@sven_shi
《一个外地女孩，死在了我出租的公寓》这篇文章讲述了一个从农村底层出身，想要靠读书和考公改变命运的女孩子，在不断的考公失败后，贫病交加的死在了一个出租公寓当中。放到我们的文化背景里面，就是这个女孩子属于屡试不第，贫困潦倒，所以整个事情就很引人同情。目前的采访主要还是想减轻这个故事的悲剧色彩。主要请的是这个女孩子所谓的同村村民。讲她家虽然是低保户，但是整体的经济条件还可以，成绩也没那么优秀。女孩子死亡在他们的眼里主要还是“自身原因”。但是我想讲的，还是“正路”的一个概念。在我们绝大多数人受到的教育当中，我们国家和全世界其他国家似乎是不一样的。所有人都有一条叫做读书的正路。考上好的学校，就会有一个好的未来。在就业不那么畅旺的现在，这条路又变成了“考公”。感觉考公对于普通人来讲都有了传统科举的影子。似乎考上公务员，就是普通人能触碰到的，最好的阶层跨越的路径。可这条路其实很窄，而且多数人都不适合。因为录取率摆在那里。大多数人的考试能力都受天赋的影响。大家从小到大考过那么多考试，自己是不是考试的人才肯定都有个清晰的认知。每年出生的人也就1%上985，怎么扩充最多也就只有10%的人是真心实意适合考试的。这个比例认知应该是没有争议的。你，或者你的孩子，是那90%还是10%？而吃皇粮这条路也没那么好走。他们的收入也受限于财政，只是相对来讲受影响会比社会延迟。而且哪怕是公职人员，层级差异也很大。最典型的教师，有个“体制边缘人”的说法。财政好的时候待遇好，一旦紧缩，他们往往就第一个倒霉。而且有的时候考不上真不是你的责任。最典型的就是各地今年开始的大规模缩招。江西公布了具体数据，直接砍掉了56%的教师招聘名额。你当然可以和你的孩子说，只要你考第一名不就行了？肯定有岗位啊。可是现实中多数人前后脚差一年，就是没位置了。政策风向一变，普通人哪有能力去把握自己的未来呢？而实用一点的思维方式很简单，人这个东西，就是缺钱就要上班。你缺钱，就要靠工作赚钱。需要工作，从来不是一件光荣的事情，更多只是无奈。以前的那些经济高增长时期的思路，到现在都不好用了。客观环境变化了，一个普通人想的就该是怎么让自己下一顿吃的好一点，心情开朗一点，然后好好工作，因为自己缺钱就必须要上班。
查看图片 //@霜叶:“一群”//@午后狂睡:笑死。
@黄腿肠
这一顿骂 结果是自己管不住自己裤裆
今天的盲猜关注列表活动开始啦！//@会通儒佛:祝自己也不是什么好东西。
@t0mbkeeper
卡公把万斯称作“周小平完全态”，真乃一语中的，切中肯綮。
"梁博，你写得课件很用心，但是作为文科生，我表示很难看懂，有点想打退堂鼓，原本期望很高，发现还是很难很难。”答：如果课件全是文科语言，一定会有很多粉丝跳出来说我讲得不是大模型，不是Transformer，所以一定要以正合，以奇胜。课堂上我会用通俗的语言进行讲解，ppt只不过是帮我控制思路的工具，不可能仅靠PPT就能看懂，那还上什么课呢。。比如激活函数，我会给大家做丰富的比喻，也会用人类神经网络的医学发现，来给做讲解，不要把课件看得太重，大概浏览下就可以了。最后还有粉丝说，自己在别课上学的Transformer怎么和我不一样，我可以负责的说，我这个Transformer是开放课件放在数万专家，数十万粉丝眼皮地下的，绝不可能是不正宗，咱毕竟也在贵清工作了5年，做了大量深度学习的实验。
"梁博，你搞个大模型课程，有什么目的嘛？"答：作为一个人工智能博士，我在贵清读书的时候，还是写了不少相关代码，那会追着前沿跑还是蛮爽的，深度学习也搞出了一点东西，毕业后就没跟了，但是底蕴还在。。现在人工智能这么火，我的导师马老师（@马少平THU ）讲解人工智能线上课非常好，但是可能需要一些理工科基础。我就考虑用通俗的语言，把文科生这一票人争取也给讲懂了，这个科普就完成了。还有一点，我们公司很多销售，客户服务，商务也需要学习这个东西，我厂下周给新员工培训销售机器，数据业务，还有这个大模型，周一-周三是公司内部培训不公开，周五相当于把这部分培训公开了，邀请了大约200名爱好者来学习。这个课程我已经给我老婆和儿子讲过一遍，他们感觉还不错，至少看到那个Transformer架构图不怵了，有些概念也能给周围人吹吹了，达到这个目的也就可以了。
@行知创研
DeepSeek给出的全球大学水平的评价方案。要求聚焦学科能力、学术研究、实验室条件三大硬性指标，区分学科门类及本科/研究生阶段，避免软性因素干扰：---**一、评价维度与权重分配**1. **毕业生学科能力（40%）** - **本科阶段（60%）** - **就业质量（30%）**：对口就业率、雇主评价（分学科调查企业/机构反馈）。 - **实践能力（30%）**：学科竞赛获奖数（如ACM、数学建模）、实习项目覆盖率。 - **深造潜力（20%）**：本科毕业生进入全球Top 100同学科研究生的比例。 - **基础理论考核（20%）**：标准化学科测试（参考国际统一考试，如工程教育认证考试）。 - **研究生阶段（40%）** - **科研成果转化（40%）**：专利授权数、产学研合作项目占比（分学科统计）。 - **学术影响力（30%）**：研究生一作发表的学科顶刊论文比例（如Nature子刊、IEEE Transactions）。 - **职业竞争力（30%）**：博士毕业生进入顶尖科研机构/企业的比例（按学科细分）。 2. **学科综合学术研究能力（40%）** - **论文质量（50%）** - 近5年学科顶刊论文占比（按JCR分区或学科前10%期刊统计）。 - 论文篇均被引次数（剔除自引，按学科全球基准值归一化）。 - **科研项目（30%）** - 国家级/国际级竞争性科研经费占比（如NSF、ERC项目）。 - 跨学科重大项目数量（需2个以上学科联合申报）。 - **学术网络（20%）** - 国际合作论文占比（按作者国籍多样性加权）。 - 学科领域内全球前1%高被引学者数量。 3. **实验室条件（20%）** - **硬件设施（50%）** - 设备先进性：按学科关键设备清单评估（如工科的超算中心、医学的PCR实验室）。 - 设备共享率：对外开放使用时长占比（体现资源利用效率）。 - **科研平台（30%）** - 国家级/国际联合实验室数量（如国家重点实验室、CERN合作项目）。 - **安全管理（20%）** - 实验室安全认证等级（如ISO 17025）、事故率（近3年数据）。 --- **二、分学科差异化评估**1. **理工科（工科、理科）** - 实验室条件权重提高至25%，重点考察大型仪器共享率及跨学科实验平台。 - 学术研究能力中增加“工程应用成果”（如技术标准制定、原型机开发）。 2. **医学与生命科学** - 毕业生能力增加“临床实践通过率”（本科）、“新药/器械临床试验数”（研究生）。 - 实验室条件需评估生物安全等级（P3/P4实验室数量）。 3. **人文社科** - 学术研究能力侧重“政策影响力”（如政府采纳报告数）、“田野数据库规模”。 - 实验室条件替换为“调研资源”（如档案馆访问权限、社会调查合作基地）。 --- **三、数据来源与标准化**1. **数据来源** - 毕业生数据：学校就业报告、第三方跟踪调查（如QS雇主声誉剔除主观评分）。 - 学术研究：Scopus/Web of Science论文库、各国科研基金公开数据。 - 实验室条件：设备采购清单、实验室审计报告、国际合作协议文本。 2. **学科基准值归一化** - 按学科全球前100名均值设定基准线，采用Z-score标准化避免学科间差异干扰。 3. **阶段权重调整** - 本科阶段：毕业生能力权重提升至50%，学术研究权重降至30%。 - 研究生阶段：学术研究权重提升至50%，实验室条件权重提升至25%。 --- **四、输出形式**1. **分学科全球排名**：按学科门类发布Top 200名单，区分本科/研究生榜单。 2. **雷达图分析**：可视化各校在三大维度的强弱项（如“某校工科研究强但实验室开放度低”）。 3. **缺陷预警清单**：标记实验室安全不达标、论文自引率过高的学校。 --- **五、示例应用**- **MIT计算机科学（研究生）** - 毕业生能力：硅谷顶尖企业入职率35%，近5年图灵奖校友数。 - 学术研究：NSF资助项目数全美第一，顶会（NeurIPS）论文占比20%。 - 实验室条件：AI超算中心7×24小时开放，共享率超80%。 - **东京大学医学（本科）** - 毕业生能力：医师资格考试通过率98%，临床实习合作医院数（50+）。 - 实验室条件：P4实验室数量亚洲第一，设备维护合规率100%。 ---此方案通过量化硬指标与学科差异化设计，可剔除“声誉泡沫”，为学生、企业及政策制定者提供精准参考。附图是按这个标准，给出的前30名。