大模型意味着语言的威力特别大 而且上下文的位置就有这么大的效果

只有记住和抽象推理 才能让你节约计算 expose and search

notion what is notion? you understand by concrete examples

Verify is reading. Search is solving. Verification gives you searching directions.

BEFORE GOING INTO DETAILS what does it mean by this? direct the attention.

清晰的区分边界

if \neg A leads to ANY contradiction, we have A.

Sound: all provable is true Completeness: all true is provable

再别昨日妖娆 可惜刺耳娇淘

low 1. 粗暴解决方案 2. 倾向本能需求 3. 自恋和集体虚荣

数学 就像之前做过的题 从来没见过一样

多邻国音乐就是 gt7 但没有 gt7 有趣

虽然这么说不对 但即使没有短视频 也有不少人不看书，看电影 现在通过总结的形式 了解一些，暴露一些 也算不错了

基本功计划： 1. 量子力学 2. 场论 3. 线性代数 4. 微积分 5. 概率论

不要觉得自己是在探索 而是在学习，也就是背

hard truth，日语翻译 verification，去日本确认

概念，事实，算法方向 关键特征，启发信号

如果我们生活在一个量子世界，或许就不那么容易得到推理系统

消极一点的说 大规模创新性商业就是一个媚俗的赌博

小时候，为了国足进入世界杯写的诗 大概是我能找到的写的最早的诗 上次进入02年世界杯，冲击了七次 而现在为了下一次进入世界杯，已经努力了六次了

2019年，我在床上反复想不明白一个问题 那就是为什么 p + q = q + p 我知道的意思就是，有一个称，无论我怎么放这些小方块 总质量是不变的 我当时觉得，这就是一个统计学的极大可能事件 恰好能描述很多情景

See things through a fresh new perspective

黑泽明的电影，基本被我当成欧美电影类别了，😂

repeatly in context exposures

1500+ Days Already

看这个视频，被暴露之后，我会记住多久呢 www.youtube.com/watch?v=s6Om...

离你越远的地方 被压缩的就越多 但压缩方式是在改变的

太简单，枯燥 太困难，停滞 总而就是没有信息进来

从信息学的角度 你写入一段新信息 即使这个信息出现过 也会有新的信息留下来 比如，遇到次数多，那就重要 更深层的规律或许被重视

“Mild discomfort” uneasy, slightly aversive feeling you get when you notice something doesn’t “click” but it’s not so overwhelming that you shut down entirely It’s enough to nudge you toward filling in the missing piece

turing godel neural net，quantum

1. People are naturally curious, but we are not naturally good thinkers; unless the cognitive conditions are right, we will avoid thinking. 2. Factual knowledge must precede skill. 3. Memory is the residue of thought.

MIT OCW 怎么冒出来一个中文的习题课，哈哈

有点压力能够有大的突破 但是太大的压力就不行 做牛马也有积极的一面

Simplicity solves complexity

一个简单的例子 就是之前有汉字的词语 我就不太记得假名怎么读 因为汉字足够让我过关 现在没有汉字，我就对读音重视 并且擅长了

好奇，是求知欲满足高 记住，是好胜心满足高

Satisfactory consistency and resolution level

也就是说 大脑会对信息进行处理 对不同信息进行标注 决定是否长期留存 情绪，合理程度，回报率，稀有度

大家喜欢查字典 不喜欢背字典

孔乙己的快乐又来了 ٩(๑^o^๑)۶

我也有喜欢 jump into conclusion 的领域，但是我不能明确是哪一类型或者部分

把 lrm 培训成好老师 然后让他给未来的 agi 上课

人应该也是大模型的输出 但是离现在的词越远 他的指代就越抽象

The opposite of Feynman

Fun way to learn is the right way to learn

一周能学三个unit 法语需要8周才能学完 section 2，估计三个多月才能学完A1 日语需要35周才能学完 section 3，估计要一年才能学完所有

不是为了易得的复杂 而是为了稀有的简洁

人脑是很水的 如果不是指明 很多日常的内在逻辑都不能识别

don't try to win and feel good try to grow and progress