首页 文章 精选 留言 我的

精选列表

搜索[skill],共2938篇文章
优秀的个人博客,低调大师

菲尔兹奖王虹,背后的导师古斯有什么skill?

![](https://developer.qcloudimg.com/http-save/yehe-1628742/e81ee875001590abf09228f3dc29343a.png) Shadow:不打扰,引导学生自己解决问题,这才是“导”师。 2026年7月,王虹获得菲尔兹奖。这是该奖自1936年首设以来第三位女性得主,也是第一位中国籍女性得主。她与Joshua Zahl合作,**用一篇127页的论文证明了困扰数学界百年的三维挂谷猜想。** 王虹并非传统叙事里的“天才少女”。16岁考入北大,先入地球与空间科学学院,后转入数学系;留法期间**曾对建筑产生兴趣,一度犹豫是否放弃数学**;MIT读博初期,面对导师的问题仍会思维卡壳。这些弯路,任何一个在顶级学术环境中待过的人都并不陌生。 真正改变她轨迹的,是导师Larry Guth(古斯)。 # 古斯的方法 据王虹在专访中转述,古斯的指导风格可以概括为五个“不”: **不打断。** 他允许学生把“乱七八糟的想法全倒出来”,哪怕预判这条思路走不通,也会让学生把话说完,保护思维的连贯性。 **不直接回答。** 他不给现成答案,而是顺着学生的推演路径持续追问 —— “你的假设是什么?”“边界条件变了呢?”“极端情况还成立吗?”用问题引导学生自行发现漏洞。 **不催。** 当学生思维卡顿时,他选择等待,支持休息和调整,不制造进度焦虑,不把“发论文”当作唯一的指挥棒。 **不替代。** 即便面对未解难题,他也不直接给出答案,而是要求学生自己建立判断体系,而非成为导师思维的复制品。 **不急。** 那篇127页的里程碑式论文,从搭建框架到最终完成,耗时约三年。在当下的学术评价体系里,这样的“慢”显得奢侈,却至关重要。 这五条里,大部分是**不作为**。但正是这些“不作为”,**把判断权和试错权还给了学生**。王虹后来总结道:**“通过自己想办法,而不是通过别人告知……自己会积累更多的经验,知道什么样的想法是靠谱的,而不是别人说什么就是什么。”** 古斯看似在教数学,实则是在**教判断**。在AI能给出任何问题答案的时代,真正的稀缺能力,恰恰是在不确定中做选择、在混沌中提炼线索、在失败后重建韧性的本领 —— 这些,AI无法替代。 # 教育的回报 王虹对三维挂谷猜想的证明,全程保持了高度的学术自主性。但她坦言,这套系统性的思维方式,源自古斯的长期训练。导师用**不替代**的方式,最终培养出了一位超越自己的人。 这让我想到 Mixlab 一直在做的事:在AI时代培养**超级个体**。当AI能写代码、做设计、生成文案之后,人还剩下什么? 我们的答案始终如一:**判断力。** 剩下的是在不确定中做选择的勇气,在信息噪音中识别信号的敏锐,以及在漫长探索中不轻易崩盘的心智。这些,正是古斯在实践的教育。他没有AI工具,却用最朴素的方法,回应了AI时代最核心的教育命题 —— 不替学生走,陪他走,然后,坦然看着他超过你。

优秀的个人博客,低调大师

我的第一个workbuddy skill-数据分析

一、学习方法论 入门workbudy 智能我采用youcore的功利性学习策略,明确工作中需要什么,就先学什么,学完马上用,用了再迭代,具体三个关键工作 (一)三个关键动作: 1、最简应用 不用学全,够用就行。 例如,你想用AI写文案,就只学怎么写提示词,不用学模型原理、不用学微调、不用考证。 2、最少认知启动 60分就上,不要等到全都学会了再用。 例如,花半小时了解基本操作,立刻用到今天的任务里,边用边学。 3、方法驱动 不会写提示词?让AI帮你生成一个提示词模板。不知道怎么做数据分析?让AI给你一个分析框架。 AI既是工具,也是教你用工具的老师。 二、学习步骤 找一件你每天都要做的重复性工作,花半小时学会让AI帮你完成。 我找到每日需要梳理待投标项目清单的数据分析这个重复任务,具体实操如下: 1、按照人工梳理每一步工作流程 1)构建xmind框架-快速梳理 ![](https://developer.qcloudimg.com/http-save/audit-5982802/9449f569fbb9eea9f7b0f6a7d3dc823f.png) 2) 将脑图转化为excel表 ![](https://developer.qcloudimg.com/http-save/audit-5982802/a30af224674d6c02db008c3aa4a78ee5.png) 3)验证哪些可以可以用AI 完成 4) 实际在workbudddy 一边学技能一边测试,从干中学。 ![](https://developer.qcloudimg.com/http-save/audit-5982802/166022dc06e5c0129ab20842c8bee7a8.png)

优秀的个人博客,低调大师

[python skill]利用python计算T分布下的置信区间

上篇博文中的置信区间计算代码在使用过程中并不准确,本人没并没有搞清楚原因 - - 求大神解答: import numpy as np from scipy import stats X1=np.array([14.65,14.95,8.49,9.51,10.23,2.75]) Xmean=X1.mean() Xstd=X1.std(ddof=1) interval=stats.t.interval(0.95,len(X1-1),Xmean,Xstd) print("置信区间为:",interval) 在计算一个文献中出现的数据时出现了问题: ↑为python代码输出结果 ↑为R输出结果 ↑正确结果。 并没有找到其他现成的包里面的命令用于直接计算T分布下的置信区间,通过查阅资料找到自定义函数实现置信区间的计算: def ci_t (data,confidence=0.95): sample_mean = np.mean(data) sample_std = np.std(data,ddof=1) sample_size = len(data) alpha = 1 - confidence t_score = scipy.stats.t.isf(alpha / 2, df = (sample_size-1) ) ME = t_score * sample_std / np.sqrt(sample_size) lower_limit = sample_mean - ME upper_limit = sample_mean + ME print( str(confidence*100)+ '%% Confidence Interval: ( %.2f, %.2f)' % (lower_limit, upper_limit)) return lower_limit, upper_limit input: ci_t(X1) output: 95.0% Confidence Interval:(5.38, 14.82) 结果正确~ thats all thank you~ 代码引用自:https://www.jianshu.com/p/6cfce4cc2f7f 感谢。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册