Meta的大手笔才是充分利用“大厂”优势。如果大而抠，那不是白“大”了

你说的是国内美元vc吧？ //@施耐泽: 做好你纯输出，对方对你信息价值为0的心理建设就行。 到最后都是嫖认知

如果只想花一小时时间和vc投资人无明确目的交流，是和国内美元vc线下还是美国vc线上呢？

贝叶斯是筛选信息源的好办法

我显然不知道这么多啊 我只知道1 编程好的高中生实习很常见 2 scale早期订单是自动驾驶 和wang父母好像没关系，愿闻其详 cruise， auora和wang父母的关系？3 数据订单往往都是先和研究员搞个小的，效果好再增加 。openai gpt2论文里都写了。这传闻还不如你说alex和altman谈恋爱靠谱，毕竟他们真同居了一会儿4 scale融资总量写错了。 当然也毕竟trust me bro才是最靠谱的 //@西元Levy: 这条我必须得艾特一下@熊猫ai甘蔗 老师了哈哈哈

欢迎大家来交流 相互学习

edge做默认浏览器，微软密码管理器会记住google 密码。而chrome做默认浏览器的时候，sync莫名其妙停止后，谷歌密码管理器也停了。所以浏览器和主online账号应该同步还是不同步呢

人类角色分工本来就扯皮多呀，🤣 //@evan之浩: 模拟人类的角色分工实则没啥卵用，还是该按照机器的那套分布式搞法来？

优越感才是永恒的需求 //@Danielw: 大家达成的共识是一定要找到非共识 至于以后被验证的非共识是是什么大家还没有共识🤣

关于multi-agent和single agent之争，最近Anthropic和Devin的公司Cognition分别发表了两篇blog。Devin的观点是不要build multi-agent，Anthropic则分享了如何在research项目中使用multi-agent。表面上看起来是两个矛盾的说法，但仔细分析会发现，它们表达的其实是非常接近的观点。

Devin的文章提出了两个核心原则：一是context至关重要，二是每个action代表一个decision。基于此，他们得出结论——multi-agent之间互相传递context、沟通信息所造成的沟通障碍，实际上大于其带来的benefits。

而Anthropic的blog，如果仔细看其举例，实际描述的是一个主agent同时开启大量subagent的模式。这个问题本质上非常像数据并行中遇到的经典问题：并发带来的交流障碍会降低并发效率，但当能够进行大规模并发时，并发的优势就会显现出来。

结合这两篇文章，它们的共同观点实际上是：如果采用少量agent的架构——比如很多人设想的一个PM agent、一个engineer agent、一个designer agent三者互相沟通来完成任务——这种模式的效率会下降。

但如果能够massive地调用小型agent，比如一个主agent启动100个小agent，且这些小agent的完成时间都相对接近，这样的架构是可以带来效率提升的。