前方有趣的时光

超级智能的时代已经到来。 没想到医疗领域会是第一个。 @EvidenceOpen团队在美国医学执照考试中获得了完美的100%的成绩，真是令人惊叹的工作。

"哪个国家曾因过度的世界主义宽容而遭受痛苦？因关注人们共同的人性而非表面的差异？因根据人们的优点而非出身来评判他们？"

"在纽约随意漫步使得本土主义在智力和情感上都难以维持。无处不在的外国人比自以为是的说教更能有效地教育人们。"

美国最危险的城市（每人暴力犯罪最高的数量） 孟菲斯，田纳西州 克利夫兰，俄亥俄州 托莱多，俄亥俄州 小石城，阿肯色州 皮奥里亚，伊利诺伊州 - 最新的FBI数据

教师们对他们的新无手机学校的反馈不断涌入，学生们现在所做的惊人事情。例如，记笔记、完成作业，然后互相交谈。 "这一直是如此简单的解决方案吗？"

永远不要让技术人员给事物命名

永远不离开这个网站，@tszzl

我注意到，由于（我想？）在长期任务上进行大量基准最大化，LLM（大型语言模型）默认变得有点过于自主，超出了我平均的使用案例。 例如在编码方面，这些模型现在倾向于推理相当长的时间，它们有倾向于开始列出和搜索整个代码库中的文件，它们进行重复的网络搜索，过度分析和过度思考一些即使在已知不完整和正在积极开发的代码中的小罕见边缘情况，通常即使是简单的查询也会在几分钟后才返回。 这可能对长期运行的任务有意义，但对于我仍然做很多的“在循环中”的迭代开发来说，或者如果我只是想在运行脚本之前进行快速检查，以防我在索引上出错或犯了一些愚蠢的错误，这就不太合适。因此，我发现自己经常用“停下，你想得太多了。只看这个单一文件。不要使用任何工具。不要过度设计”等变体来停止LLM。 基本上，随着默认设置慢慢渗入“超思考”超级自主模式，我感到需要相反的东西，更普遍地说，需要好的方式来指示或传达意图/风险，从“只需快速查看”到“离开30分钟，绝对确定后再回来”。

随着我们进入一个由人工智能进步驱动的快速变化时期，我们需要跟踪经济的变化。 这意味着我们应该更多地投资于政府统计，而不是减少投资。 1/2