20260617:目前有914 页

raw/articles/cantor-stole-infinity-2026.md

@@ -0,0 +1,64 @@
+---
+title: "窃取无穷的数学家 (The Man Who Stole Infinity)"
+source: "Quanta Magazine / 环球科学 2026年6月刊"
+author: "约瑟夫·豪利特 (Joseph Howlett)"
+translator: "王祎（南开大学哲学院逻辑学博士研究生）"
+reviewer: "李娜（南开大学哲学院逻辑学教授）"
+date: 2026-06
+type: article
+tags: [数学史, 集合论, 无穷, 康托尔, 狄德金, 学术伦理]
+url: "https://mp.weixin.qq.com/s/xJwwHWAbBsS8NWiNeLbtNQ"
+original_url: "https://www.quantamagazine.org/the-man-who-stole-infinity-2026/"
+---
+
+# 窃取无穷的数学家
+
+> 原刊于 Quanta Magazine，原标题 "The Man Who Stole Infinity"，由《环球科学》2026年6月刊翻译发表。
+
+## 概述
+
+1874年，格奥尔格·康托尔（Georg Cantor）发表了一篇改变数学史的论文，证明了无穷也有大小之分，开创了集合论。然而，2025年新发现的一批信件揭示：康托尔这篇里程碑式的论文隐藏了另一位数学家——里夏德·狄德金（Richard Dedekind）的关键贡献。
+
+## 关键历史节点
+
+### 1872年：独立而平行的突破
+康托尔和狄德金各自独立地发表了关于实数定义的论文，重新定义了数轴——证明实数构成了一个没有"缝隙"的完备连续统。
+
+### 1872年夏：盖尔绍之遇
+两人在瑞士盖尔绍湖畔初次相遇，一见如故，在湖边漫步讨论数学。27岁的康托尔性格豪爽、急于发表；40岁的狄德金内敛审慎、不急求成。
+
+### 1873年：合作与背叛
+康托尔在探索无穷问题时与狄德金频繁通信。狄德金回信提供了代数数可数性证明的关键简化——即代数数集合与整数集合同样大小。康托尔将其纳入自己的论文，同时加入了自己关于实数不可数的证明。
+
+### 1874年：论文发表
+康托尔将论文投稿至《克雷勒杂志》（Crelle's Journal）。为避开编辑委员会中反无穷派数学家利奥波德·克罗内克尔（Leopold Kronecker）的阻挠，康托尔选择了误导性的标题，将狄德金的代数数证明作为"特洛伊木马"放在前面，将自己的实数不可数证明藏在后面。他抹去了狄德金贡献的一切痕迹。
+
+### 1930年代：诺特揭露真相
+埃米·诺特（Emmy Noether）在整理狄德金遗作时发现了关键信件。狄德金在私人笔记中写道，他的两个证明"几乎一字不差地"以康托尔的名义发表。诺特和卡瓦利斯选择让信件本身说明一切，未公开指控。
+
+### 2025年：失踪信件的发现
+科学记者德米安·戈斯（Demian Goos）在哈雷大学的档案中发现了被认为已遗失的狄德金1873年11月30日写给康托尔的信。这封信直接证明了狄德金的关键贡献。
+
+## 核心数学内容
+
+- **代数数的可数性**：狄德金证明了代数数集合与整数集合之间存在一一对应，即代数数是可数的。
+- **实数的不可数性**：康托尔证明了实数集合的元素多于整数集合，即实数不可数。
+- **无穷层级体系**：这两个结果共同奠定了"存在不同大小的无穷"这一革命性论断。
+
+## 学术伦理讨论
+
+- 康托尔的声誉未因此事而受损——他仍然是第一个证明实数不可数的人
+- 狄德金长期处于历史阴影中，至今无英文传记
+- "每一门科学分支都需要一位英雄，但这种故事总是谎言。"——何塞·费雷罗斯
+
+## 核心概念
+
+- [[georg-cantor|格奥尔格·康托尔]]
+- [[richard-dedekind|里夏德·狄德金]]
+- [[infinity-hierarchy|无穷层级体系]]
+- [[countable-uncountable-infinity|可数与不可数无穷]]
+- [[algebraic-numbers-countability|代数数的可数性]]
+- [[emmy-noether|埃米·诺特]]
+- [[leopold-kronecker|利奥波德·克罗内克尔]]
+- [[mathematical-priority-disputes|数学优先权争议]]
+- [[set-theory-history|集合论史]]

raw/articles/lecun-llm-boundary-future-2026.md

@@ -0,0 +1,86 @@
+---
+title: "从LLM到世界模型：Yann LeCun的AI架构判断（Datawhale）"
+source: https://mp.weixin.qq.com/s/Zau10ioTWzhj0KOImpasNg
+authors: ["徐虎", "李盛康", "蒋银河", "黎又榛"]
+organization: Datawhale
+date: 2026-06
+type: article
+tags: [LLM, JEPA, world-model, VLA, objective-driven-AI, LeCun, representation-collapse, SIGReg, Tapestry]
+---
+
+# 从LLM到世界模型：Yann LeCun的AI架构判断
+
+> Datawhale DIY-LLM 开源项目拓展篇，系统梳理 LeCun 对 LLM 未来方向的判断。
+> 项目地址: https://github.com/datawhalechina/diy-llm
+
+## 核心结论
+
+1. **LLM不是终点，但不会消失** — 它会长期作为"语言与知识接口层"存在，是智能系统的"语言皮层"，而非完整大脑。
+2. **"下一词元预测 + 规模化"很难通向通用智能** — 核心缺口：预测行动后果的能力 + 基于搜索的多步规划。
+3. **VLA在当前范式下已接近失败** — LeCun直接判断"VLA pretty much seen as a failure"，核心原因是可靠性不足、数据依赖过重、泛化脆弱。
+4. **世界模型的关键不是"画出世界"，而是"在抽象表征空间预测可控后果"** — 水瓶类比精准揭示了像素级预测的无效性。
+5. **JEPA的价值在于把学习目标从重建细节转向可预测的语义状态** — 成败关键在于防止表示坍缩，当前最有前景的路径是 SIGReg。
+6. **LLM本质上不安全，且在当前范式下无法根本修复** — 目标驱动AI（Objective-Driven AI）才是安全可控智能体的正确架构。
+7. **开源生态最终会赢得平台战争** — Tapestry 联邦训练机制是 LeCun 对主权AI问题的工程回应。
+8. **未来更可能是双系统分工** — LLM负责语言与知识交互，世界模型负责理解物理世界与规划行动。
+
+## 全文章节
+
+### 一、为什么LLM不是终点?
+- 1.1 有意义但不是正确的路线（洗车问题案例：LLM缺少物理约束建模）
+- 1.2 LLM为什么会成功？（离散token + 可计算预测目标）
+- 1.3 规模化或已触及天花板（高质量文本数据约300万亿Token，数据瓶颈2025-2030）
+
+### 二、两个核心缺口
+- 缺少预测行动后果的能力
+- 缺少基于搜索的多步规划
+- 这两个缺口不能通过"打补丁"（RAG、Tool Use、CoT等）修复
+
+### 三、VLA：为什么这条路走不通
+- VLA失败四个层面：可靠性、数据成本、泛化、规划
+- 产业界仍押注VLA的三个现实原因
+- VLA的适用边界（受控场景有效，无法成为通用机器人底座）
+
+### 四、世界模型：核心概念与JEPA架构
+- 4.1 世界模型定义：让智能体预测自身行动后果的事物
+- 4.2 水瓶类比：为什么不能用像素级预测
+- 4.3 生成式世界模型 vs JEPA：关键分叉
+- 4.4 LeWorldModel：编码器(ViT-Tiny) + 预测器(Transformer) + SIGReg正则化
+- 4.5 工业应用：世界模型的近期价值
+
+### 五、表征坍缩：JEPA最难的技术问题
+- 5.1 定义：模型找到"作弊解"，所有输入映射为同一向量
+- 5.2 三条路线：对比学习、蒸馏方法(BYOL/DINO)、显式正则化(VICReg→SIGReg)
+- 5.3 SIGReg核心：Cramér-Wold定理 → 强制嵌入分布匹配各向同性高斯分布 N(0,I)
+
+### 六、LLM的不安全性与目标驱动AI的出路
+- LLM本质上不安全（无法阻止幻觉、无法预测行动后果）
+- 目标驱动AI：通过优化找到最小化代价函数的行动序列，"从构造上无法违反"
+- 事前规划 vs 事后约束
+
+### 七、Tapestry与主权AI
+- 信息食谱与认知主权问题
+- Tapestry联邦训练：共享参数向量而非数据
+- Sun Microsystems类比：开源终将胜出
+
+### 八、多层分工的系统图景
+- LLM层（语言与知识接口）→ 世界模型层（预测与规划）→ 目标驱动决策层
+- 系统一(LLM/快速模式匹配) vs 系统二(世界模型/后果模拟)
+- 范式转变预测：2027年初共识形成
+
+## 关键引用
+
+- "智能不是关于预测下一个token，而是关于预测行动的后果。"
+- "大语言模型本质上是不安全的，因为它们无法预测其行动后果。"
+- "当前形式的大语言模型无法变得可靠，因为无法阻止它们幻觉。"
+- "VLA现在基本上被视为失败。"
+- "目标驱动AI从构造上就无法违反安全约束。"
+
+## 参考资料
+
+- LeWorldModel Paper: https://arxiv.org/abs/2603.19312
+- When Does LeJEPA Learn a World Model?: https://arxiv.org/abs/2605.26379
+- LeJEPA: Provable and Scalable SSL: https://arxiv.org/pdf/2511.08544.pdf
+- Project Tapestry: https://thealliance.ai/projects/tapestry
+- VLATest: https://dl.acm.org/doi/10.1145/3729343
+- LIBERO-Plus: https://arxiv.org/html/2510.13626v3

raw/articles/pydantic-three-piece-suite-2026.md

@@ -0,0 +1,32 @@
+---
+source_url: https://mp.weixin.qq.com/s/jg6lW3ObZooBsrWTGwIcRg
+ingested: 2026-06-10
+---
+
+# 用了两年 Pydantic，我只碰了三分之一
+
+> 微信公众号文章 | 2026年
+> 拆解 Pydantic 生态三件套：pydantic-core (Rust 验证引擎) + Logfire (OTel 可观测) + Pydantic AI (类型安全 Agent 框架)
+
+## 核心观点
+
+Pydantic 不是校验库——是一个由三层组成的生态：
+1. **pydantic-core (Rust)**：校验速度 / 脱离 GIL / 多线程并发
+2. **Logfire (OTel)**：可观测性 / 成本监控 / 漂移检测
+3. **Pydantic AI**：Agent 行为约束 / 类型安全的 tool 调用
+
+## 关键洞察
+
+- **数据源变了**：2018 年校验的是人填的表单（错误模式稳定），2026 年校验的是 LLM 生成的 JSON（错误模式漂移）
+- **从"校验"到"可观测"**：不能只看单次报错，要看趋势——哪些字段在漂移、哪个模型输出最不稳定、token 成本是否在涨
+- **工厂质检类比**：手工抽检（V1）→ 传送带自动扫描（strict=True）→ IoT 传感器 + 实时看板（三件套全开）
+- **TypeAdapter**：同一份数据，不同严格度——API 入口用 strict，Agent 内部传递用宽松
+- **strict/forbid/frozen 三配置零成本**：不需要装新包，只改 model_config
+- **类型从"报错器"变"编译器"**：Pydantic AI 的类型系统在运行时之前就约束了 Agent 的行为空间
+- **诚实边界**：只做 API 校验 → 继续用 pydantic；排障靠 print → 加 Logfire；5+ tool Agent → 考虑 Pydantic AI
+
+## 渐进路线图
+
+1. 今天：所有 BaseModel 加 strict + forbid + validate_default
+2. 这周（如有 Agent）：装 Logfire，4 行代码
+3. 下次新 Agent 项目：tool > 3 时用 Pydantic AI

raw/articles/qifu-llm-finance-practice-2026.md

@@ -0,0 +1,39 @@
+---
+source_url: https://mp.weixin.qq.com/s/UnA-OLSc0mVqe7KyBX7yJw
+ingested: 2026-06-14
+sha256: skip
+---
+
+# 金融行业大模型落地实践：从知识工程到后训练部署
+
+**分享嘉宾:** 王元，奇富科技 DeepBank 算法组负责人
+**活动:** 2026 DA 上海站
+**出品社区:** DataFun
+**校对:** 韩珊珊
+
+## 全文摘要
+
+金融行业是大模型落地的"深水区"：业务逻辑复杂、数据合规严格、算力预算有限。通用大模型进入银行或金融科技公司的生产环境，面临无标注数据、无操作手册、无充裕 GPU、甚至"标准答案"缺失的窘境。
+
+## 核心内容
+
+### 冰山难题
+- 零数据困境：输入 X 和标签 Y 都不存在，监督微调无法启动
+- 评估盲区：生成式输出缺乏标准答案，难以客观量化评估
+- 算力与合规壁垒：必须本地化部署，受限硬件预算
+
+### 数据与知识工程
+- 基于 REER 算法的逆向知识提炼：从 QA 对中反向提取业务手册的四步流程
+- 多维合成数据策略：客户/场景/录制人三维度构建训练数据多样性
+- LLM Wiki 方法：参考 Anthropic Captain 的 Markdown+Git 知识库方案
+
+### 后训练与部署
+- APO 自动提示工程：作为高质量 Base Prompt 的基线生成器
+- 后训练成本博弈：SFT < 后置推理 RL < 前置推理 RL
+- MOE 模型 + LoRA 工具链冲突（VeRL 不支持）
+- AI Agent 辅助模型训练自动化
+- 推理加速：MOE 架构 + Int8 量化 + vLLM
+
+### 情绪价值评估
+- "先看着对，后用着有效果"：心理学方法构建评估器
+- 在商业签单阶段优先提供情绪价值，再追求硬指标