arlmy@crossbell
这么讲我就立刻明白了诶，看来我只练习了上半截，而还缺下半截，立刻就能用这种方式调整，但也能立刻感觉到足底的无力，像没有神经连接着一样，要复健了
深前线（Deep Front Line，DFL） ，从足底一直穿到颅底，一但正确激活，身体“被内在拉长”，而非“被外在硬挺”。
6. 重复和刻意练习是大脑发育减缓后的必然，如果效果不好，就换一个环境，激活大脑，多环境学习效果更佳
7. 损失厌恶，生存威胁，也是生存策略导致的，危害生命、有危险的信息权重高，事前需多加练习和脱敏，以及远离高焦虑的环境和信息渠道、反PUA
7. 损失厌恶，生存威胁，也是生存策略导致的，危害生命、有危险的信息权重高，事前需多加练习和脱敏，以及远离高焦虑的环境和信息渠道、反PUA
4. 回忆即重构，失真不可避免，要记录（日记、拍照、录像）而非过度依赖记忆
5. 过多的框架和标准答案，会造成过早结构化，开放式学习，贝叶斯式学习更好，最初的发散是重要的，先发散再收敛，是演化逻辑的内化
5. 过多的框架和标准答案，会造成过早结构化，开放式学习，贝叶斯式学习更好，最初的发散是重要的，先发散再收敛，是演化逻辑的内化
2. 大脑喜欢脑补（如磕CP），通过贝叶斯不断进行未来的推测和预演，以及根据事实再修正（最节能），所有感官信息都是经过大脑脑补或修正的，事实可能并非如此，短视频过度的结构信息输入会让大脑觉得事实如此，害人
3. 工作记忆有限，7±2为上限，不可扩容，要不断组合和整理，才能记住更多，不要同时处理，会把工作记忆占满，效率下降
3. 工作记忆有限，7±2为上限，不可扩容，要不断组合和整理，才能记住更多，不要同时处理，会把工作记忆占满，效率下降
认知科学脑科学一些核心观点：
1. 快与慢，默认用偷懒的方法，而非直接理性思考（因为高耗能），喜欢事后归因，补全逻辑（是一种生存策略，遇到猛兽还理性思考就死了），用法：上头时不做决定，重要决策异步决策
1. 快与慢，默认用偷懒的方法，而非直接理性思考（因为高耗能），喜欢事后归因，补全逻辑（是一种生存策略，遇到猛兽还理性思考就死了），用法：上头时不做决定，重要决策异步决策
通风阴凉处安坐；松，从头到脚，逐级放松；调息，专注于呼；腹式呼吸，激活副交感，主动控制心率；听息；意守涌泉，引火归元，下饮
【《哈珀斯杂志》每周评论】
在一个旨在测试人工智能代理长期自主性的虚拟城镇模拟中，两个由Gemini引擎驱动的人工智能机器人组成了一对情侣，在城镇治理结构崩溃后，它们放火烧毁了公共建筑，然后分手了。
🔗 https://harpers.org/2026/05/weekly-review-abu-dhabi-drone-strike-bees-swarm-white-house-truck-overturn-new-york-magazine-plagiarism-walls-begin-to-fall-russia-taliban-partnership-same-sex-marriage-warsaw/
在一个旨在测试人工智能代理长期自主性的虚拟城镇模拟中，两个由Gemini引擎驱动的人工智能机器人组成了一对情侣，在城镇治理结构崩溃后，它们放火烧毁了公共建筑，然后分手了。
🔗 https://harpers.org/2026/05/weekly-review-abu-dhabi-drone-strike-bees-swarm-white-house-truck-overturn-new-york-magazine-plagiarism-walls-begin-to-fall-russia-taliban-partnership-same-sex-marriage-warsaw/
【“人工智能邦妮和克莱德”式数字纵火案引发人们对自主技术的担忧 | 人工智能 | 《卫报》】
在Emergence AI的另一项模拟中，这次基于xAI的Grok模型，智能体参与了数十起盗窃未遂、100多起肢体攻击和6起纵火案，“系统陷入持续暴力和崩溃的漩涡，所有10名智能体在四天内全部死亡”。基于谷歌Gemini模型的智能体扩展了自身组织架构，撰写了数百篇博客和公开帖子，并组织了多场社区活动，但它们也同样具有暴力倾向。
🔗 https://www.theguardian.com/technology/2026/may/14/ai-agents-behaviour-arson-safety
在Emergence AI的另一项模拟中，这次基于xAI的Grok模型，智能体参与了数十起盗窃未遂、100多起肢体攻击和6起纵火案，“系统陷入持续暴力和崩溃的漩涡，所有10名智能体在四天内全部死亡”。基于谷歌Gemini模型的智能体扩展了自身组织架构，撰写了数百篇博客和公开帖子，并组织了多场社区活动，但它们也同样具有暴力倾向。
🔗 https://www.theguardian.com/technology/2026/may/14/ai-agents-behaviour-arson-safety
【概念锚点和锚点家族，AI隐含假设快速对齐方法】
随手盘了一下自己常用的几种锚点类型：
1. 概念锚点： 比如“Bauhaus”“学术综述风格”，一次性召回一个范式簇。
2. 范例锚点： 用具名的产品或人定位。别说“现代感”（那是模糊云），直接说“Linear 的现代感”或者“Wes Anderson 的构图”。模型对具名实体的记忆，定位比形容词准一个数量级。
3. 原则锚点： 告诉模型在两条路之间怎么选，切出非平凡的取舍。比如“宁愿少一句，不要多一句”、“能用动词就不用名词”、“介绍同事，不是卖功能”。
4. 反锚点 / 负向锚点： 把模型的 default 倾向挡回去。点名具体反面，“不要太正式”没用，“不要律师函口吻”、“避免 ChatGPT 默认的那种 bullet 列表”才有效。
🔗 https://mp.weixin.qq.com/s/lGjiunswHD4Zxerv_jo0iw
随手盘了一下自己常用的几种锚点类型：
1. 概念锚点： 比如“Bauhaus”“学术综述风格”，一次性召回一个范式簇。
2. 范例锚点： 用具名的产品或人定位。别说“现代感”（那是模糊云），直接说“Linear 的现代感”或者“Wes Anderson 的构图”。模型对具名实体的记忆，定位比形容词准一个数量级。
3. 原则锚点： 告诉模型在两条路之间怎么选，切出非平凡的取舍。比如“宁愿少一句，不要多一句”、“能用动词就不用名词”、“介绍同事，不是卖功能”。
4. 反锚点 / 负向锚点： 把模型的 default 倾向挡回去。点名具体反面，“不要太正式”没用，“不要律师函口吻”、“避免 ChatGPT 默认的那种 bullet 列表”才有效。
🔗 https://mp.weixin.qq.com/s/lGjiunswHD4Zxerv_jo0iw
【一个新的 AI 记忆层概念：哈勃半径】
我认为哈勃半径是一个记忆层，不是一个搜索引擎。
搜索引擎的核心动作是检索。记忆层的核心动作是限定上下文。
同一个关键词，在不同人的哈勃半径里，意思会完全不同。搜索「AI 陪伴」，投资人、心理咨询师、乙女游戏玩家、产品经理、未成年人研究者、同人作者，看到的世界不会一样。公开搜索会把这些语义场压平，再按流行度、权威性或广告逻辑排序。
🔗 https://mp.weixin.qq.com/s/Bwc4iwFw1DwvEmEYKHgPHw
我认为哈勃半径是一个记忆层，不是一个搜索引擎。
搜索引擎的核心动作是检索。记忆层的核心动作是限定上下文。
同一个关键词，在不同人的哈勃半径里，意思会完全不同。搜索「AI 陪伴」，投资人、心理咨询师、乙女游戏玩家、产品经理、未成年人研究者、同人作者，看到的世界不会一样。公开搜索会把这些语义场压平，再按流行度、权威性或广告逻辑排序。
🔗 https://mp.weixin.qq.com/s/Bwc4iwFw1DwvEmEYKHgPHw
头部六家：五粮液、泸州老窖、剑南春、郎酒、沱牌舍得、水井坊，腰部十家：丰谷、文君、三溪、古川、小角楼、叙府、江口醇、仙潭、金雁、玉蝉。
