AI 的能力边界与工程现实
这组文章都在讲一件事：别把 AI 想得太神。智能不等于权力，训练也远没有看上去那样稳定，真正难的科学研究更不是靠一个简单的强化学习闭环就能做出来。
- 将智慧与权力混为一谈的错误：作者反对把“越聪明”直接理解成“越有权力”。现实中的权力来自制度、信任、组织和协作，不是单个头脑的极限算力。更可能发生的情况是，AI先成为写代码、做研究、帮团队协作的强工具，让背后的人和机构变强。
- 预训练并行策略与失败训练运行的笔记：文章总结了大模型训练里常见但隐蔽的失败点，比如路由、token drop、数值精度和误差累积。也梳理了数据并行、FSDP、管道并行等方法各自的瓶颈。结论很直接：模型越大，训练不会变简单，只会出现更多细小但致命的问题。
- RLVR 在科学领域可能表现得尤为糟糕：作者指出，代码和数学这类“答案可快速验证”的任务，不等于真正的科学发现。很多重要理论在提出时并不能立刻证伪或证实，常常要靠长期判断、研究传统和多条路线并行推进。AI想做科学，不能只靠短反馈、可打分的训练方式。
教育与大学
大学能长期运转，靠的是教授自治；但同一套机制也让学校很难协调和改变。AI正在进入教学，课程内容也在慢慢偏移。
- 高等教育动态链接，2026年5月16日：文章认为，大学的核心制度是教授拥有很大自主权，这保证了学术自由，但也让学校反应迟缓、难以协同。文中还提到用AI定制课程的新尝试，以及教师之间缺少公开交流教学经验的问题。另一项课程研究显示，课程内容里“进步”取向明显增加，而“西方经典”并未同步增长，说明课程重心正在变化。
住房与个人财务
住房和个人理财都离不开一个常识：别只看表面价格，要看背后的供给、制度和风险。城市住房如此，个人投资也是如此。
- 阅读清单 05/16/26：文章提到东京通过持续增加住房供给，维持了相对可负担的房价和租金，但高密度和高生产力并没有压低土地价值。美国住房立法方面，对“建租一体”模式的限制并未进一步收紧，说明政策争论仍集中在供给和租赁模式上。
- MiB：前 FDIC 主席 Shelia Bair：Shelia Bair强调，不同年龄的人都该补上基本金融常识。她尤其担心加密货币、赌博和“先买后付”这些越来越像日常消费一部分的高风险行为，提醒人们别把方便当成安全。
健康与成瘾
关于大麻的讨论里，一个更值得注意的点是：重度使用和抑郁之间关系很强，但现在还不能简单下结论说谁导致谁。
- 科学家称，重度大麻使用可能适得其反。：一项涵盖55项研究、超过320万人的综述发现，大麻使用障碍与重度抑郁症存在明显关联。问题在于，因果关系还不清楚，背后可能同时有自我药疗、长期大量使用、遗传、创伤和压力等因素。对个人来说，最稳妥的结论不是“无害”或“有害”二选一，而是别低估重度使用的风险。