阅读 | Book

自恰的程序员

来自哪里我也不记得了(应该是V2EX),就是感觉写的挺好。

关于作者: 🎓 2013-2016 毕业于北大软件与微电子学院 💻 2016-2024 编码八年,混迹于国企,大厂,外企 🚀 2025-至今 独立开发/一人公司/只工作不上班(其实就是社会闲散人员

作者的公众号:辣条加辣(平时会分享一些职场、技术和个人成长的思考。)。

Outline #

  • 前言
  • 第一章 建立你的工作哲学
    • 概述
    • 1.1 第一性原理思考工作
      • 什么是第一性原理思考 4 第一原理是什么
      • 为什么要用第一性原理思考工作
      • 工作认知的演进
      • 用第一性原理重新思考工作
      • 建立自己的工作观
      • 实践建议
      • 最后的几句话
    • 1.2 工作挣扎是常态
      • 你今天挣扎了吗
      • 为什么会挣扎
      • 挣扎的本质是什么
      • 如何优雅地挣扎
      • 挣扎中的成长
      • 最后的几句话
    • 1.3 工作承载不了太多意义,但也不要陷入工作虚无主义
  • 第二章 工作方法论
    • 2.1 心态开放,你的职场第一课
    • 2.2 下场去做,你的职场第二课
      • 结语:放下完美主义的包袱 克服对失败的恐惧 走出舒适区的束缚 勇敢地下场去做
    • 2.3 寻求帮助是项高级技能
    • 2.4 害怕直面冲突,怎样才能支棱起来
    • 2.5 如何面对职场PUA
    • 2.6 内耗,是从拒绝沟通开始的
  • 第三章 工作中的人际关系
    • 3.1 为什么要重视1on1
      • 为什么要重视:这是你的专属时间;双向沟通的机会;建立信任的时刻
      • 聊什么:工作进展,个人成长,团队建设,对公司的想法
      • 怎么聊
      • 几个常见场景
    • 3.2 领导让我提意见,我该怎么提
      • 从哪些角度切入:团队士气;工作效率;技术发展;人才培养;业务发展
      • 怎么说才不会翻车:做好功课;态度要诚恳;建议要实在
      • 最后的叮嘱
    • 3.3 同事太优秀怎么办
    • 3.4 同事是傻逼,我有厌蠢症,实在受不了了,想杀人
    • 3.5 卷王太凶残,我要不要’反卷’?
      • 智慧反卷:提升效率而不是时间;建立个人壁垒;差异化竞争
      • 具体操作:工作效率;专业能力;生活质量
      • 特别提醒:不要被表象迷惑;保持自己的节奏;该卷的时候还是要卷
    • 3.6 我没有晋升不重要,但是他的晋升让我不爽
    • 3.7社恐人混职场是真难啊
  • 第四章 工作与家庭
    • 4.1 好的伴侣可以帮你消化工作上的负面情绪
    • 4.2 维系亲密关系最重要的一点
    • 4.3 情绪稳定是个伪命题
    • 4.4 伴侣老是抱怨,我该怎么办
    • 4.5 婆媳关系真是男人的噩梦啊
  • 第五章 只工作不上班
    • 5.1 我所见过的程序员副业
        1. 接外包项目
        1. 做技术自媒体
        1. 技术咨询服务
        1. 独立开发者
        1. AI工具出海
        1. 运营付费社群
        1. 出版技术书籍
    • 5.2 Gap 无罪:寻找属于你自己的 Pathless Path
    • 5.3 其实,没工作,也能活的很好
  • 结语:成为一个自洽的程序员

大语言模型

作者: 赵鑫,李军毅,周昆,唐天一,文继荣

2022年底,ChatGPT 震撼上线,大语言模型技术迅速“席卷”了整个社会,人工智能技术因此迎来了一次重要进展。面对大语言模型的强大性能,我们不禁要问:支撑这些模型的背后技术究竟是什么?这一问题无疑成为了众多科研人员的思考焦点。 必须指出的是,大模型技术并不是一蹴而就,其发展历程中先后经历了统计语言模型、神经网络语言模型、预训练语言模型等多个发展阶段,每一步的发展都凝结了众多科研工作者的心血与成果。作为大语言模型技术的重要推动者,OpenAI公司在过去深入探索了与其相关的大量技术细节,并最终推出了GPT系列模型,引领了本次技术变革。

然而,OpenAI 团队自GPT-3开始,就很少在公开的材料中提及相关技术细节,很多技术报告主要是介绍评测相关的内容。到目前为止,关于GPT系列模型的核心技术仍然难以完全解密。 目前,学术界面临的重大挑战是真正有充足资源去充分探索大语言模型训练的团队少之又少,因此导致了第一手经验匮乏,难以直接开展相关研究。 大模型训练涉及众多训练的细节,这些细节很多时候无法从已有科研论文中直接获取。由于其参数众多、组件复杂、训练过程也比较复杂,早期的实验探索如果不引入任何先验知识,可能会导致指数级增长的实验数量。这使得掌握大模型技术的经验变得尤为困难,更不用说从零开始探索相关科研问题,极大限制了学术界在此次人工浪潮中所起到的作用。 目前,能力较强的大语言模型基本都源自工业界,这一趋势随着时间的推移可能会变得更加明显。从第一手经验中“Know-How”,对于科研人员来说非常重要,只有接触到技术核心,才能真正理解哪些问题是有意义的,并找到解决方案。

令人欣喜的是,无论是在学术界还是工业界,人们都逐渐认识到了“开放”的重要性,能够看到越来越多的公开的基础模型、技术代码以及学术论文,有力地推动了大模型技术的“透明化”。只有通过开放和共享,才能汇聚全人类的智慧,共同推进人工智能技术的发展。实际上,根据现有公开的资料,大模型技术也是“有章可循”的,如整体训练流程、数据清洗方法、指令微调技术、人类偏好对齐算法等。根据这些技术,在算力资源支持下,研发人员已经能够较为顺利地完成大模型的整体训练流程,并取得不错的模型效果。随着更多核心技术的揭示和开放,大模型技术的“透明化”将进一步提高。

总之,大模型技术正处于快速发展阶段,基础原理亟待探索、关键技术亟待改善。对于科研人员而言,大模型研究工作充满了想象空间,令人为之神往。随着技术的不断进步与共享开放,我们有理由相信,未来人工智能技术将取得更大的进展,将在更多领域带来更为深远的影响。 本书旨在为读者提供关于大模型技术的全面了解,包括其基础原理、关键技术和应用前景。通过深入研究和实践,我们可以不断探索和改进大模型技术,为人工智能领域的发展做出贡献。 我们希望读者通过阅读本书,能够深入了解大模型技术的现状和未来趋势,为自己的研究和实践提供指导和启发。让我们携手努力,共同推动人工智能技术的发展,为建立更智能、更可持续的未来做出贡献。

原由 #

新出版的一本书,电子版可以直接阅读,觉得有价值可以买本纸质版支持下 https://llmbook-zh.github.io/ via

2026-07-28 没想到时代发展这么快,今天这个时间点,除了基础模型厂商,大部分人注意力都放在智能体等下游应用上了。了解大模型基础原理的优先级降低了很多。

人工智能的未来

豆瓣

Outline #

  • 作序
    • 费爱国 廖湘科 樊邦奎 王金龙 戴浩
  • 第1章 人工智能的前世今生
    • 从数据到智慧
    • 人工智能的发展
    • 人工智能的理解
    • 问题与挑战
    • 人工智能关键技术
  • 第2章 人工智能的思维
    • 军事思维的演变
    • 体系思维
    • 计算思维
    • 数据思维
    • 可信思维
    • 逆向思维
    • 模型思维
  • 第3章 大模型与人工智能
    • 大模型与小模型
    • 大语言模型
    • 计算机视觉大模型
    • 语音大模型
    • 多模态大模型
    • 大力出奇迹的“大模型”
    • 大模型的未来
  • 第4章 机器学习与人工智能
    • 机器学习与深度学习
    • 机器学习的主要方法
    • 深度学习的发展
    • 机器学习的前言
  • 第5章 感知认知与人工智能
    • 智能物联网
    • 智能计算
    • 智能穿戴
    • 钢铁侠
  • 第6章 人机交互与人工智能
    • 脑机接口
    • 智能芯片
    • 虚拟现实
    • 增强现实
    • 头号玩家
  • 第7章 脑科学与人工智能
    • 脑细胞
    • 脑意识
    • 脑情感
    • 脑思维
    • 超体
  • 第8章 机器人与人工智能
    • 机器人
    • 人机融合
    • 机器人操作系统
    • 机器人的发展
    • 变形金刚
  • 第9章 无人智能作战
    • 智能化战争
    • 相关作战概念
    • 智能无人系统
    • 反无人机作战
    • 明日之战
    • 未来战场
    • 应用畅想
    • 机器人会主导未来战争吗
    • AI创始者
  • 第10章 未来已来,将至已至
    • 智能+引领新变革
    • 拐点——AI改造世界的开始
    • 奇点——AI颠覆世界的时刻
    • 看不见的终点——人类世界将何去何从
    • 未来已来,将至已至