首先是从心理的角度：
拥有自 性且自知。有目的性（褒义），知道主线是什么，自己喜欢什么、想要什么、该做什么达成。
能够在复杂信息中抓住核心和主要矛盾，忽略噪音，抓住第一原动力，忽略不重要的干扰。
拥有迭代思维，主动自我迭代，在不同评价与反馈中自我修正。
知道一切困难和评价都是暂时的，问题是可以解决的，慢思考决定长线，小事难得糊涂，大事绝不含糊。
其次从行动的角度：
能够快速学习掌握细节和具体使用方法、体现为快速掌握工具和操作的使用（看文档）、并重构成自己的实现（能重构成自己的才算学会了）。
能结合细节把控核心问题，将各类工具和模块组织成系统，体现为能够输出对一个领域方法或者行业的理解，从广度（上下游涉及）到深度（模块选择和影响面）都有自己独到的看法。
能从实践中总结，抽象得到第一性原理。
1. **二元三分理论**：评估一个想法是否值得投入时间的框架。
2. **二元观测**：从“人”和“事”两个维度进行初步评估。
- **人**：评估这个人是否靠谱，包括他的成功经验、资源、为项目所做的努力，以及对项目的信心。
- 是否有成功经验或资源。
- 是否进行了充分的调研和验证。
- 对项目的信心和投入程度。
- **事**：评估项目本身的可行性。
- 时机：项目的创新性与时机是否适合。
- 路径：项目阶段性目标和计划。
- 差异化：项目的独特优势或对标成功案例的关键路径。
3. **信息收集与风险降低**：通过详细的前期调研和信息收集来降低项目风险，提高成功率。
4. **实践与验证的重要性**：强调通过实际行动和验证来补全信息差，从而在量子态的现实世界中做出更好的决策。
5. **选择的重要性**：选择往往比努力更加重要，通过上述框架来筛选机会。
回归是开放空间，分类是固定空间 这个是基于结果来说的视角.
从训练看,分类的数据 在现实中也只是子集,本身也是一种特定场域的固定空间.
只是分类的答案是少数的固定空间 ,回归的答案是开放空间;
打个比方就是值域的不同; 值域不同会让他找到局部最小的语义表达,用来适配任务.
不过,无论分类回归还是降唯聚类，在小模型的时候其实就是相当于直接让模型学会了低维度表示下的方言（用于回归的权重方言，分类的方言）此时可以认为这些都是不同的权重范畴，差别较大，此时也不需要统一表示。
相同模型可以做各类任务 比如cnn都能多元回归。 但在有无监督预训练模型的情况下可以直接迁移到这些子任务，至于任务间学到的语义细节肯定还是有差，这是由于输出的空间和输入空间的差别带来的，但可以相信无监督预训练大模型能够拥有兼容这些任务的统一表示。
相同的网络层和架构，加上不同子任务所需的判别标准，就可以 让权重学到对应需要的语义方言。 如今的大模型时代让我们可以通过迁移学习的方式快速学到恰当的方言表征，数据越大其本质越模糊，无论是哪类任务的底层语义都应该是相似的。
我很喜欢王立群老师的发言，以及他漫长且精彩的人生路。
王立群老师人生道路并不顺利，可以称的上是一路坎坷。在讲史的过程中，他也会讲自己的人生感悟。王立群年轻时候因为成分不好，只能半读半工的方式勉强求学，读民办中学坚持读书。参考高考的时候，取得了五门100分的良好成绩，本以为能够金榜提名。但是在身边成绩差了多的同学都拿到大学通知书的情况下，他知道坏了，历史重演。求职老师时，一机部办了两所学校，一所是机工学校，一所是子弟小学，王立群应聘机工学校的数学老师并成功通过考核。但是一个月之后校长找到他谈话说因为工作需要调到子弟小学，听闻这个消息的王立群当场落泪，也只好接受命运的安排。
1979年恢复高考的时候，王立群老师已经是高龄34岁，想要参加高考但是超龄。后来得知超龄可以直接报考研究生，王立群老师凭借这个机会考上了河南大学的研究生，抓住了人生的机会。后来，百家讲坛在全国遴选老师参与节目，王立群老师讲鸿门宴第一句“沛公据霸上，未得与项羽相见”就讲了十几分钟，这部分内容就打动了节目组，由此站上了百家讲坛的舞台，成为了家喻户晓的人物。直接跨考研究生，一句话十几分钟带来的机会，背后是人生的阅历和积累，磨练打不倒的才华与勇气。
最近我一直在思考，在大语言模型即将无处不在的时代，有什么工具能够帮每个人最快速获得领域知识（相当于一个快速知识蒸馏的工具），一个人怎么学习才算是掌握并验证了这个知识？又或者从做事的视角来看——一个人要做好一件事、做成一件事，它需要哪些信息？哪些最重要？怎么能把一些事情交给AI来做？
对于这些问题，我们当然可以简单从信息获取、模仿开始；如果我要学习一个未知领域，一个好的办法是遵守该领域的权威：各 类大V、各类老师、各类前辈、同行；那我当然可以把这些信息源用来构建我自己的知识库，根据我的需求检索而且按照时间更新；我可以在这些平台获取这类信息源：书本、b站、油管、推特、抖音、arxiv、公众号、研究报告。我可以从这些地方不间断的爬取我想学习领域的内容，然后增量更新构建一个庞大的领域知识库，结合最近大火的RAG（Retrieval-Augmented Generation ）技术，我们之后只需要对知识库提问就可以让自己能达到不错的前沿水平。