很好玩的游戏！

无需安装，在线游玩：https://city-and-metro.pages.dev
已在 GitHub 开源，喜欢的点一下 Star：GitHub - VinsonFung/city-and-metro: 城市与地铁：单人地铁规划与城市交通模拟。Copyright © 2026 VinsonFung，仅限非商业使用。
也欢迎访问我的个人博客网站：vinsonblog.cn

周末🐖的三文鱼
因为不能吃辣适应不了芥末的味道 吃几块之后感觉很腻 后来查了一下或许弄点柠檬汁/牛油果会好一些 但家里刚好没有这些
但是鱼的味道是新鲜的

Summary

从未有过比现在更好的时代去投身数学

数学世界正在燃烧

让我们好好谈谈这件事。感觉整个数学界都在为 AI 在数学中的角色而沸腾。我已经思考这个问题很久了，所以上周我发了一条帖子，征集大家关于这个话题的疑问。我看到的很多评论来自学生——也许是博士生，也许是本科生——他们原本计划进入数学或相邻的理论领域，现在却基本上只是在问："我该怎么办？当未来看起来如此不确定时，我接下来该做什么？"有很多恐惧，认为数学已死，或者数学已被解决，又或者即使你不相信那些说法，数学未来将变成的那个东西也是令人不快的、不是你真正想做的事情。我也和很多教授交谈过，他们基本上就是双手一摊，说："我该怎么告诉我的学生？在这个时刻，我该如何给他们建议？"所以我想在这期内容里聚焦于我看到的一条具体评论，它如此具有代表性，仿佛浓缩了无数其他声音。一位数学博士说："就告诉我明天该做什么吧。"

所以我想提出一个论点，我也想看看你是否同意我的观点——那就是从未有过比现在更好的时代去投身数学，从未有过比现在更好的时代去资助数学。也许我们在这个时刻将看到的最激进的变革，是对我们如何分配学术荣誉的重新定义，但数学的实际制度及其本质，即使在机器能做到数学家目前能做的所有事情、而且做得更好的假设性未来中，依然出人意料地不受影响。

在这期内容的第一部分，我只想搭建一个框架，展示我一直在如何思考这个问题。我们列出数学家所做的所有事情，然后列出数学对世界的所有价值，再思考资金从哪里来，以及后两者之间如何相互关联。我认为这对任何职业都是一个有用的练习，无论 AI 是否存在。但一旦 AI 进入讨论，你可以做的就是问：假设机器在每一项任务上都比人类做得更好，甚至比所有任务都做得更好，会发生什么？我当然不可能声称能精确预测会发生什么，我想给我在这期内容中所说的一切加上非常宽的误差范围。但大体上，我想尽我最大的诚意去尝试想清楚这些问题，并带着你一起思考。顺便说一句，也许值得先说明一下，我对于是否希望更多人进入学术数学这件事并没有切身的利害关系。事实上，如果非要说点什么的话，我一直认为也许有太多学生出于错误的原因去攻读博士学位。你知道，如果你一直喜欢学校、一直擅长学业，那么继续某种形式的学校教育是非常舒适的选择，博士项目感觉就是那种延伸。而你应该问的是：你想如何为世界上的其他人创造价值？你如何利用和发展自己的技能来更好地做到这一点？也许学术研究是实现这一目标的方式，但也许不是。问这个问题很重要。例如，很多因为当下形势而离开学术界的人，他们的动机是觉得他们能做的最好的事情是 AI 安全。如果那是你，很好，去做吧，跑起来，跑起来，跑起来。但我现在主要想对话的是那些出于恐惧而考虑离开的人——出于对这个职业将不复存在的恐惧，或者它将不再是他们会享受的事情的恐惧。因为我真的相信，不仅这个职业将继续存在，它将变得极其有用，也许比以往任何时候都更有用，而且也将充满欢乐。

数学研究的构成

那么，数学研究究竟包含什么？最显而易见的是证明定理。很多人把时间花在这上面。我们有这样的老套说法：数学家是一台将咖啡转化为定理的机器。但每个人都知道，这远非全部，而且这也是当下讨论中非常重要的一部分。有一句很好的话是这样说的：好的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家书写定义。所以我们可以把这一项也加入我们的清单。除了证明定理之外，你还有一种活动，就是决定什么值得去问。这里面有大量的品味判断——对某个想法是否足够有趣、是否能产出好的数学有一种特定的感觉。然后，与其说"书写定义"，我想加入第三个类别：理论构建。你有一堆已经被证明的定理，或者你对哪些问题值得去问有某种感觉，但你真正想要从中获得的是对到底发生了什么的一种广泛理解。你知道，当笛卡尔引入笛卡尔坐标时，他回答的并不是某一个具体问题，那是一整个思维框架。或者当伽罗瓦引入群论的最初种子时，其意义与五次方程的不可解性几乎没有关系，而在于那是一种全新的概念化方式，一种看待正在发生之事的方式，它将在随后的几个世纪里催生出一片极其繁茂的、高度有用的数学领域。我觉得格罗滕迪克也是这方面的好例子。他有各种各样的隐喻式表达方式，其中之一是：如果你试图从一座山顶到达另一座山顶，一种方式是解决所有问题——像走下山谷再爬上另一座山那样——而另一种方式是让海平面上升，在两座山之间涨起潮水，然后从一座山顶驶向另一座山顶。这个比喻中，上涨的海水就是你构建的所有理论——不一定是证明某个特定的定理，而是给出对到底在发生什么的更深层整体理解。你还有应用这个组成部分，即弄清楚所有这些抽象如何嵌入科学和工程之中。在所有这些类别中，另一个隐含的部分是将所做的事情清晰地传达给他人。这不仅仅是吐出一个证明，而是给出一个有合理动机的阐述，说明那是什么。或者在构建理论时，不仅仅是列出一堆定义——伟大的数学家会有效地传达为什么这些是值得参与的结构，并试图在其中传递他们的某些品味。

数学的价值

转到价值这边，最显而易见的是应用——对科学和工程的相关性。每个人在纯数学的基金申请书中写的都是，有时候这些应用可以非常下游，几十年甚至几个世纪之后才显现。让我举几个经典例子：十六世纪一群意大利人试图解三次方程，其中一个奇怪的技巧涉及认真地对待负数的平方根。将那个理论构建沿袭几个世纪，你就得到了虚数，而虚数是量子力学、电气工程、波动研究以及几乎所有东西的关键组成部分。关于欧几里得第五公设的问题导致人们发展了非欧几何，然后……你得到了广义相对论。对费马大定理的追求在代数几何和椭圆曲线等领域周围建立了所有这些美丽的理论，而这些理论反过来又出人意料地在密码学中变得有用。这样的例子非常多，人们喜欢列举它们。

数学价值的另一个组成部分不在于社会应用层面，而在于个人层面——做数学的实践和经历成为数学家训练的一部分，会给你留下一系列问题解决技能，这些技能看起来具有非常强的可迁移性。所以经济中有大量其他领域的人——进入计算机科学、机器学习研究、现在的 AI 安全、金融、密码学或所有这些领域的人——他们曾接受过大量数学训练。也许只是在数学系上了几门课，也许甚至拿到了数学博士学位，但最终没有成为数学家，而是将所有这些技能用在了别处。看起来这里确实有某种可泛化的东西。有一种关于如何找到正确抽象、如何进行这种问题解决的方式，使得人们在别处更有价值。

价值的第三个类别常常被低估，但我认为它将变得越来越值得被欣赏，那就是纯粹的审美。做数学本身就有一种欢乐。就我个人而言，我觉得有一种非常特定的情感——当我参与一个好问题时，脑海里会有一种咔哒声。我看到它将如何被解决。或者当我在脑海中持有一个我尚未深入参与的某种新理论，我看到它如何组合在一起，它就给了我一种完全不同的思考方式。我认为数学中有很多不同的部分都有那种重塑你思维的感觉。任何上过线性代数课的人，余生说话都会稍微不同——他们会用"正交"这样的词来谈论想法。或者参与范畴论的人，有时候会觉得自己的大脑被翻转过来，获得了一种全新的、令人满足的思考方式。就是很美好。如果你和数学家谈论是什么促使他们进入这个领域，不是每个人，但我认为对很多人来说，这实际上就是原因。做数学有一种特定的欢乐，一种特定的艺术愉悦。我也认为这有助于解释你现在看到的人们对 AI 进入数学的强烈反应——它如此强烈地呼应了艺术家们对 AI 与艺术的反应。这很难受，因为在某种意义上，感觉它侵犯了一种特定的艺术形式。

数学的资金来源

但如果我们把这当作一个职业而非爱好来思考，如果没有资金来源，这一切都不重要。那么数学的资金从哪里来？一个大的组成部分是教学。很多数学家是数学教授，他们在大学里，在数学系任教。数学系本身通常教的学生远不止数学专业的学生，所以它们对学分学时和学费有超比例的影响。然后是公共资金，当然，比如在美国我们有 NSF 拨款。我们也有来自各种机构的私人资金，比如西蒙斯基金会，有时候也会有工业界的资金。在这些类别中，顺便说一下，就资金来源而言，教学是最大的一个，这对于数学来说与其他科学相比有点特殊，因为研究相对廉价，而通过数学系的学生范围相对较广。

好了，我们即将进入想象 AI 在数学研究栈的各个部分变得比人类数学家更擅长时会发生什么的练习。但首先，也许值得明确价值栈和资金栈之间的关系。例如，后两个价值来源——问题解决能力和审美欢乐——是个人性的善好，它们只被做数学的那个人所体验。公共资金的存在不仅仅是为了支持圈内人从事某种有声望的、审美上令人愉悦的爱好。我认为更好的思考方式是，后两个价值来源基本上通过教学这个环节流经资金链。在大学数学系走廊里走过的学生，很大程度上是为了培养技术性的问题解决技能，希望这些技能在别处有用。其中一些人也是为了审美上的欢乐——我知道我是。虽然拥有数学的其他好处——它锻炼了一种通用技能集的肌肉——是令人安慰和认可的，但对我从那个数学系获得的大量价值的一个诚实描述是在审美那一边。对社会的益处当然来自下游应用。但我认为有更多值得承认的共同利益。例如，数学普及——像这个频道或 Numberphile 上发生的事情，或者数学家做报告时——真的是一种试图将那种审美欢乐更广泛地分享给社会的方式。而且，就什么为公共和私人资金提供正当理由而言，即使每个人都围绕下游应用来写他们的基金申请，我认为一个更重要的正外部性是：你有一个机构在培养一群具有某种问题解决能力的人，吸引他们从世界各地来到有声望的大学，然后他们中的大多数不会成为数学家，而是带着那些可迁移的技能溢出到经济的其他非常有用的部分。仅这一个组成部分，我认为，就是对指向那个机构的每一美元的一个非常有意义的投资回报——至少在其真正培养好的问题解决技能、且那些问题解决技能确实可迁移的范围内。

当机器比数学家更擅长证明定理

好吧，让我们进入核心。如果 AI 在研究栈的各个部分变得擅长，会发生什么？当我们进入第一个区块——假设机器在证明定理方面比数学家更擅长——之前，也许值得退后一步，总结一下刚刚发生了什么。像我说的，我一直在思考这个问题。实际上，Three Blue and Brown 背后一直在进行的一个安静项目是，从 2025 年中期开始，我一直在录制与数学家的访谈，只是为了听听他们对 AI 在数学中的存在有何感受。我的一个广泛结论是：在任何一个时间快照中，现状被高估了，但速度没有被高估。例如，回到 2023 年，我记得收到一位朋友的短信说："你知道，DeepMind 是不是刚刚碾压了奥赛级别的几何？"他指的是 DeepMind 发布的某个模型，能够回答 IMO 级别的几何问题。当时，答案是：我想是吧，但它也显然不是我们所说的"解决 IMO 级别问题"的精神。它感觉非常定制化和暴力，而很多问题应该需要一种创造力和想象力的元素。但如果你快进几年，自然语言模型——甚至不是定制化的——就能以任何合理的定义来解决 IMO 级别的问题。或者今年早些时候，你开始看到针对所谓 Erdős 问题的证明出现——一位伟大的数学家 Paul Erdős 提出了很多不同的问题，他对什么构成好的猜想有很好的品味。这些问题有一个编号列表，自然意味着模型公司喜欢用它作为一种基准。无论这是否是一个好的基准，你开始看到越来越多这些问题的机器生成证明。在早期，很多人说"是的，是的，但如果你仔细看，很多只是低垂的果实——是人们没有尝试过的问题，或者问题已经被解决但没有被很好地记录，模型基本上只是在重新包装那些东西，但没有做荣誉归因"——这当然是一个大问题。但如果你快进到此刻，没有人再说我们看到解答的那些问题只是低垂的果实了。这些是很多非常严肃的问题，数学家们曾非常努力地寻找证明，而 LLM 正在输出证明。这里我也想非常清楚地说，即使你抛开那些头条新闻式的结果——比如 OpenAI 最近的那些东西，Navier-Stokes 相关的或者他们发布的几百个问题——这也是真实的、值得讨论的。如果你和一线的数学家交谈，看他们与这些模型的互动方式，至少对其中一些人来说，你会听到的是：他们向某个推理模型提出一个严肃的研究问题，得到的东西是他们觉得有洞察力的。当然，这在不同领域和不同人之间差异很大。前沿在分形层面上是参差不齐的，绝不均匀。围绕这些证明的呈现方式也有大量争议。不想淡化其中任何一个的重要性，但我认为这里宏观的万英尺高空视角是：四年前，这些东西甚至不能正确地做加法。它们能够做竞赛级数学的速度比任何人预期的都快得多。它们从那里跳到做任何与研究相关的事情的速度也比很多人预期的快得多。所以即使说定理证明已经被解决了是一种夸张，即使我们看到的大多数证明只是离人类数学家的贡献——通常是最近的贡献——一步之遥，即使"定理证明被解决"意味着什么甚至都没有被很好地定义，鉴于过去四年的进步速度，为了论证的目的，为了那个试图展望未来、推测什么在他们未来中是稳定的第一年博士生，让我们就假设机器在数学的证明生成方面在范畴上更擅长。

那么会发生什么？简而言之，我认为它对价值栈几乎没有影响，因此对资金栈也几乎没有影响，但它对数学制度的文化和荣誉分配系统有非常巨大的影响。仅看价值栈那一边：应用，像我之前说的，几乎总是来自理论构建那一边。重要的不是五次方程不可解的证明，而是群论的创造，而群论反过来有诸如让人们假设夸克可能存在这样的影响。重要的不是费马大定理的是或否答案，而是从中涌现的所有数学及其应用。有时候你可以说定理的陈述本身就有某种效用。一个例子可能是：如果你在追求核聚变，你想要一个磁场处处非零的系统，毛球定理告诉你不能用球面拓扑的东西来做到这一点。这总让我觉得有点牵强，但大体上，应用来自理论构建那一边。所以下游到资金，这意味着公共资金仍然非常合理。如果有什么变化的话，数学家现在在做理论构建方面有了更大的杠杆，私人资金也是如此。对于价值栈上的下一项——培养那些问题解决肌肉——这基本上不受机器是否更擅长的影响。就像可能有很多人类比你更擅长生成证明，但为了培养那些问题解决肌肉，自己经历创造证明的过程仍然是有帮助的。这里的类比基本上是去健身房——是的，机器能举起比你更重的重量，但这并不否定你举那些重量所获得的价值。顺便说一下，这将对我们让 AI 变得越来越擅长的几乎每一项都成立——价值栈的这一部分，培养问题解决肌肉，始终要求你这个人真正参与其中。现在你可以问，在我们即将到达的那些科幻未来中——由 AI 越来越多地接管这些能力所暗示的未来——我们是否还需要人类的问题解决能力？我们可以暂时搁置那个问题。但只要这有价值存在，它就通过资金渠道的教学那一边流动。拥有人类专家能够生成证明仍然是非常有价值的，这样他们就能训练学生也能够生成证明，从而获得那些溢出效应。

审美欢乐这边在这里变得更复杂一些，因为我看到了两面。我见过很多的一种情绪，尤其是在网上，是定理证明来自机器完全吸走了其中的欢乐。你知道，通常如果一个数学家正在朝着某个特定结果推进，然后那个结果是 OpenAI 一次性倾泻下来的几百个之一，他们会说那完全抽走了他们所有的动力。我理解这一点，谈论那一部分很重要。但就我所见，尤其是在面对面交流中，也有完全相反的一面——一些数学家完全感到兴奋。他们有这些一直非常想知道答案的问题，现在他们有了与模型的互动，他们开始看到答案，特别是当他们关心的不仅仅是证明而是理论构建时，感觉他们被解锁了。让我给你一个小例子，我想分享一段我与高等研究院的 Konstantin Kogler 的对话，他谈到了他领域中一个非常重要的问题——最重要的之一——在过去一年里他会不断地把它提给当时可用的最先进模型。这是他的评论："我可以说有两次非常非常重大的成功。所以在周日，我让我们领域中也许是最大的未解决问题被解决了。还有另一次成功是关于那些不可约多项式的——就是我之前跟你说的那些。那绝对是奇妙的。而且很简单，星期四就已经看到了，所以它很简单。它有一个简单而强大的想法。首先我感到难以置信的兴奋——因为数学，因为力量，因为我学到的真理，因为我看到的思想的力量。然后我思考那些数学，这让我睡得更少了，然后我思考那种兴奋，因为我得到了我一直在渴望的那些洞见。"顺便说一下，这种二分法——网上倾向于看到更多消极情绪，而面对面倾向于看到更多欢乐——当然不是 AI 与数学所独有的。这就是当今世界话语的本质。我不想淡化那些消极感受的现实性或正当性。事实上，我想稍后深入探讨它。但我确实认为这对那个中心问题——博士生问明天该做什么——有一个含义。

我承诺在这期内容的结尾给你一个具体的答案，但那个答案的第一部分是：去社交。合上笔记本电脑，和你的博士同学们去散一个长步。至于那次长步中讨论的话题，相信我，我们会讲到的。我知道我们在这一个项目上花了很多时间，但它确实是当下大部分话语所在的地方，我还有几件事要在这里说。例如，如果机器在证明生成方面更擅长，做数学的实践实际上会是什么样子？如果我们采取那个乐观者的视角——那个为此感到兴奋的人——它基本上看起来是投入理论构建。你不再被你能多快解决沿途某些问题所限制。你可以问你所有想问的问题，你可以更快地看到它们的解答是什么，你可以尝试解析那些，理解这如何融入一个更大的叙事，所有你正在看的证明中简单性的要素是什么，你如何将这一切编织成一种新理论的织物——就像伽罗瓦引入群论或格罗滕迪克发展代数几何那样。你作为个人能完全生长出什么？也许你的博士论文不是少数几个证明，而是那整个理论构建。一个类比是：就像读一本教科书，你能够更快地理解那些材料，部分原因是你后面有答案。这不是说你应该总是看答案，你仍然应该做那些问题并参与其中。但如果你卡住了，有一个更连贯的答案呈现确实帮助你摆脱困境，让你比完全在未知领域时移动得更快。现在你确实需要在这方面深思熟虑。例如，很多机器生成的证明会使用源自人类发表的出版物的想法，目前这些的归因并不总是自动的，所以这显然是一个问题，意味着你必须付出额外的努力来确保荣誉归于应得之处。

但承认那种我提到的非常真实的欢乐丧失，我认为很多数学家会看着我刚才描述的说："天哪，那看起来太可怕了。我不想坐在那里试图解析一堆机器生成的垃圾，只是理解别人已经回答过的问题。我想自己找到解答。我追求数学的全部欢乐就是自己去做，自己对事物形成自己的理解。"我确实认为处理那种感受也许是整个社区作为整体目前需要面对的更重要的问题之一。但我怀疑至少部分那种感受可以归因于两件不同的事情。其中一件是，目前从模型出来的东西的解释质量往往还有很多不足之处，没有人想只是解析一堆垃圾。我怀疑那会变得更好。我认为这可能是历史上的一个暂时性波动——你有证明生成，但它也几乎不可理解。模型公司有巨大的动机让它们的模型能够很好地解释事物。如果你看代码的轨迹，我认为早期很多生成的代码即使功能正确也相当粗糙，而轨迹一直在朝着更干净的方向发展。人们可能在那一点上跟我争论——它们确实过度注释了——但大体上，我确实认为那是轨迹。

更深层的问题，我怀疑，是围绕数学社区重视什么以及荣誉在哪里被分配的文化惯性。因为令人难受的事情之一是，如果你感觉你在追求一个问题，然后一个模型找到了答案——特别是如果它来自模型公司而不是你与它的互动——然后感觉那个问题被解决了，你只是在后面扫地。在数学历史的很长一段时间里，我们一直用证明作为理解的代理。它是我们瞄准的北极星——证明某样东西意味着你理解了它。我们有那些宏大的未解决问题，我们认为证明被创造出来的那一刻就是它们被解决的那一刻。现在当然那不是全部，每个人一直都知道那不是全部。如果你向期刊提交一篇论文而它写得很差，他们会直接退回来。如果你在其中证明了一个非常重要的定理但它写得很差，他们会感到沮丧，因为他们知道他们应该关心，但他们仍然会退回来，解释清楚的责任在你身上。我认为在这一点上，我们应该将证明视为与数值计算类似的东西——也就是说，它是一种原始数据的形式，对理论构建有帮助，但它本身绝不是目的。顺便说一下，这不是我自己的想法，其他人也将机器生成的证明视为更像数据的东西来对待。但我认为非常广泛地说，将理论构建视为目标而非证明，将证明视为一种可以插入其中的原始数据，有一种解放感。例如，我不关心 Navier-Stokes 问题的强制爆破。我关心的是如果有人理解了那个证明中的想法，以及从那些想法中可以绽放出的那种数学——成为一种美丽的、连贯的理论。如果有人投入工作去做那件事，给他们千年奖。那才是我们最初关心它的原因。证明只是数据，就像给我更多 $\pi$ 的位数一样。这也影响了你如何做研究。也许有时候你需要再一个证明，与模型互动是做到这一点的最好方式。但很多时候可能不是，更好的是合上笔记本电脑，自己潦草地写下你的理解，然后问：现在阻碍我发展更深层理论的到底是什么？是再一个证明吗？还是我对现有证明的理解有什么问题？再次拉出我们的数学研究组成部分，如果机器生成证明但不能很好地传达它们，那确实意味着你仍然需要人类数学家来使它们变得可理解。坦白说，那可能不是最有趣的部分。也许这取决于你的视角。无论如何，我假设那是相对暂时的，让我们就说机器也变得更好地传达它们的想法。顺便说一下，那只是书面交流。一种同样有价值的交流形式是更社交的一面，通常通过口头报告发生。我认为在整个未来轨迹中，口头报告能力的相关性只会越来越高。机器不能替你理解，而数学的一个重要部分是让其他人理解并关心，我们是社会性生物。所以即使机器更擅长解释，让我们关心的很大一部分是看到另一个人真正关心。

当机器也擅长提出猜想

这里有一个项目是提出问题，决定哪些定理值得被证明。目前，那仍然是一个令人难以置信的充满活力和高度杠杆化的领域，数学家可以在其中投入时间。但让我们想象一下，再次为了论证的目的，机器在那方面也变得更好了。你与模型的互动不仅仅是要求它证明一个特定的定理，而是它回来说："这里还有其他值得问的问题，可能会产出丰硕的数学。"而且无论我们如何定义它，它们在提出那些问题方面比数学家更擅长。这显然与理论构建之间有一条非常模糊的界限，但至少让我们参与一下：假设人类仍然在理论构建那一边更擅长——真正理解这广泛的一组定理及其证明方式的意义。那才是与下游应用最相关的，因此从资助数学的角度来看，不仅这样做仍然有意义，你在这样做时拥有更大的杠杆，因为每个个体数学家能够比以前更快地推进理论。在培养问题解决肌肉那一边，一如既往，就像健身房的哑铃。机器是否更擅长并不重要。你仍然想要一种实践——人类被训练如何做到这一点——假设人类的问题解决能力在任何程度上是相关的。在审美欢乐方面，我认为我们继续看到一点分裂。有些人不会觉得一个模型既提出自己的问题又回答它们很有趣。我知道我自己可能会花一辈子的时间试图在自己的脑海中想出有趣的问题，并找到自己的方式来回答它们，不管模型能做什么。但也会有那些感到兴奋的人，他们在构建理论、理解那些理论方面感到越来越少地受到限制，甚至开始看到它们如何被应用——其节奏不再是等待几十年或几个世纪才有下游应用，而是也许能更早一点去寻求它们。

当机器也擅长理论构建

但如果——今天的研究生可能会问——理论构建那一边也倒下了呢？如果在某种抽象意义上推进理论数学的最有效方式不仅是让机器生成证明或问它们应该证明什么定理，而且它们也在消化所有这些证明，找到其中的简单性要素，理解你真正需要编织什么样的新颖织物才能围绕它形成一个连贯的理论呢？那将类似于给它所有到 1500 年代的数学，然后它不仅解出三次方程，还想出如何表示它的正确记号，想出复数理论，你知道的，所有那些下游的东西。也许你认为那不太可能，那种真正新颖的思考水平在当前的 LLM 中是不可信的，鉴于它们对人类知识和训练数据的依赖。但再次，为了假设性探索，如果什么都不说，在那个世界里数学领域会是什么样子？好吧，就我们想要在现实世界中产生应用而言，根据这个假设的假设，模型在生成所有理论方面更擅长。但你仍然需要有人充分理解所有这些理论，以看到它如何在周围领域中得到应用。这些东西中是否有任何与治愈癌症相关，或者与使核聚变成为现实相关，或者与高温超导体相关？那才是所有橡胶真正接触路面的地方。在个人问题解决那一边，与整个故事中的情况一样——你在健身房。机器是否更擅长并不重要。如果人类的问题解决肌肉在任何程度上是相关的，你仍然想要他们经历所有这些的实践。

在审美和欢乐那一边，我意识到我实际上一直在混淆两件不同的事情。所以我说的欢乐的一个版本是任何在任何层面上做数学的人所体验到的。那是看到巧妙解答并感觉它在你脑海中咔哒一声时带来的那种非常独特的满足感，或者是理解一个新主题可以改变你的思维方式——以一种非常令人向往的方式。那就是你和我在这个频道上所做的一切。然后另外，还有前沿研究者所体验的欢乐——那种推动前沿前进的感觉。现在在第一个类别中，那个在我看来或多或少不受 AI 是否在清单上某些任务中更擅长的影响。它完全类似于问题解决那个位置。出于同样的原因，为了体验这一部分价值，你必须是真正在做数学、在自己头脑中参与的人。现在，能够做数学的模型的存在可能对某些人的那一方面有一些影响，但我也认为欢乐的这一面更加本质上是公共的或社交的，或者至少它从公共和社交中受益。我认为当你与其他对此充满热情的人在一起时，或者当你看到另一个人对此充满热情时，感到对某事物的热情要容易得多。它可以在孤立中发生，确实可以，但那个社交成分永远会是一个放大器。就我而言，我总是想要参与更多的数学片段，在自己的头脑中理解它们，并与你们分享，并花一生与你们分享它们，无论任何机器的能力如何。

至于研究者所体验的欢乐，这里再次，我认为我一直在描述的那种分裂只是被放到了越来越尖锐的焦点中。你可能会永远有那些被一台机器所提供的一种非常新的通往数学世界的窗口所激发的人，我认为你也会永远有那些觉得这极其令人沮丧的人。因为让我们面对现实，这里确实失去了一些东西。长期以来，你一直在推进人类理解与所有这些下游应用之间有着紧密的耦合，而在我们谈论的这些假设中，那些正在越来越脱钩，这可能意味着对某些人来说，纯粹为了推进人类理解本身的那种感觉失去了一点力量。也许你不想读一本后面有答案的教科书，即使你不必看它——那击败了全部的开拓精神。我和之交谈的很多数学家，我认为对处于前沿或成为第一个发现某物的人并不那么感兴趣。他们似乎真的在社区的性质中找到了大部分欢乐。所以毫无疑问，你将看到数学社区中出现越来越多的子潮流，倡导推进人类对数学的理解本身作为一个值得追求的终极目标。所以总结一下它在我们图表中的相关性：只要学习数学总有欢乐可以获得，并且那可以通过教学渠道流动——假设人们愿意付费学习它——那就不受影响。但坦率地说，如果那种欢乐的一部分也许来自成为先驱的希望——成为第一个踏入新理论的人——让我们承认，那将是一种失去。

当机器在所有方面都超越人类

为了把它全部推演完，看着我清单上的最后一项：假设机器不仅在生成证明方面更擅长，不仅在提出其证明将产出丰硕数学的猜想方面更擅长，不仅理解那些丰硕的数学是什么以及它应该如何被封装进好的定义和好的理论方面更擅长，而且它们也比人类更擅长看到那些理论插入什么应用中、将其嵌入科学和工程。让我们称之为"你能做的我都能做得更好"的未来。这里事情开始变得更有趣，因为第一次在这个价值链上，理论上所有流向应用的效益在机器中发生会更好。所以理论上，就公共和私人资金是由下游应用驱动而言，这些资金最有效的使用方式将是把它倾注到某个只是做数学的大块计算上——它创造理论，将理论嵌入应用，在那个意义上推动事情前进。如果我必须猜测，即使在那个时候那将是资金的理性使用——就它们由下游应用驱动而言——我觉得很难想象政策制定者只是拨动开关，公共资金不再流向人类而是流向一大块计算。我能想象的是某些从 AI 本身中变得极其富有的个人开始设立私人基金会，只是把资金倾注到一大块做数学的计算上。那似乎有很大的可能性会发生。在公共资金那一边似乎更可能的是，人们会越来越多地谈论来自数学的其他正外部性。例如，拥有这个培养问题解决者的机构，他们溢出到世界其他地方——那仍然极其有价值。仅这一点本身就对任何公共资金给予正的投资回报。或者如果出现正式机构，围绕人类为人类繁荣而做的数学——那本质上是将数学拥抱为一种艺术，它一直是艺术，也许在那一点上那就是资金被感知的方式。它像艺术被资助那样被资助——既有公共的，也有某些私人慈善渠道。但再次记住，那些甚至不是数学大部分资金的来源。大部分来自教学，而教学的价值最终来自价值链中的下面两个要素：训练人们培养问题解决肌肉，并在他们心中灌输一种非常特定的欢乐。这个"你能做的我都能做得更好"的未来所暗示的未来如此狂野，甚至很难严肃地参与。作为一个旁注，所有这些对话都取决于一个事情进展顺利、没有灾难性事件发生的分支。所以再次，也许有些人认为 AI 安全现在是他们更应该工作的地方。但当我们参与这个话题并假设那是未来的一个好的分支时，在我看来，你很可能仍然会有类似现有大学结构的东西。即使理论上 AI 更擅长解释事物，人们仍然想从人类那里学习，因为教育的瓶颈不是解释的清晰度，而是动机。人们是否真的想学习那些材料，什么激励人们？有时候只是纯粹的学习本身的欢乐，但我们是社会性生物，激励人们学习的很大一部分是看到另一个人对此深深充满热情——特别是如果那是他们尊重或关心的人。教学总体上在我看来是从 AI 替代工作的角度来看最安全的位置之一，因为它是如此关系性的，因为它如此依赖于人与人之间的互动。无论通过屏幕产生多少清晰度，都无法替代那种东西。

我们站在哪里

那么这让我们站在哪里？我认为在可预见的未来，研究需要越来越多地强调数学的理论构建那一边——它一直是这样的，那一直是重点。但主要的区别是，证明曾经是那个目标的一个非常有价值的代理，而它正在失去作为代理的价值。在这一点上，它是一种原始数据的形式，它有可能成为一种有用的原始数据形式，是的，毫无疑问我们必须改变我们如何衡量人类的学术贡献。但那可能是一件好事。证明本身可能几十年来一直被高估了。同样，就这个机构对磨练问题解决技能有价值而言，它也确实提出了如何确切地做到这一点的问题，因为之前做那种训练的方法不再适用。例如，仅仅布置和评分问题集在现在并不真正有意义。然后即使你担心某个科幻未来——所有数学真的可以被机械化——或者即使你担心问题解决技能的训练不知何故不会有用？似乎有点牵强，但让我们参与一下。只要做数学有欢乐存在，数学对人类就永远有价值。我对最后一点最看好的原因——即使在那些狂野的科幻未来中它也将作为一个支撑柱存在——是因为这个频道。我的意思是，想想这里正在发生什么。外面有数百万你们愿意在这里参与，而我们实际上在做的是……只是沉浸在数学的美中，找到优雅的、解答非常令人满足的问题，或者试图灌输新的思维方式。现在坦率地说，并不是数百万你们愿意为此付费——那当然很好——但有数千人愿意，那就改变了一切。看看这个频道之外，我最喜欢引用的一个例子来说明公众对数学显然有很大的胃口，是考虑 Brady Haran 经营的所有频道——在所有频道中，最受欢迎的远远是他做数学的那个。或者把时间倒回一点，如果你看 Martin Gardner——现代数学普及的教父——最初他的专栏出现在《科学美国人》的末尾，但后来他们不得不把它移到开头，因为太多人是为了他的专栏才订阅的。显然，一旦人们尝到了数学真正是什么的滋味，社会对它就有一种巨大的胃口。所以我认为数学社区明智的做法是向外转，去满足那种渴望。

为什么现在是最好的时机

在这期内容的大部分时间里，我只是在阐述为什么我认为数学制度是有价值的、将继续存在。但我以一个更强的论点开头。我说我认为这是进入数学的最好时机之一，我猜测很多点开这个视频的观众可能预期我的意思是 AI 将解锁数学中的新机会，但实际上我不是在指那些。我认为这是最好的时机之一的原因是，整个社区都知道它需要改变，如此多的人在退缩、寻找关于那种改变应该是什么的指导和榜样。所以你，作为那个领域的新进入者，有可能在它历史上最关键的时刻之一真正影响它将成为什么。我认为那是令人难以置信地兴奋的。

所以对那位博士生的评论——"告诉我明天该做什么"——我可以告诉你如果我是 2026 年的博士生我会做什么。我会做 Three Blue One Brown。我会做完全就是这个。如果十年前我走进某个数学系说："嘿，我有一个概念，用高度视觉优先的方式来解释数学，哦顺便问一下，你们能把那做成一个学术认可的博士论文吗，不仅仅是一个爱好？"我几乎会被每一个系嘲笑出来。我不确定我年轻时的自己能今天做到这一点，但如果有任何时候人们会对此持开放态度，那就是现在。现在我不是说那就是你应该做的。你应该投入任何让你热爱数学的东西。我热爱解释它，我热爱可视化它。那是我的热情，那是我想要奔跑的方向。但你的呢？你想带着什么奔跑？如果你热爱理论构建那一边，你想成为下一个伽罗瓦或下一个格罗滕迪克，很好，带着那个奔跑。你有一台证明生成机器可用，它将在未来四年变得越来越好。也许你可以用它创造一篇世界从未见过的博士论文——一台机器开辟一个你在以前的世界中永远无法到达的新领域。如果你不喜欢模型，你不想使用它们，它们让你口中留下不好的味道，很好，也投入那个。毫无疑问，数学社区中会有子潮流想要建立"人类为人类做的数学"是什么样的、那会是什么样子。你可以插一面旗帜在沙中。你可以决定一篇体现那个目标的博士论文看起来是什么样子。

我会做的另一件事是认识到，如果机器在研究栈的任何子集上更擅长，衡量一个人对材料的理解及其推动领域前进的潜力的最有效方式——无论那意味着什么——将越来越多地转向口头报告那一边。所以做报告，做很多报告，变得非常非常擅长做报告，让那成为你实践数学的一个非常规律的部分。

现在，我对明天字面上该做什么的最具体建议是：去散一个长步。找一个朋友，也许是你项目中的另一个人，和他们一起反思——你喜欢数学的什么？你为什么进入它？问他们，他们热爱什么？他们为什么进入它？然后一起头脑风暴，你们究竟想让未来几年的生活如何为这个价值栈的各个不同部分做出贡献。就我而言，我仍然热爱数学。我将永远热爱数学。我将永远热爱找到方法来可视化它并在这个频道上与你们分享。我对你最大的希望是你能找到一种方式来投入你自己的热情。社区从未如此开放，他们会倾听你要说的话。

点了一盒寿司但收获了 6 包酱油和 4 包芥末🤯

非常帅气（

永辉超市的桂花鲜酿好喝 度数超级低 感觉是饮料（我不喜欢酒精刺激的感觉）srds 其实是好几天前喝的但现在看到图片打算记录一下
不过感觉最好喝的还是西塔那边买的欧巴奶油米酒 虽然网上有差评但我真的觉得特别好喝
查了一下 它有网店 但是这个天气寄到浙江感觉容易变质

好累
恨学校 交大该杀

暂时换个去年的头像（）

昨天中午吃了盒马的抹茶冰激凌
结果凌晨一点多才睡着
那个冰激凌抹茶味确实很浓 不难吃 但相比于盒马的抹茶麻薯冰棍口味有点单一

想了半天这是什么 最后意识到是棕色鸽子
后来用懂鸟看了一下 确实是原鸽

一、什么是“道德损伤”？

道德损伤（moral injury）是指：一个人经历、参与、未能阻止或目睹了严重违背自己核心道德信念的事件后，长期出现心理、行为、人际和精神层面的痛苦。

它的核心通常不是单纯的“我很害怕”，而是：

“我做了不该做的事。”
“我没有做本应做的事。”
“我怎么会成为这样的人？”
“我信任的人、团体或机制背叛了我。”
“如果世界允许这种事情发生，那么善良、正义和信仰还有什么意义？”

道德损伤目前不是 DSM 或 ICD 中的独立精神疾病诊断。它更像是一种临床问题或心理状态，可以单独存在，也可能与创伤后应激障碍、抑郁症、焦虑、物质依赖等问题同时出现。不是每个经历道德冲突的人都会形成道德损伤；关键在于痛苦是否持续、是否影响生活功能，以及一个人如何理解事件及其责任。

研究人员通常把触发事件称为：潜在道德伤害事件，英文是 potentially morally injurious event，PMIE。

需要区分：

• 事件是发生了什么；
• 道德损伤是事件之后长期形成的心理、关系和意义系统损害。

例如，一名医生因床位不足无法救治所有患者，这是一个潜在道德伤害事件；如果此后他长期认为“我不配当医生”、反复自责、逃避患者、无法工作，才更接近道德损伤。

---

二、道德损伤通常怎样发生？

大体可以分为几种路径。

1. 自己实施了违背价值的行为

例如：

• 在战争、执法或紧急状态中伤害他人；
• 为了服从命令，做了自己认为不正当的事情；
• 欺骗、背叛或伤害了重要的人；
• 为保护多数人而牺牲少数人；
• 在高压下作出后来认为不可接受的决定。

这类经历的核心通常是：

“是我做的。”

主要情绪可能是罪疚、羞耻、自我厌恶和无法原谅自己。

但“自己实施”不代表责任一定完全属于本人。

治疗中必须进一步区分：当时有没有选择、掌握多少信息、承受什么命令或威胁、是否具备行动能力，以及还有哪些个人和系统因素参与其中。

2. 没有采取自己认为应该采取的行动

例如：

• 没能救下某个人；
• 因恐惧而僵住；
• 没有制止伤害；
• 没有举报不当行为；
• 没有保护家人、患者、同事或下属；
• 自己生还，而别人死亡。

这类经历常形成“遗漏性责任”：

“我本应该做得更多。”

问题是，人会在事后用已经知道结果的自己，审判当时信息有限、能力有限的自己。这种现象叫做后见偏差：因为现在知道发生了什么，就感觉当时也应该能够准确预测和阻止。

3. 目睹他人严重违反道德

例如看到虐待、腐败、暴力、侮辱、冷漠或不公平，却无力阻止。

此时痛苦不一定是“我有罪”，也可能是：

• 对人性感到厌恶；
• 对群体失去信任；
• 认为社会毫无公正；
• 因自己仍属于该组织而感到羞耻；
• 因保持沉默而产生共谋感。

4. 被权威、组织或制度背叛

例如：

• 上级要求执行不道德命令；
• 组织隐瞒错误并让个人背责；
• 举报后遭到打压；
• 工作机构宣称重视生命，却长期不给足够资源；
• 本应保护自己的人反而实施伤害；
• 家庭或公共机构违背其宣称的价值。

这种路径的核心经常是：

“我信任的对象背叛了我。”

它往往表现为愤怒、苦涩、犬儒、失去归属感和无法再信任权威。近年来的理论也越来越重视：道德损伤不仅可能出现在实施者和见证者身上，也可能出现在遭受严重不公、虐待或背叛的人身上。

---

三、为什么道德损伤会如此深？

因为它伤害的不是一个单独的记忆，而可能是一个人的身份、价值观和世界观。

可以把常见过程概括为：

第一步：发生价值冲突事件

事件触及了某个核心价值，例如：

• 不伤害无辜者；
• 保护弱者；
• 忠诚；
• 公正；
• 诚实；
• 医疗救死扶伤；
• 父母必须保护孩子；
• 军人必须保护同伴；
• 好人不会做某些事情。

第二步：人对事件作出道德解释

事件本身不会自动决定长期结果，个人对事件的解释非常关键。例如：

• “我犯了一个错误。”
• “我是一个邪恶的人。”
• “我没有预测到后果。”
• “我明知道后果，却还是做了。”
• “我没有足够权力阻止。”
• “我没有阻止，所以我等于参与了。”
• “一个真正善良的人绝不会这样。”

其中有些判断可能合理，有些则可能夸大、绝对化，或忽略当时的具体条件。

第三步：出现强烈的道德情绪

道德损伤常见的情绪包括：

• 罪疚；
• 羞耻；
• 愤怒；
• 厌恶；
• 悲伤；
• 被背叛感；
• 无助；
• 绝望。

这些情绪本身并不一定病态。适度的罪疚可能促使一个人承认错误、补偿和改变。但当情绪变成长期、自我吞噬和功能受损时，就会形成问题。

第四步：通过逃避和自我惩罚维持损伤

例如：

• 不愿谈论事件；
• 远离亲密关系；
• 拒绝接受帮助；
• 故意破坏工作或关系；
• 过度工作来赎罪；
• 使用酒精或药物麻痹自己；
• 认为快乐就是对受害者的背叛；
• 反复把自己放进危险处境；
• 拒绝治疗，因为认为自己“不配好起来”。

短期看，这些行为可能减轻羞耻或符合“我应该受罚”的信念；长期看，它们会阻止一个人获得新的信息、支持和修复经验，从而强化道德损伤。

---

四、罪疚和羞耻有什么区别？

这是理解道德损伤的关键。

罪疚：“我做错了一件事”

罪疚针对的是行为：

“我的行为造成了伤害。”

罪疚不一定有害。现实而适度的罪疚可以支持：

• 承认责任；
• 道歉；
• 赔偿；
• 改变行为；
• 防止再次发生。

羞耻：“我整个人都是错的”

羞耻针对的是自我身份：

“我不是做了一件坏事，我本身就是一个坏人。”

羞耻更容易导致：

• 隐瞒；
• 孤立；
• 自我厌恶；
• 拒绝帮助；
• 自我惩罚；
• 认为自己永远不能改变。

治疗并不是简单消除所有罪疚，而是把：

“我不可救药”

转化为更准确的判断：

“我可能对某些事情负有责任，但责任并不等于我的全部身份；我仍然能够承担责任、停止伤害并按照价值行动。”

---

五、道德损伤有哪些表现？

道德损伤不是只表现为“内疚”。它可能影响多个层面。

1. 情绪表现

• 持续罪疚或羞耻；
• 对自己、他人、组织或世界强烈愤怒；
• 对自己感到恶心或厌恶；
• 悲伤、麻木或绝望；
• 无法感到快乐；
• 被背叛感；
• 幸存者罪疚；
• 害怕别人知道真相。

2. 认知表现

• “我不配被爱。”
• “我不配活着。”
• “我永远不能被原谅。”
• “如果别人知道，就会厌恶我。”
• “所有人最终都会背叛我。”
• “世界没有正义。”
• “我没有资格再做父母、医生、军人或领导。”
• “只有不断受苦，才能补偿发生的事。”

3. 行为表现

• 回避相关人、地点或话题；
• 与家人、朋友疏远；
• 放弃原本珍视的职业或角色；
• 故意毁掉良好关系；
• 酗酒、滥用药物或其他成瘾行为；
• 过度工作或过度奉献；
• 冲动、冒险或自我伤害；
• 拒绝治疗或反复失约；
• 强迫性地赎罪。

4. 人际表现

• 难以相信任何人；
• 害怕亲密；
• 认为自己不值得被关心；
• 对他人的善意感到怀疑；
• 与曾经的群体决裂；
• 对没有类似经历的人感到疏离；
• 感觉“没人能够理解”。

5. 信仰与存在意义表现

• 怀疑宗教或信仰；
• 感到被神抛弃或惩罚；
• 无法理解为什么恶事被允许发生；
• 失去人生意义；
• 认为过去坚持的价值都是虚假的；
• 不再认为自己属于人类共同体。

临床上通常会关注这些反应是否与特定潜在道德伤害事件直接相关，以及它们是否已经明显影响工作、学习、关系和日常生活。

---

六、道德损伤与其他问题有什么区别？

与普通后悔的区别

普通后悔通常会随着时间、道歉、补偿和重新理解而减轻。

道德损伤则更可能具有以下特征：

• 持续时间长；
• 反复侵入思维；
• 对自我身份造成破坏；
• 产生严重回避、自我惩罚或关系问题；
• 即使别人原谅了自己，自己仍不能接受；
• 影响正常生活功能。

与道德困扰的区别

道德困扰通常指一个人知道什么是正确的，但受到制度、资源、命令或权力限制，无法按正确方式行动。例如护士知道患者需要更多照护，却因人员严重不足无法提供。

道德困扰可以是暂时和情境性的。若痛苦持续加重，逐渐损害身份、信任、关系和功能，便可能进入更严重的道德损伤状态。目前研究越来越倾向于把两者看成从较轻、较短暂到严重、持久损害的一条连续谱，而不是完全分开的类别。

与 PTSD 的区别

PTSD的核心通常包括：

• 创伤记忆侵入；
• 噩梦或闪回；
• 回避；
• 高度警觉；
• 易惊；
• 感到仍处于威胁中。

道德损伤的核心更常是：

• 罪疚；
• 羞耻；
• 愤怒；
• 背叛；
• 自我谴责；
• 信任破裂；
• 意义或信仰危机。

两者可以重叠，但并不相同。一个人可以有道德损伤而不符合PTSD诊断，也可以同时存在两者。与单独PTSD相比，两者并存时，抑郁、功能障碍和自杀风险可能更严重。

与职业倦怠的区别

职业倦怠通常以：

• 精疲力竭；
• 对工作冷漠；
• 效能感下降；

为核心。

道德损伤则更关注：

• 自己被迫违背价值；
• 背叛了职业使命；
• 自己参与或未能阻止伤害；
• 对自我和制度的道德评价发生崩塌。

两者可能同时存在。仅仅安排休假有时可以缓解倦怠，却未必能解决“我参与了伤害”或“组织背叛了我”的问题。

与抑郁症的区别

抑郁可能表现为广泛的低落、兴趣下降、精力不足、自我贬低和绝望。道德损伤的自责和绝望通常更紧密地围绕某个价值冲突事件。

但长期道德损伤可能诱发或加重抑郁症，所以临床上应同时评估。

---

七、哪些人可能经历道德损伤？

道德损伤最早主要在军人和退伍军人研究中受到关注，但并不限于战争环境。目前相关研究和临床讨论还包括：

• 医生、护士和其他医护人员；
• 警察、消防员、急救人员；
• 军人、维和人员；
• 社会工作者；
• 灾难救援人员；
• 记者；
• 难民和战争平民；
• 社区暴力经历者；
• 遭受家庭背叛的人；
• 在照护、管理或领导岗位上作出高风险决定的人。

高风险不只来自事件强度，也来自：

• 责任重大但控制权很低；
• 资源长期不足；
• 被迫在两个坏结果之间选择；
• 团体或权威不承认伤害；
• 缺少同事和领导支持；
• 被要求隐瞒事实；
• 社会或家庭对当事人进行简单化评判；
• 事件后没有机会解释、哀悼或修复。

现有研究仍主要集中于军人、退伍军人、医护人员和第一响应者，因此将结论应用于其他人群时需要谨慎。

---

八、如何判断自己可能存在道德损伤？

不能只根据一个症状判断，也不建议把网络量表当成自我诊断。

专业评估通常会看四个方面。

1. 是否发生过潜在道德伤害事件？

例如：

• 我是否做过严重违背自己价值的事？
• 我是否没有采取自己认为应该采取的行动？
• 我是否目睹严重不道德行为？
• 我是否遭到可信任的人或机构背叛？

2. 痛苦是否与该事件直接相关？

例如，一想到事件就出现：

• 罪疚；
• 羞耻；
• 愤怒；
• 背叛感；
• 自我厌恶；
• 无法原谅；
• 信仰或意义危机。

3. 是否长期存在并造成损害？

重点不是“我有没有不舒服”，而是：

• 工作或学习是否受影响；
• 是否难以维持关系；
• 是否持续回避；
• 是否产生自我惩罚；
• 是否大量饮酒或使用药物；
• 是否失去基本生活动力。

4. 是否存在其他精神健康问题？

还需要评估：

• PTSD；
• 抑郁症；
• 焦虑障碍；
• 睡眠障碍；
• 酒精或药物依赖；
• 自伤和自杀风险。

研究和临床中使用的工具包括道德损伤结果量表（MIOS）和道德损伤与困扰量表（MIDS）。这些工具能帮助结构化评估，但应结合临床访谈，而不能单独代替诊断。

---

九、道德损伤治疗的真正目标是什么？

治疗目标不是以下任何一种简单做法：

• 告诉你“你什么责任都没有”；
• 强迫你原谅自己；
• 要求你忘记；
• 用积极思考压制罪疚；
• 通过持续受苦来赎罪；
• 把所有责任都推给制度；
• 把所有责任都压在个人身上。

更准确的目标是：

在不歪曲事实、不逃避真实责任的前提下，重新建立一个能够承担责任、接受人性限制、恢复关系并按照价值继续生活的自我。

治疗常包括以下几个过程。

1. 建立安全、非评判的治疗关系

道德损伤患者常担心治疗师会厌恶、谴责或害怕自己。因此，治疗师必须能够听见复杂甚至令人不适的事实，同时不急于道德裁判。

“非评判”不等于认为所有行为都正确，而是先理解事实、情境、意图、选择范围和责任结构，再进行处理。

2. 重建完整的事件叙事

人受到道德损伤后，往往只剩下一个极度浓缩的结论：

“我害了他。”
“我失败了。”
“我背叛了自己的原则。”

治疗需要重新加入被羞耻删除的背景：

• 当时知道什么、不知道什么；
• 有多少时间作决定；
• 有哪些现实选择；
• 谁拥有权力；
• 是否受到命令、威胁或资源限制；
• 当时的生理和心理状态；
• 每个参与者分别承担什么责任；
• 哪些后果可预见，哪些无法预见。

这不是寻找借口，而是恢复事实的完整性。

3. 区分现实责任与夸大责任

可能存在三类情况：

• 几乎没有实际责任，但感到强烈罪疚；
• 确实有一部分责任，但把全部责任都归给自己；
• 确实承担重要责任，需要承认并修复。

有效治疗不会预设答案。它既要防止不合理的自我定罪，也不能用心理安慰否认真实伤害。

4. 处理罪疚、羞耻、愤怒和悲痛

不同情绪需要不同处理：

• 罪疚需要责任辨析和补偿行动；
• 羞耻需要恢复人的整体身份和关系；
• 愤怒需要识别背叛、不公和边界；
• 悲痛需要哀悼失去的人、关系、理想和过去的自己；
• 厌恶需要逐步恢复对自我和他人的人性化理解。

5. 停止破坏性自我惩罚

真正的责任承担与自我毁灭不同。

责任承担通常包括：

• 承认发生了什么；
• 尽可能停止持续伤害；
• 接受合理后果；
• 作出补偿；
• 改变未来行为。

自我惩罚则可能包括：

• 拒绝被爱；
• 故意失败；
• 酗酒；
• 自伤；
• 不断置身危险；
• 认为自己必须终身痛苦。

后者通常不能帮助受伤害者，也不能真正修复价值。

6. 恢复价值一致的行动

道德损伤往往意味着价值并没有消失，反而是因为价值非常重要，违背它才如此痛苦。

治疗会帮助一个人思考：

• 这件事说明我真正重视什么？
• 今天怎样活出这些价值？
• 哪些小行动能够体现诚实、公正、照护或勇气？
• 如何避免同样的伤害再次发生？

恢复并不要求痛苦完全消失后才开始。很多时候，是先逐步重新行动，身份感和希望才慢慢恢复。

7. 进行适当的补偿或修复

补偿可能包括：

• 道歉；
• 赔偿；
• 承认事实；
• 改变制度或流程；
• 参与公益；
• 支持类似经历者；
• 纪念逝者；
• 采取长期价值行动。

但补偿必须考虑受影响者的利益。直接联系受害者并不总是适当；有时会造成二次伤害、违反边界或增加危险。此时可以采用间接、象征性或公益性的修复方式，并由专业人员协助评估。

8. 修复关系、群体和信仰

道德损伤经常发生在人际和群体情境中，因此恢复也不能完全依靠个人独自完成。

可能有帮助的资源包括：

• 创伤治疗师；
• 可信任的同伴；
• 同类经历支持小组；
• 伦理督导；
• 能够承认组织责任的领导者；
• 家庭治疗或伴侣治疗。

不能强迫用“你必须宽恕”“这是命运安排”等方式强迫当事人接受某种解释。

---

十、哪些具体心理治疗可能有帮助？

认知加工疗法（CPT）

主要处理：

• “我早就应该知道结果”；
• “全都是我的错”；
• “我不可原谅”；
• “任何人都不可信”；
• “我不配再过正常生活”。

它并不是简单要求积极思考，而是检验信念与证据是否一致，并形成更全面的责任判断。

延长暴露疗法（PE）

通过在安全和结构化条件下重新接触创伤记忆和被回避的情境，减少回避，并帮助当事人获得新的理解。

如果同时存在明显PTSD症状，CPT和PE等创伤聚焦治疗仍然可能有效。它们可以减轻部分罪疚和羞耻，但某些人仍需要专门处理自我宽恕、价值和修复问题。

适应性披露疗法（Adaptive Disclosure）

通过想象性对话、写作和责任分配，帮助患者：

• 面对事件；
• 与富有同情心的道德权威进行想象对话；
• 更准确地分配责任；
• 处理悲伤和道德痛苦；
• 制定修复计划。

创伤知情罪疚减轻疗法（TrIGR）

重点处理：

• 后见偏差；
• 责任夸大；
• 不合理罪疚；
• 羞耻；
• 价值违背；
• 未来如何按照价值生活。

道德损伤版接纳与承诺疗法（ACT-MI）

它不以“彻底消除痛苦”为唯一目标，而是帮助人：

• 接受道德痛苦仍可能存在；
• 不再让痛苦完全控制行为；
• 明确价值；
• 重新投入有意义的生活。

灵性和群体干预

部分干预会由心理专业人员与宗教或灵性照护者合作，处理：

• 信仰崩塌；
• 宽恕；
• 归属；
• 见证和公开承认；
• 群体关系的重建。

这些专门疗法具有一定前景，但总体证据仍在发展中，许多研究样本较小，并主要来自军事人群。目前还不能断言存在一种对所有道德损伤都最有效的标准治疗。

---

十一、自己可以怎样初步整理？

可以使用下面这个框架，但不建议在情绪极度不稳定时独自深入回忆创伤细节。

事实

只描述发生了什么，不评价人格。

当时条件

记录：

• 当时掌握的信息；
• 可用时间；
• 权力范围；
• 可选行动；
• 身体和心理状态；
• 命令或制度限制。

责任

分别考虑：

• 我的责任；
• 他人的责任；
• 组织的责任；
• 环境和偶然因素。

感受和想法应该分离，责任不一定只能加总成100%，也不等于“谁痛苦最大谁责任最大”。

被违反的价值

例如：

• 保护生命；
• 诚实；
• 忠诚；
• 公正；
• 勇气；
• 照顾家人；
• 专业伦理。

当前可采取的修复行动

选择具体、有限且可持续的行动：

• 停止某种伤害；
• 寻求专业治疗；
• 承认事实；
• 改变工作流程；
• 建立边界；
• 进行适当补偿；
• 恢复一段安全关系；
• 每周做一件符合核心价值的事。

避免独自进行以下做法：

• 强迫自己反复回忆最痛苦的细节；
• 在冲动状态下联系受影响者；
• 公开披露可能导致法律、安全或职业风险的信息；
• 以自伤、酗酒或危险行为赎罪；
• 要求自己立即原谅；
• 接受他人简单的“你没有错”或“你必须受罚”。

---

十二、什么时候应当尽快寻求专业帮助？

出现以下情况时，建议尽快联系精神科医生、临床心理师或创伤治疗师：

• 痛苦持续数周或数月没有减轻；
• 工作、学习或关系明显受损；
• 持续失眠、噩梦、闪回或高度警觉；
• 大量饮酒或使用药物；
• 认为自己不配活着或不配接受帮助；
• 出现故意毁掉关系、职业或健康的行为；
• 产生自伤、自杀或危险性赎罪的想法；
• 出现具体计划、准备行为或无法保证自身安全。

道德损伤与自杀意念、抑郁、PTSD和物质使用问题存在关联，尤其当一个人持续认为自己不可原谅或必须受到惩罚时，风险评估非常重要。

最值得记住的一点是：

道德修复不等于否认责任，也不等于终身惩罚自己。它意味着准确面对事实，承担属于自己的部分，修复能够修复的事情，并重新成为一个按照价值行动的人。

https://www.nber.org/system/files/working_papers/w19681/w19681.pdf

这篇名为“Buffett's Alpha”（巴菲特的阿尔法）的论文收录于文件 "w19681.pdf" 中，由 Andrea Frazzini, David Kabiller 和 Lasse H. Pedersen 撰写。该论文通过严谨的实证分析，探讨了沃伦·巴菲特（Warren Buffett）及其公司伯克希尔·哈撒韦（Berkshire Hathaway）长期以来取得卓越投资业绩的真正驱动力。

1. 令人瞩目的历史业绩，但并非“神话”

• 夏普比率（Sharpe Ratio）：在1976年至2011年期间，伯克希尔·哈撒韦的夏普比率达到了0.76，在所有拥有30年以上历史的美国股票和共同基金中排名第一。

• 收益与风险：虽然其年化超额收益率高达19.0%（同期整体市场仅为6.1%），但这一高收益也伴随着24.9%的波动率（高于市场15.8%的波动率）。

• 经历严重回撤：巴菲特同样经历过大幅亏损的艰难时期。例如，从1998年6月到2000年2月，伯克希尔的市值下跌了44%，而同期整体股市却上涨了32%。

2. 成功的关键一：低成本杠杆 (Leverage)

• 独特且低成本的资金来源：巴菲特能够获得独特、稳定且低廉的杠杆资金，其中最特殊的是其保险和再保险业务产生的“浮存金”（Insurance Float）。保险浮存金平均占其总负债的36%，且其平均年化资金成本仅为2.2%，比同期的国库券（T-Bill）利率还要低3个百分点以上。

• 杠杆比例估算：研究估计，巴菲特平均使用的杠杆比例约为 1.6 : 1 ，这在同比例放大了他的风险的同时，也显著提升了他的超额收益。

• 其他杠杆来源：除了浮存金，他获取杠杆的方式还包括高信用评级的债务发行以及加速折旧带来的税收延期支付等。

3. 成功的关键二：选股策略与因子暴露 (Factor Exposures)

• 传统因子的局限：传统的学术因子（如市场、规模、价值和动量因子）无法完全解释巴菲特的业绩，这也是为什么他的成功曾一度被学术界视为谜团或纯粹的个人天赋。

• 青睐安全与高质量股票（BAB & QMJ）：论文引入了“对赌贝塔”（Betting-Against-Beta, BAB）和“质量减去垃圾”（Quality-Minus-Junk, QMJ）这两个因子。分析数据表明，巴菲特极度倾向于购买“安全”（低贝塔、低波动风险）、“便宜”（低市净率的价值股）且“高质量”（高利润、业绩稳定且高分红）的公司股票。

• Alpha（超额收益）的消失：当在统计回归模型中控制了BAB和QMJ等因子后，巴菲特的超额阿尔法收益在统计上变得不显著。这意味着巴菲特的业绩很大程度上可以由“投资于安全、优质和便宜股票通常会跑赢大盘”这一普遍规律来解释。

4. 选股能力 vs. 企业管理能力 (Public vs. Private)

• 资产拆解：论文将伯克希尔的收益分解为公开交易股票投资组合的收益，以及全资拥有的私有公司的收益。在1980年至2011年间，伯克希尔平均有63%的资产是私有企业，37%的资产投资于公开股票。

• 主要技能在于选股：研究发现，其公开交易股票组合的表现（夏普比率为0.69）优于其私有公司组合（夏普比率为0.43）。这表明，巴菲特超群的能力更多地体现在他的选股技巧上，而不是作为CEO对私有企业进行管理的附加值上。私有公司（尤其是保险业务）的一个核心作用是提供稳定的融资，让他能不断对自己的选股策略施加杠杆。

总结

论文 "w19681.pdf" 总结认为，巴菲特的成功既不是靠抛硬币般的运气，也不是依靠不可言说的魔法，而是依靠巧妙利用低成本的小杠杆，并几十年如一日地坚持投资于便宜、安全、高质量股票所获得的回报。他的伟大之处在于早在半个世纪前就认识到了这些投资因子的有效性，找到了获取长期廉价杠杆的方法，并在经历市场周期与剧烈回撤时，能够做到不抛售并坚守其投资原则。

相比某些火炉城市，西安的夏天人在户外也可以过得相当惬意

水一帖。

不知道门友对暑日和假期有什么印象，又有什么规划。成长在中国火炉的我，记忆里的夏日总是无尽灿烂的烈日倾盆而下，裹覆着大地和生灵万物。从江边袭来的氤氲水汽，锁住已经被粘腻汗水打湿的毛孔。身体的热量无处散发，积郁在胸腔和脑腔。热，真的很热，人像是蒸笼里的螃蟹，被炙烤、汽蒸着心神，被折磨、剥夺理智。

但我喜欢夏天。冬天太阴郁，春天和秋天太短暂。只有夏日有明媚的蔚蓝色天空。深沉的蓝色好像windows7的壁纸一样纯净。还有西瓜，夏季给人类的馈赠，没有比西瓜更好吃的水果，多汁清甜，但不酸不腻，只是我妈不允许我多吃，避免我拉肚子。

夏天还有一年中最长的假期。暑假里我有时间拜访舅舅，和表弟在老家漫山遍野地乱跑。折下树枝，然后去山另一边的小卖部买彩纸做风车；晚上睡在一起但比力气摔跤到半夜；拿把柴刀砍树，制作两把圣剑然后决斗... 种种行为大人们看来幼稚，但给我们无尽快乐。遗憾的是年龄渐长，两人没有了共同话题。我还是当年那般幼稚，但他已经长大成熟了。

暑假里还会和同学相约，每日一同沿江骑行，到区图书馆看书、游戏。家乡的河流真的非常、非常美丽，笔直宽阔的滨江路沿着江水延伸，沿江一侧是茂密的树林，另一侧是缓缓的山体和防滑坡墙，山脚的洋房，一所大学和区图书馆。我和同学在午后两点顶着四十度的高温骑车到图书馆，在图书馆看书、打游戏。我喜好阅读科幻文学，在图书馆里看完了刘慈欣所有的小说，长篇如三体、球闪，短篇如山、赡养上帝等（超新星纪元的各版本还是在网上才阅读完全）；因为没有电话卡，连不上网，我们只能玩平板上的单机游戏。桥梁建筑(poly bridge)成为我们的最爱，两个人交替提出改进意见，优化桥梁设计直到通关。我们至今仍然保持联系，但他在北京上学，所以平时无法见面。

人总是会美化经历，抛却记忆中的不快，塑造美好的回忆，但曾经的快乐的确真实。

日子总不会太好，也不会太差。我是贪婪的物种，即使未来会创造新的快乐回忆，但因为过去的快乐无法重现，我也分外怀念那些逝去的日子。

这个暑假，机械专业实习和重修结束后，我又要返回家乡了。这次我期待着家里肥美的狸花猫，想狠狠撸它；期待着能用攒的钱买一台无人机，在镜头里俯瞰我的家乡；期待着看完《计网自顶向下》后开始学习计组...

最后，祝福所有门友暑假快乐，度过一个难忘的快乐夏天！

本帖用于统一记录和分享我收集到的在读或曾在读 JTU，且毕业于或从业于计算机相关专业或行业的学长学姐、师兄师姐分享的内容。

欢迎大家踊跃投稿或在帖子下直接分享。我这里支持匿名或署名，保护隐私。

我创建的校友群目前也已约 250+ 成员，欢迎校友加入，尤其是已毕业的师兄师姐、学长学姐。有意向者私聊我即可。

本帖将作为我唯一的分享和汇总处，因为微信群的内容保障实在难以恭维。

门里一些你或许会感兴趣的内容：
2023 年找工作个人 memo
说说计算机系本科生如何找实习
再开一个秋招记录贴
xjtu 计算机保研经验分享
距离秋招半年，该怎么准备呢
困顿且挣扎——我的 2025 秋招旅程
来自学长的毕设相关建议【计算机】
结束了本科最后一门考试后，你有什么想法？
Microsoft 人生体验随笔

难得可以看懂这个楼里的内容！虽然一个多月没碰德语了😥

完蛋力，我是傻逼，以前写 sync.Pool 都写错了 😭

We’re using a pool of []byte. Generally (though not always), when you pass a value to an interface, it may cause the value to be placed on the heap. This happens here too, not just with slices but with anything you pass to pool.Put() that isn’t a pointer.
- Go sync.Pool and the Mechanics Behind It

var bufPool = sync.Pool{
	New: func() any {
		// The Pool's New function should generally only return pointer
		// types, since a pointer can be put into the return interface
		// value without an allocation:
		return new(bytes.Buffer)
	},
}

go/src/sync/example_pool_test.go at 2580d0e08d5e9f979b943758d3c49877fb2324cb · golang/go

我也只是觉得好听，并不专业（
其实这样才是纯粹而毫无负担的？😇

以前我总是恐惧自己在某个话题上不够专业而逃避交流，实际上大概业余一点也没关系吧

小红书的道歉大礼包到了~ 😸

从前的日色变得慢
车，马，邮件都慢
一生只够爱一个人

听我妈说，她20左右来 xx 市闯荡时往老家寄钱，用的就是邮局。她说，把邮局里的支票装在信封里寄回去，老家的人收到信函之后，直接就可以在邮局兑钱（怎么感觉还带上了银行的功能？）

感觉好复古啊，信息时代到来之后就再也没有这种感觉了

我感觉原速已经很快了 😂
可惜动漫已经彻底凉凉，以后没得看了。。。不过男主会在团队后续开发的游戏中作为彩蛋出现，如果他们游戏没有难产的话😿

熟悉的研一学长已经在准备实习项目了（他大四发了一篇一作NIPS），而玉米人🌽还在家中悠哉悠哉地摆烂、打球以及给人上网课赚钱。。。这样的日子不能再进行下去了！！！玉米人你应当深刻检讨！
从下周开始，玉米人🌽准备用开学前的这段时间，系统地把 LLM（例如：Transformer、RLHF等）与 Agent（Prompt、Context、Harness、Loop、RAG等）相关内容给整理、学习、复习一遍。。。以及开始严肃阅读论文！🤓 不能因为贪恋眼前的闲适而影响到未来钱途！😡

严肃！艰苦！隐忍！做题！

四年且将要成为七年老交兵的玉米人今天严肃选择研究生培养方案中。。。不知道门里有无数院老学长，求选课秘籍指点 🫠

昨晚九点就已经坐到家里了，兴庆再见

明天早上就要毕业典礼了 🥲 虽然我不会立即离校（等着听学校安排把行李运到研究生校区），但感觉还是有点失落

抽象毕业照（单人版）第一弹

http://xhslink.com/o/haWp8dPISe

添加玉米人🌽好友，即可近距离观看玉米人空间的无码版嘉豪照片🤣

像你这样的大师手法一定很厉害~

毕业倒计时7天。

p1、p2：​上午带着同组同学的论文去找答辩组组长签字，之后懒得走路就在东南门的汉堡吃了口

p3-p5：​傍晚在康桥找到两位经常打的球友要了毕业签名。🥺（明天继续）
一位与我打了新年第一球，一位与我打了大四上最后一球。

p6-p9：晚上参加了励志书院毕业晚会。
p6：活动现场，芳草鲜美，当时天色还亮。
p7：活动现场的零食铺。我拿了司康饼➕肉松卷➕一小瓶可乐。😋

p8：本来我听说现场有拼豆，是打算拼一个牧濑红莉栖的，谁知道只有红白两种颜色。。。于是只能拼官方指导的励志书院logo了，但后面听工作人员说，现场没有烫拼豆的器材！！！于是我果断停下了，及时止损这一块、沉没成本不参与重大决策这一块。😡

不止是拼豆，编手串之路也命途多舛。

刚把手串编好，谁知手绳圈上的最后一段绳子刚好用完了，直接就是“大珠小珠落玉盘”，珠子挂件啥的在草坪里散落一地😭😭😭我只能坐在原地无能为力😭😭😭
我打起精神继续编第二串。一个路人过来问我是啥专业的，我说强基数学。结果坐在我正对面的两位工作人员表示自己也是强数的。😂而且她们的高代老师还是贾慧莲老师（强基高代最高的山、最长的河😤）
然后我就一边编第二串，一边回答两位大一强基学妹有关分流、专业选修课等方面的问题。

其中一位同学准备加我wx继续咨询来着，但当时我想着先编完手串再加，直到回宿舍才想起来这件事，实在不好意思。。。如果朋友圈有认识她们的同学，麻烦帮我推一下。🥲我真不是故意不加的。😇
​
​p9：演出结束。

我去，突然发现我忘记打码班级姓名了 🤣 已修改

毕业倒计时8天（20260616）
p1：昨天在主楼平台拍抽象毕业照，被路人拍到。

昨天中午我在朋友圈发完豆包小视频之后，分别有两个同学告诉我，在各自的小群里看见我了。🤣
说到我（豆包）头上的小红帽，本来我们预定的是 Make XJTU Great Again，谁知道发来了个 Make SJTU Great Again，但校徽是西交的。😇 啥时候两校能合并啊？Make JiaoTong Great Again！😡👊🏻
后续是商家承诺再做一套帽子补发，但是不知道啥时候能到，所以我们就先用MSGA了，找找角度可以不漏出来S

p2-p4：与同门找导师在论文提交意见书上签字，并在数学楼前合影。（就不在这里放合影了）
p5：班主任老师带着吃东北铁锅炖，边上的烤馍真好吃！😋

p6、p7：真成xhs大V了，也是让我蹭到西交官号了。😎

毕业倒计时9天（20260615）

p1、p2：​昨天沪上阿姨有杨枝甘露买一送一（可寄存）活动，我一看，相当于 5 折嘛，买了！等今天我想提出来寄存的那杯，突然发现被小程序制裁了。😡
我花了大约 30 min，据理力争讨回了失落的 20 r。午饭吃熊麻婆的炒饭➕杨枝甘露冰沙，美滋滋。🥰
​

p3、p4：​晚上和球友约了球，所以吃清淡点。这应该是本科期间最后几场球了。😔

p5：打完球在​浴室门口遇见了卖麒麟瓜的大爷，遂买 1/4 个瓜🍉解渴，这应该是我今年吃到的第一口瓜。

p6：在宿舍一楼遇到的小熊。🐻可爱捏，但是买不起。🥲
​p7：网图，被价格吓晕。😵

距毕业还剩10天（20260614）

（​p1-p7）
​10:00-11:30。上午参加了毕业生骨干欢送会，在抽奖环节并未能中奖。😔不过拿到了每个人都有的小福利：文创手提袋（看起来质量一般，感觉容易坏）、文创雪糕（不好吃）、西交纪念币（夯）、一提饮料（NPC）。

p8：励志书院一楼历年的奖杯🏆

​p9：《狼与满身泥的上门之狼》《狼与香辛料的回忆》
今天中午把《狼与香辛料》和《狼与羊皮纸》的所有章节全部看完了，本篇有些细节已记不清，已经达到了罗伦斯所说的『读完结尾就忘掉开头』的地步。（反转了，我GitHub和小红书头像真是赫萝🐺）

我第一次看这部作品还是24年暑假。因为是中世纪题材，我很轻松就沉浸进去了——花了不到两周时间就速通了本篇的主要部分（太阳之金币）。大三上开学忙起来之后，我就没接着看后日谈与子世代了。直到大四下，我每天边吃边看都看一些，终于在今天看完了全部内容。

因为支仓冻砂基本每年还都在保持更新、而且本篇早已完结（后日谈都出好多部了），所以这次我意外地没啥失落感与空虚感。😇
公路片就这点好处，如果作者愿意，就可以一直把旅行商人和贤狼🐺的故事写下去。虽然一直有寿命论这把大刀悬在头上，但罗伦斯和赫萝在此前提下的互动反而更甜了。

​正是因为每个人都会在时间之河的某处睡下，所以有限的人生才会显得宝贵。从长生种的视角出发，一切事儿都会随着时间被抹平——都不算事儿。

这下更应该以好心情来度过每一天了。​☺️

距离毕业11天（20260613）

​（p1-p3）
10:00-15:30
​依旧备课。为了花完钱图咖啡厅里的钱，今天狂点松饼🥞冰激凌🍦➕大杯摩卡咖啡[咖啡]。另外，今天是我四年来第一次在咖啡厅里自习，以前都是打包带走。。。还是在现场吃有氛围。😚
​（p4）
​晚饭吃饺子🥟，平常我都配的辣椒油，今天配小香醋。
因为昨天的MRI诊断结果上说疑似存在颌下腺导管结石。在网上搜的缓解方法是吃点酸的，多分泌唾液可以冲出来。🥲

http://xhslink.com/o/5jDd5k27Han

今日更新

想西安了...

毕业倒计时13天（20260611）

感谢颗粒肘学弟骑车请俺去吃寿喜锅，本大胃袋已爽吃。🥰

​吃饭期间刚好躲过了突如其来的雨，回程路上得以欣赏西安的蓝调时刻。

​p1-p3：去的路上

​p5：牛匠寿喜锅
​p4、p5-p9：回程路上。途中经过长乐门。

笑点解析：发完这句话之后就连不上了 🤣

好不容易连上了你站，腹泻式更新一下

确实现在了解一方面的知识直接问 LLM 要比传统搜索和真人 Q&A 高效得多，我的很多代码风格和设计模式都来自 LLM，不知道会不会沾染上所谓 slop 气味

现在我用 vscode copilot + deepseek-v4-pro 纠错和写单元测试还挺爽的，不过逻辑还是我自己写

已严肃集齐在校期间所有能获取的联名卡（或许）🫡

最近在疯狂收集好看壁纸中，准备等blog更新了用。😸

我特别喜欢那种放高清带原作者艺术水印的图，因为用起来毫无负担。🐭 如果是没水印的图：一方面，我每天都在高强度下图，实在懒得存出处；另一方面，如果不加 from xxx 的说明就直接用，总感觉不太好。。。😿

我最近准备更一个有关爬虫的blog。
事情是这样的：我从一个神秘渠道得知，一个神秘平台上的神秘免费漫画将在几个月后因为某些原因下架，且 n 年内不得在任意平台上架。。。为了在下架后重新回顾童年经典，我决心把漫画存下来。
这部漫画到目前总共不到300话，且距离下架还有好好几个月，存在人工慢慢下载的可能——但！我！是！懒！狗！
于是我拜托 Kimi Code 大人写代码，把这部漫爬了下来，然而我本人并不会爬虫。🐛
（Kimi Code：这股力量不属于你！😤）

所以，在爬完整部漫画之后，我出于学习的目的，准备让 ai 用 最直白、最简洁、最不绕弯、最开门见山 的方式教会我爬虫🐛的全流程，然后我整理为blog，就当是在实践中学习了。

PS：Vibe Coding 还是太强了。😭

玉米人的最新动态，因为懒得做交大門特供版，就直接放小红书链接了 🐁
（其中图片并无打码，玉米人身份大公开！）

http://xhslink.com/o/2OyOQWZr8jT

http://xhslink.com/o/4e22UhgahDX

我好像是本站前50个注册的用户，当时我拉着室友一起注册了 🤣
我们宿舍在門里还有群。。。可是现在只有我一个人在玩了 😭

哇，玉米人已经来門三周年了。。。当年还是大一的玉米，最初还是在西交ACM群里知道的門

明明只是随手一发，竟然快25w的浏览量。。。这下成大V了 🤣

http://xhslink.com/o/7P2IFseF0bG

西交发了学士服，给門友晒一下 🫶 🥰
因为懒得从手机再捯饬照片了，就转一下xhs链接。我朋友圈/空间内容也和这个差不多。

刚刚九点多的时候把初稿发给导师了，希望别被要求大改 😢 🐁

没有被要求大改。
导师说不用着急，即使截止了他也后台退回让我和同门再修（？）这或许是暗示后面还要继续改。。。
我本来想28号就开摆狂玩的说。。。

竟然这么久都没来水了，最近🌽依旧是在搞毕设。

接上文，导师估计对我那周的结果不太满意（当时效果实属一般），就说“本科毕设做成这样也行”，然后让我可以再找别的方向探索探索。或许他觉得我五月初就停止改进写论文，这也放弃地太早了。

但我本来准备开摆等毕业了，所以随便在网上找点灵感试试，结果刷到了一篇 2026.4.30 才挂到 arxiv 上的、把 Consistency Model 用到离散扩散语言模型上的新论文，而且他在 comments 那里还写了个 ICML 2026！🤯 我毕设做的是离散流匹配（和离散扩散同属离散生成模型，应当能方法相通）下的少步生成，寒假我明明在棋盘格 toy example 上已经试过了 Consistency Distillation 的，明明没效果啊。。。为啥他能有效？还发了三大会？🤔

寒假 toy example 实验结果节选，学到了教师的输出，但是完全没有加到速啊喂。。。

我研究了一下，这篇新论文应当是走的 Consistency Training 的路子，从头在离散空间中训练一个 Consistency Model。在理论方面，他们重新定义了离散空间里的 Self-Consistency，建立了一个离散空间中的 Consistency Model，之后就是 EMA 训练以及对步长的 Curriculum learning 那一套 trick。理论上的有用性仁者见仁智者见智，总之他们是自圆其说了，最大的理论贡献（？）可能在于推导出了 $q(x_t | x_s, x_1), 0\lt s\lt t\lt 1$ （ $x_1$ 是干净数据）。因为离散空间是不具备 PF-ODE 确定性轨迹的，他就用这样的后验来计算出同一演化路径下不同时刻的两个数据点 $x_t, x_s$，再选择合适的度量对输出做约束 $\mathbb{D}(f_{\theta}(x_t, t) \mid \mid f_{\theta}(x_s, s))$

我仿照着他的操作给我的代码也加入了 Consistency Loss。刚开始我脑抽了，可能是急着改代码，不知道怎么想的，用了下面的方法

$$x_t \rightarrow pred_1 = f _{\theta}(x_t, t) \rightarrow x_s \sim q(x_s \mid x_t, pred_1) \rightarrow pred_2=f _{\theta}(x_s, s) \rightarrow \mathbb{D}(pred_1 \mid \mid pred_2)$$

我在最小数据上试了以下，不能 work，甚至是负优化。我推测是因为 $x_t, x_s$ 连着预测两次，信息损失（误差）太大。在我看到上面负优化实验结果的一瞬间，我突然尤里卡！其实应该是下面结果才对啊！！！

$$x_s \sim q(x_s \mid x_t, x_1) \rightarrow pred_1=f _{\theta}(x_t, t), pred_2=f _{\theta}(x_s, s) \rightarrow \mathbb{D}(pred_1 \mid \mid pred_2)$$

这样改完之后，少步生成效果竟然猛猛涨点。。。这下不得不改了 🤓

这里还有一个有趣的乌龙：我之前看他在 arxiv 的 comments 写着 ICML 2026，但我在做给导师的汇报PPT前实际一查，发现他其实被 reject 了 🤣 还好我没提前知道他们被 reject 了，要不我可能做完第一次错误实验就把他们打为骗子、放弃这个方向了。🤣

总之现在我还在写论文（目前进度60%）。实验方面，我18号跑的实验今天下午就能收了，把测试一跑、数据一拿，实验部分就可以大结局了。接下来我的任务就是在明天下午之前把初稿写出来，赶紧给导师看，然后查重。28号就要截止查重了，时间还是很紧张的。😇

后记：最近我觉得很多方法论级别的 idea 很厉害（就比如 Consistency Model，以及在各个算法中无处不在的 No Free Lunch 和 “先验知识嵌入” 这两个高度抽象的观点），已经变成玄学人士力（悲）

好久没有在楼里更新中长篇日常了。一方面是因为最近上🚪老被 ban，另一方面是我在空间朋友圈B站小红书上转型做 vlog 博主（指正：流水账 vlog 博主🫠），所以用文字记录就少了。经过了一段时间的尝试，我认为还是【文字+图片】的信息组合比较好，写起来读起来效率都高得多。🐁

本来假期前一周就计划好五一每天要玩的东西了，最后发现都没有达成。 😞 准确来说是只完成了约球和看世乒赛这两项，《赛博朋克酒保行动》只玩了 Day01，算是初步明白了玩法。

游戏方面，我大致搜了一下通关时长，感觉《白2》根本玩不完，所以就先试试《赛博朋克酒保行动》。
《赛博朋克酒保行动》讲述了反乌托邦世界中一个小酒吧 Valhalla 里调酒师 Jill 与她遇到顾客之间的故事。我目前只玩了 Day01，所以对游戏的理解比较有限，但这像素风游戏还是很有趣的。故事主要从调酒师 Jill 和不同顾客的对话（有时候是安慰、有时候是辩论）展开，讨论的问题和切入的视角还是挺有趣的，而且大约每 5min 一个荤段子，这很有酒吧的感觉。🤣（虽然我根本没去过酒吧，甚至没去过 KTV 🤓）

《赛博朋克酒保行动》有趣台词节选

红脸男人的人设是编辑部社长，讨厌但不得不编造一些哗众取宠的能吸引流量的新闻

我觉得谎言就如同人们私藏的毛片，人人都知道他们的存在，但人们不该承认他们的存在

乒乓球方面，昨天和球友约球并录了视频，总共打了 2h，剪出来了 9min 的球，剩下的都是垃圾时间🤡。之前我说要在毕业的时候剪一个 5-10min 的微电影来着，所以现在要抓紧收集素材了。
然后就说到正在进行的世乒赛🏓，昨晚我看了中瑞大战的直播，真给我看力竭了。😅此前，国乒男队 26 年没输过一场球，结果今年一天内连输两场（1-3输韩国，2-3输瑞典），把小组内的种子队全部输了个遍，成功掉到小组内倒数第二（国乒所在的种子队小组一共有四个队：中国队 🇨🇳、瑞典队 🇸🇪、韩国队 🇰🇷、英格兰队 🏴󠁧󠁢󠁥󠁮󠁧󠁿。前三个队是正经种子，英格兰队是东道主，所以破格进入种子组，实力几乎可以忽略不计。）估计这一届夺冠无望了，只可惜了国乒男队 11 连冠的记录。。。今年能走到哪儿算哪儿吧，以后只会一年比一年艰难。😔
我在这里预言法国队 🇫🇷 夺冠，这周日回来看看是否预测成功。

玩的事情写完了，写点内耗的。
最近假期的状态：

1. 8:40-10:00 起床，打开电脑，看看实验跑到什么情况了，存一下实验结果。
2. 10:00-11:20 看完实验之后，无所事事地刷B站
3. 11:20-12:40 出学校吃午饭，顺便跟家长打电话聊天，边吃饭边看轻小说。
4. 13:00-14:50 睡午觉
5. 15:00-16:00 睡醒之后，刷小红书进行清醒
6. 16:00-17:30 想起来上周组会导师指的方向，找点东西准备下周的汇报
7. 17:50-19:30 出门觅食，打电话，看小说
8. 19:30-22:00 边看球边写毕设论文草稿
9. 22:00-24:00 不想学习了。但是吾日一省吾身，发现今天几乎啥也没干，玉米时间🌽

或许上班以后也是这样——即使放假了也没精力出去玩，潜意识里永远被某件事牵着，从来没有得到发自内心的放松，然后就在发呆中浑浑噩噩地度过整个假期，开工以后继续咒骂这个人生。 🫩

已经记不得上次发自内心的放松是什么时候了，应该是高考完刚出录取结果吧？当时我对就业毫无认知，还以为在 985 读完研就能随便去收入不错的好单位。。。又想起来了那个朦胧的、懒洋洋躺在沙发上看番的暑假，夜深忽梦少年事，梦啼妆泪红阑干。疫情前后真是恍如隔世啊。