马尔可夫毯和自由能原理：新一代大模型的演进方向
文章从马尔可夫毯与自由能原理出发，探讨新一代大模型（如GPT-6 Astra）的演进方向。作者认为，模型能力提升的关键在于与环境交互：通过观察、行动和反馈形成闭环，主动推断并选择信息量最大的行动。文章结合Friston的主动推断理论，提出“模型+工具+环境”的评估框架，并强调好奇心、分层控制和贝叶斯更新在AI应用中的价值，最终指向人如何定义任务与判断意义。
全部文档 / 标签: 好奇心
4 篇
这里是 Jonathan：一个 05 年大学生的自我介绍与长期主义宣言
本文是 05 年大学生 Jonathan Wu 的个人介绍。他正在学习 AI，使用 Codex 探索 AI 视频生成与剪辑工作流，同时认真经营 X 平台，将其视为长期时间轴和动态名片。他兴趣广泛，涵盖投资、读书、健身、Web3 等，秉持长期主义与复利信念，强调在值得的事情上坚持足够久，并保持好奇心与行动力。文章记录了他开始做 X 的契机、个人信念以及对未来的开放态度。
如何让大脑渴望做困难的事
文章探讨了内在动机与外在动机的区别，指出内在动机（好奇心、精通、自主性、目的、自主性）是驱动人们坚持做困难工作的关键。作者通过自身在学术界的经历，分析了内在动机缺失的原因，并提出了提升内在动机的方法。
AI时代的人才，最重要的6点特质
作者基于招聘经验提出，在AI时代，技能的重要性被特质取代。最核心的6种特质为：好奇心（持续学习的燃料）、靠谱（稀缺的真实信任）、事实洁癖（批判性思维）、多元化思维（AI欠缺的跨度）、能忍受不确定性（雾中行走的能力）以及低ego高自驱。这些难以被AI替代的底层素质，构成了人才真正的护城河。
