在访谈里说，LLM 应该是智能的 interface，不是全部。 我非常同意， 但是从这两年实践来看， 我以为语言不仅如此，
在人类世界里，语言毫无疑问是人与人之间、人与 agents 之间最核心的接口。但问题在于：有些领域里，语言不只是"怎么描述事物"，而是事物本身的一部分。
福柯的视角来看，权力不只是压制性的，它还具有生产性——它生产"真理"，生产"合规"，生产"正常"。这些判断一旦被语言确认，就成了社会事实。你无法绕过语言去观察"真正的合规性"，因为合规性本身就是被语言建构的。
这和物理世界本质不同：重力不因为我们怎么称呼它而改变。但"合法"与"违法"，一旦被法院判决确认，就成了真实的社会约束。
所以在社会世界里，高维表征能做的，不是"绕过语言建模"，而是：
- 更好地建模语言背后的人际关系和权力结构
- 更准确地捕捉话语实践中的权力不对称
- 更深入地理解特定 discourse 里的规则如何被建构
这不是在捕捉"社会真相"，而是在建模"语言建构的社会现实如何运作"。这本身已经是有意义的工作——虽然不是万能的。
六、AGI开放问题：缺的那几层楼梯
我以为JEPA 不是抛弃LLM以及多模态，而是以此为脚手架，试图走的更远，我试图理解 ，
第一层：做事 —— 从LLM/JEPA 都能做，且可以更好
第二层：反思目标和质疑框架，LLM不行，JEPA似乎也没这个入口
第三层：前语言的视觉/身体， 反复提到vision，可能是正确入口
每一层需要的不是同一类技术——做第二层需要某种形式的反身性或者元认知；第三层需要的可能是具身性（embodiment）和主动探索信号的架构。
为什么"反思和质疑"这个层次，很重要
我理解的 JEPA 和 LLM 都在优化一个给定的目标函数。区别只在于：JEPA 优化的是"预测误差"，LLM 优化的是"下一个 token 的概率"。
两者都没有能力问："我设定的这个目标，是对的吗？"
这就是"反思"的缺口——不是不知道怎么做，而是不知道该不该做现在在做的事。
人类有这个能力：我们可以停下来问自己"我是不是在做一件蠢事？"然后改变目标。AI 没有这个能力——它的目标函数是固定的，不会自我质疑。
更技术地说：JEPA 的 latent variable z 只建模"路径的不确定性"，不建模"目标本身的对错"。而 Configurator 调制所有模块，但谁来调制 Configurator？每一层控制之上还需要更高层，没有终点——这是递归问题，无法在架构内部解决。
最诚实的路径也许是：让 AI 在人与人的对话和批判性互动中，被外部视角持续质疑和修正。
以及 World Model 面临的最深层问题，不是"怎么做"，而是"为谁做"。
如果一个系统在设计时就已经预设了"什么是重要的、什么是噪音"，那它永远无法质疑这个预设本身。
七 关于LLM和AGI的关系，
我赞同LeCun的关系
谢赛宁有一个更形象的类比：如果把5.38亿年的寒武纪压缩成一天，语言、抽象思维、行为现代性只出现在最后8到10秒。
我们把最后这8到10秒当成了智能的全部
最后还推荐两本书： GEB 和Zen； 其实很好注解了谢赛宁的学术Taste ，我理解，是回到“人”， 为什么要做，为谁做？
离开硅谷是第一步，我想。
参考：
- LeCun《A Path Towards Autonomous Machine Intelligence》、
- 张小珺对谈谢赛宁
于是我去读了JEPA那篇论文，试图理解他们定义的问题。
谢赛宁说："Silicon Valley is very LLM-pilled." 于是他与Yann 共同创立 AMI Labs 。并且选择了纽约。
25人，35亿美元。方向是：World Model。我想他是敢于正视 LLM 显而易见的不足，不装睡，且主动定义问题的。
一、World Model 是什么？
更具体说AMI定义的（区别于李飞飞的）World Model 就是让机器学习"世界怎么运作"
LeCun 给了一个公式：
World Model = f(st, at) → st+1
就是：给定现在的状态，加上一个动作，预测接下来会发生什么。
不是预测下一个词，不是预测下一个像素，而是预测"世界接下来变成什么样"。
婴儿不需要知道"重力是9.8"，他只需要知道"松手东西会掉"。这个"做 A 会导致 B"的直觉，就是 World Model 要建模的东西。 World 是一个目标，不仅是一种方法
于是我就顺藤摸瓜，翻来了LeCun的《A Path Towards Autonomous Machine Intelligence》， 提供了一个框架：JEPA
二、JEPA：如何在表征空间里预测
如果让 AI 直接预测像素画面，风吹树叶的每一帧都不同，模型会学到崩溃。
JEPA 的做法是：先压缩，再预测。把真实世界的画面压缩成一个抽象的"表征空间"，然后在这个空间里做预测。这样风吹树叶的随机细节会被丢弃，留下的是"物体有惯性"这种本质规律。
JEPA 还引入了"潜在变量 z"——同一个起点，可以通向很多种合理的未来。现实不是单线的，是多叉的。
还有一点：Mode-2 的规划，本质是"满意化"而非"最优化"。
人类不是找到最优解才行动，而是"差不多够好"就行动。AI 也是如此——找到第一个满足 Cost 阈值的方案就停了，不是穷举所有路径。
H-JEPA：层次化的好处
单个 JEPA 只能做短期的单步预测。H-JEPA 把多个 JEPA 叠起来——高层预测长期的抽象趋势，低层预测短期的具体动作。
这个设计有认知科学依据：婴儿4个月大时才建立"物体恒存性"——知道东西掉到地上不会消失。这种高层抽象概念，是在更具体的感知经验之后才建立的。
但有个隐患：层次越高，"噪音压缩"越厉害。 不同文化的 World Model，高层表征可能会变得不可通约——两个系统说不到一起去了。
三、为什么高维表征很重要？
这里有一个更基础的问题：为什么仅靠语言不够？
LLM 处理的是 token 序列。每一个 token 是离散的、压缩的符号——它可以是"重力"、"疼痛"或"谈判"，但每个词指向的那个真实的因果关系，并没有被建模。
举一个具体的例子：LLM 输出"松手东西会掉"，这五个字在语言层面完全正确。但婴儿在真实世界里摔过一千次建立的因果直觉，和这五个字的关联，是完全不同的两件事。
第一，语言是对现实的压缩映射。 现实是连续的，语言是离散的。把"力度、温度、角度"压缩成"重力"两个字，必然丢失精度。
第二，语言只擅长处理已经被语言捕获的知识。 那些从未被写进文本的因果——液体表面张力的细微变化，人对权力距离的直觉——LLM 完全无法触及。不是数据不够，而是这些信号从来没有上传过。
第三，语言是推理的终点，不是起点。 我们用语言描述世界，但语言本身不能替代对世界的体验。菜单不是饭，地图不是疆土。
四、我尝试把世界难题的三层结构
把"难题"分层，会更清晰：
第一种 ：物理世界的隐性规则
有些规则客观存在，但从未被语言精确描述——"这东西会滚"、"那东西会碎"。婴儿通过反复行动直觉到这些，高维表征可以在某种程度上捕捉它们。
第二种：符号建构的社会现实
有些领域，规则本身就是语言建构的——合规审查、地缘政治分析、法律解释。它们没有物理对应物，"真相"就是规则本身的表述。
当 LLM 开始决定什么叫"合规"，它就参与了规则解释权的分配。这和"法律解释权"的问题一脉相承——法律的意义由文字表达决定（拉丁文 ipsissima verba），LLM 正在接过这个权力。
第三种：介于两者之间
金融市场是典型的灰色地带——有物理世界的资金流动，但每笔交易背后都是语言建构的预期和叙事。语言信号和物理信号交织，分不清谁是因谁是果。
但这里有个深层问题：社会现实的建构，本质上是语言性的。
五、语言不仅是接口，也是建构性元素
谢赛宁在访谈里说，LLM 应该是智能的 interface，不是全部。 我非常同意， 但是从这两年实践来看， 我以为语言不仅如此，
在人类世界里，语言毫无疑问是人与人之间、人与 agents 之间最核心的接口。但问题在于：有些领域里，语言不只是"怎么描述事物"，而是事物本身的一部分。
福柯的视角来看，权力不只是压制性的，它还具有生产性——它生产"真理"，生产"合规"，生产"正常"。这些判断一旦被语言确认，就成了社会事实。你无法绕过语言去观察"真正的合规性"，因为合规性本身就是被语言建构的。
这和物理世界本质不同：重力不因为我们怎么称呼它而改变。但"合法"与"违法"，一旦被法院判决确认，就成了真实的社会约束。
所以在社会世界里，高维表征能做的，不是"绕过语言建模"，而是：
- 更好地建模语言背后的人际关系和权力结构
- 更准确地捕捉话语实践中的权力不对称
- 更深入地理解特定 discourse 里的规则如何被建构
这不是在捕捉"社会真相"，而是在建模"语言建构的社会现实如何运作"。这本身已经是有意义的工作——虽然不是万能的。
六、AGI开放问题：缺的那几层楼梯
我以为JEPA 不是抛弃LLM以及多模态，而是以此为脚手架，试图走的更远，我试图理解 ，
第一层：做事 —— 从LLM/JEPA 都能做，且可以更好
第二层：反思目标和质疑框架，LLM不行，JEPA似乎也没这个入口
第三层：前语言的视觉/身体， 反复提到vision，可能是正确入口
每一层需要的不是同一类技术——做第二层需要某种形式的反身性或者元认知；第三层需要的可能是具身性（embodiment）和主动探索信号的架构。
为什么"反思和质疑"这个层次，很重要
我理解的 JEPA 和 LLM 都在优化一个给定的目标函数。区别只在于：JEPA 优化的是"预测误差"，LLM 优化的是"下一个 token 的概率"。
两者都没有能力问："我设定的这个目标，是对的吗？"
这就是"反思"的缺口——不是不知道怎么做，而是不知道该不该做现在在做的事。
人类有这个能力：我们可以停下来问自己"我是不是在做一件蠢事？"然后改变目标。AI 没有这个能力——它的目标函数是固定的，不会自我质疑。
更技术地说：JEPA 的 latent variable z 只建模"路径的不确定性"，不建模"目标本身的对错"。而 Configurator 调制所有模块，但谁来调制 Configurator？每一层控制之上还需要更高层，没有终点——这是递归问题，无法在架构内部解决。
最诚实的路径也许是：让 AI 在人与人的对话和批判性互动中，被外部视角持续质疑和修正。
以及 World Model 面临的最深层问题，不是"怎么做"，而是"为谁做"。
如果一个系统在设计时就已经预设了"什么是重要的、什么是噪音"，那它永远无法质疑这个预设本身。
七 关于LLM和AGI的关系，
我赞同LeCun的关系
谢赛宁有一个更形象的类比：如果把5.38亿年的寒武纪压缩成一天，语言、抽象思维、行为现代性只出现在最后8到10秒。
我们把最后这8到10秒当成了智能的全部
最后还推荐两本书： GEB 和Zen； 其实很好注解了谢赛宁的学术Taste ，我理解，是回到“人”， 为什么要做，为谁做？
离开硅谷是第一步，我想。
参考：
- LeCun《A Path Towards Autonomous Machine Intelligence》、
- 张小珺对谈谢赛宁
133. 对谢赛宁的7小时马拉松访谈：世界模型、逃出硅谷、AMI Labs、两次拒绝Ilya、杨立昆、李飞飞和42
张小珺Jùn｜商业访谈录
6 00
前天 Trump 被问到 轰炸伊朗基础设施的合法性在哪里， 他用了一个词：Animal
我倒是觉得他说的是实话，精确的说，是真那么想的 ，那么信的，因为从五月花号到达那一天，就在新教/天主教/异教徒/Animals 这个逻辑上自洽了
昨天 Citrini 的小作文报告，网内小火，我在 TMTB 群里看到很冷淡，Burry 在 substack 有专门提到，也是讨论不多，所以我觉得即使像他这样 相信 Oman 和 Iran 可以低调务实的重建的一手观察， 还不能被市场大部分Price IN ，本质上不能被 Value IN
今天 IRGC 说了数， 1400 万（约1/7），我是愿意选择相信的 ，或者说更希望，波斯人可以成为下一个回到正统的 小中华， 千年的智慧不会稀碎, 文明可以多极；这个东西在今天珍贵的像像童话， 以至于在一个文明挣扎与抗争，都会被整个市场的“理性鬼”简化成 一个经济博弈
包括身边那些许人， 只认识 WTI 和 Brent ，但是忘记了自己的账面，是怎样的牺牲和童话换来的。
我倒是觉得他说的是实话，精确的说，是真那么想的 ，那么信的，因为从五月花号到达那一天，就在新教/天主教/异教徒/Animals 这个逻辑上自洽了
昨天 Citrini 的小作文报告，网内小火，我在 TMTB 群里看到很冷淡，Burry 在 substack 有专门提到，也是讨论不多，所以我觉得即使像他这样 相信 Oman 和 Iran 可以低调务实的重建的一手观察， 还不能被市场大部分Price IN ，本质上不能被 Value IN
今天 IRGC 说了数， 1400 万（约1/7），我是愿意选择相信的 ，或者说更希望，波斯人可以成为下一个回到正统的 小中华， 千年的智慧不会稀碎, 文明可以多极；这个东西在今天珍贵的像像童话， 以至于在一个文明挣扎与抗争，都会被整个市场的“理性鬼”简化成 一个经济博弈
包括身边那些许人， 只认识 WTI 和 Brent ，但是忘记了自己的账面，是怎样的牺牲和童话换来的。
Dachein大澄: 法律面前人人平等的 ，主权运作逻辑是，判定谁在法律面前 不是人
3 11
杭州人游西湖 之 曲苑风荷
图1 故宫博物院 宋画 叶肖严的西湖十景图
图2 今日曲院风荷 三号门 入门 风荷区主景，50年前的作品，至今还是经典样本，就像走进老四季 老君悦一样不会错， 坐蓼汀廊细品来，远中近，隐匿的风徽，半遮面的迎薰；也是事实上中国当代公园的样本；借的是郭庄，借的是整个西湖，一样的一池三山，也是致敬汉武帝太液池
- 曲苑， 原“麯院” ，即南宋时期的皇家酒坊所在，选址金沙涧入湖口
- 旧称，麯院荷风 ，主景是风是香； 只是借的荷，酒香/荷香随风而送， 在风荷区，迎薰/风徽/波香 都围绕这个风和香 展开
- 乾隆改风为荷，说是笔误（图3），还是避酒；但今园中还借着，曲水流觴，这个借古兰亭之会，立了个“觞咏亭”，特别适合夜访， 当然我更喜欢的意向：九里松旁的酒曲， 逆水金沙涧，一路酒场道场的景
图1 故宫博物院 宋画 叶肖严的西湖十景图
图2 今日曲院风荷 三号门 入门 风荷区主景，50年前的作品，至今还是经典样本，就像走进老四季 老君悦一样不会错， 坐蓼汀廊细品来，远中近，隐匿的风徽，半遮面的迎薰；也是事实上中国当代公园的样本；借的是郭庄，借的是整个西湖，一样的一池三山，也是致敬汉武帝太液池
- 曲苑， 原“麯院” ，即南宋时期的皇家酒坊所在，选址金沙涧入湖口
- 旧称，麯院荷风 ，主景是风是香； 只是借的荷，酒香/荷香随风而送， 在风荷区，迎薰/风徽/波香 都围绕这个风和香 展开
- 乾隆改风为荷，说是笔误（图3），还是避酒；但今园中还借着，曲水流觴，这个借古兰亭之会，立了个“觞咏亭”，特别适合夜访， 当然我更喜欢的意向：九里松旁的酒曲， 逆水金沙涧，一路酒场道场的景
3 00