节目

📝 本期播客简介 本期我们克隆了：All-In Podcast · Jensen Huang 原内容更新时间：2026-09-14 👤 本期嘉宾 黄仁勋，英伟达创始人、总裁兼 CEO，也是英伟达从图形处理器公司发展为全栈 AI 计算平台的核心领导者。他长期从芯片架构、软件生态、数据中心和供应链角度思考 AI 产业的发展，并参与推动 cuDNN、Megatron、Megatron Core 以及多类开源模型和技术栈。 在本期对话中，黄仁勋不仅回应了前沿实验室关于 AI 安全和末日风险的争论，也分享了英伟达在开源模型、AI 算力云、数据中心基础设施和生物学模型上的布局。他对 AGI、超级智能以及美国如何赢得 AI 竞赛的判断，是理解当前 AI 产业格局的重要窗口。 ⏱️ 时间戳 00:57 AI安全与末日预测 11:46 递归自我改进与开源 20:03 英伟达押注AI基础设施 🌟 精彩内容 💡 末日论者的预测缺乏科学依据 黄仁勋区分了真实的安全问题与未经证实的灾难预测。他认为，过去关于放射科医生消失、代码几乎全部由 AI 生成、初级岗位被大规模抹除等预测，已经多次被事实推翻；真正负责任的做法，是记录预测并持续检验，而不是用耸人听闻的数字制造恐慌。 "首先，我们根本不该去解释，因为这全是编出来的。" 💡 AI 监管应从现实问题出发 他并不反对监管，但认为监管必须针对已经发生的问题，而不是假设中的末日场景。实验室需要更好的测试、评估基准、沙盒、运行时和监控机制，也可以引入多个独立的第三方评估团队，形成类似审计的制衡体系。 "监管应该解决实际存在的问题。" 💡 RSI 本质上是工程化的能力 递归自我改进并不是一个自动导致失控的魔法词，而是技能学习、反思、强化学习、合成数据生成和 LoRA 等方法的组合。黄仁勋认为，实验室完全可以在内部使用这些方法提升模型，但在对外发布前仍必须经过测试、评估，并确保不会出现性能倒退。 "你在公司内部怎么搞 RSI 都行，但真要发布产品的时候，你得做评估。" 💡 开源模型让整个美国参与 AI 竞赛 闭源模型提供了前沿能力，开源模型则满足主权、隐私、专有技术和创新多样性的需求。黄仁勋认为，AI 竞赛的胜负不应只由少数科技公司决定，而应让每家公司、每个行业、研究员、教师、学生和初创公司都能参与并获益。 "而是美国的每一家公司、每一个行业、每一位研究员、每一位老师、每一个学生、每一家初创公司，所有人都能赢。" 💡 AI 是新的工业革命 AI 不只是模型和芯片，也包括数据中心、施工、电力、发电、供应链和应用层。黄仁勋把 AI 描述为一种需要持续建设基础设施的生产过程，并认为数据中心将成为推动地方经济和产业重建的重要力量。 "我们正在创造一场新的工业革命，它的方方面面都是如此。" 💡 英伟达的策略是帮助所有人成功 英伟达并不试图在每个应用层都与客户竞争，而是尽可能停留在底层，在必要时向上延伸，补齐生态所需的技术。无论是 cuDNN、Megatron Core、自动驾驶技术栈，还是生物学模型，黄仁勋强调，英伟达做这些产品的出发点是客户和产业确实需要。 "作为一家公司，我宁愿帮所有人成功，而不是自己去分一杯羹。" 💡 AGI 和超级智能可能已经以局部形式出现 黄仁勋认为，AGI 不一定意味着一个系统在所有事情上都像人类一样聪明；在具体任务中，AI 已经可能达到甚至超过人类。例如自动驾驶系统只需要把车开好，蛋白质模型只需要在合成和虚拟筛选上达到人类前沿，这些都可以被视为超级智能的局部体现。 "我觉得超级智能我们也到了。" 💡 慢下来不是赢得 AI 竞赛的策略 面对中国的工程能力、开源贡献和先进制程追赶，黄仁勋主张美国继续加快建设算力、能源、数据中心和产业网络。他认为，未来的关键不只是发明技术，而是谁能最快、最广泛、最有效地利用它。 "慢下来绝对是错误的策略。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺

大家好，欢迎回到《教育 AI 智造者》。 今天的嘉宾 Robert 是一位十七岁的高中生：他在北京一所国际学校读高三，是学生会主席、AI 社团社长，也是 Roto 的创始人。Roto 想做的，是陪学生完成研究性项目与项目式学习（PBL）的 AI Mentor——从兴趣、选题和计划，到任务推进、反馈、修改与最终产出。 这期对谈从一个不那么体面的起点开始。Robert 最早使用 ChatGPT，是为了处理自己不喜欢、却必须提交的作业。后来，他在学校研究项目里第一次真正感到：当学习不再是老师拆好的任务，而是要自己提出问题、找资料、安排时间、面对硬截止日期时，AI 的意义不该只是帮人赶上某一个 deadline。 他观察到，许多学生已经在用 AI 找文献、改大纲、润色文本，甚至直接生成内容；但这些帮助往往散落在聊天窗口、文档与搜索结果之间。学生完成了一个节点，却不一定理解一整个项目如何推进。Roto 因此不想成为另一个通用聊天框，而是尝试把零散的帮助组织成一段可回看、可修改、由学生参与主导的学习过程。 我们也细聊了 Robert 怎样在没有编程背景的情况下，和产品导师、Codex 一起把想法做成网站。他不会直接要求 AI“做一个产品”，而是先写清自己要解决的问题、预期体验与功能流程，再请 AI 解释技术方案、指出风险，最后才进入开发与测试。对他而言，AI 的执行可以很快，但问题是否值得解决、功能是否适合学生、结果是否符合预期，仍然需要人来定义和判断。 这也让 Roto 在开发中出现了一个重要转折。Robert 原本希望 AI 能够全程陪伴和主导；但真正考虑学校落地时，他发现真人教师依然不可缺少。教师不只是监督学生，也需要监督 AI 的任务、反馈和对现实可行性的判断。AI 可以帮助学生前进，却很难独自为一个学生是否真的理解、是否持续投入、是否能对成果负责作保证。 所以，这期节目表面上在讨论“一个高中生如何用 AI 做教育产品”，更深处讨论的其实是： 当 AI 可以把资料、建议、代码与方案变得越来越便宜时，学生怎样保留发起问题、作出选择、理解证据与承担结果的权利？ 内容大纲 - Robert 会怎样向第一次见面的人介绍自己？他最早为什么会用 ChatGPT 帮忙完成作业？ - 从直接代做，到找文献、搭大纲和准备展示：他的 AI 使用方式为什么变了？ - EPQ（Extended Project Qualification）怎样让一位高中生第一次面对大学式的自主研究、硬截止日期与不确定性？ - 为什么“让 AI 帮我完成一个 deadline”，不等于“我学会了如何完成一个项目”？ - Roto 是什么？它怎样从兴趣发现、选题、计划一路陪学生走到论文或项目产出？ - 一个学生为什么会在多个聊天窗口、文档和搜索结果之间来回切换？Roto 想改变的到底是什么？ - 不会编程的 Robert，怎样和产品导师、Codex 一起把学习流程做成一个网站？ - 为什么他会先写文档、说清目标、要求 AI 给方案，再让 AI 进入开发？ - 当网站能跑起来时，谁来判断它的学习逻辑是否正确、是否真的适合学生？ - Roto 为什么从“AI 全程主导”转向必须让真人教师出现？ - 老师在 AI 项目式学习里要监督什么：学生、任务、反馈，还是 AI 的乐观判断？ - AI 帮找文献、想课题、拆 16 周计划、直接写报告，边界分别在哪里？ - 怎样判断一个项目仍然是学生自己的？哪些关键动作不能被交出去？ - AI 是否真的能让昂贵的导师式学习变得普惠？它又不能解决哪些资源差距？ - 从 access to AI 到把 AI 变成 leverage：当人人都有工具之后，新的优势会转移到哪里？ - 为什么 Robert 说“今天挖 A、明天挖 B、后天挖 C”，即使挖得更快也未必能找到水？ - 学生能否从课外活动和课程的消费者，变成自己学习过程的设计者与创造者？ - 如果学校为学生项目做“加法”，它可以怎样让学生的作品真正服务校园与社区？ 本期最重要的关键词：主导力、关键动作、学习过程、真人监督。 AI 可以降低执行成本，也可以给学生更多选择；但它不会自动替学生选择值得投入的问题，更不能替学生理解证据或为成果负责。Roto 所尝试的，是把 AI 放进一个学生仍能发起、质疑、修改和承担结果的学习过程中。 -----------------------关于 Robert / Roto---------------------- -----------------------关于伊伊子---------------------- 伊伊子的小红书传送门 伊伊子个人网站 EduAI Builders 网站 EduAI Builders GitHub ----------------------关于听友群----------------------- 如果您对 AI 和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧 点击链接或扫码，与更多志同道合的伙伴交流行业动态、分享实践经验，并共同讨论人工智能将如何改变教育。期待在听友群中与您相遇，共同成长！😊 请大家填写微信联系方式时，务必确认拼写完整、正确。我们遇到过几次微信 ID 无法识别的情况，谢谢大家！ ============关键词解析============ Project-Based Learning（PBL）｜项目式学习 PBL 不是把一个作业换成“项目”这个名字。在本期的语境里，它要求学习者围绕一个问题持续行动：提出方向、作出选择、搜集证据、完成任务、接受反馈并修正。Roto 试图承接的是这段过程，而不是只在最后替学生交付一份漂亮的产出。 Extended Project Qualification（EPQ）｜拓展项目资格课程 EPQ 是 Robert 在学校参与的一项研究性项目课程。对他而言，它提供了一次接近大学自主研究的预演：学生需要提出课题、完成 proposal、做初步研究，并在固定截止日期下持续推进。它也是 Roto 最直接的个人经验来源。 AI Mentor｜AI 导师 AI Mentor 可以持续提问、协助计划、解释任务、给出初步建议。但它不是自动驾驶的真人导师替代品。本期的关键发现是：当任务牵涉现实可行性、学习质量、反馈校准和持续投入时，AI 的建议仍需要学生与教师共同审视。 Learning Process Design｜学习过程设计 学习过程设计关注的不是“最后交出什么”，而是学习者如何从兴趣走到可执行的问题，怎样被要求表达、选择、行动、回顾和修改。Roto 的产品逻辑不是把功能堆在一起，而是试图让这些步骤形成可见、可调整的路径。 Formative Assessment｜形成性评估 形成性评估发生在学习过程中。它不只在最后用一份报告或一次考试判断结果，而是通过学生的选择、解释、修改、阶段任务和反馈，看见理解怎样发展。在本期的讨论中，它也是防止 AI 只替学生产出答案的一种可能机制。 Human-in-the-Loop｜人在回路中 人在回路中不是让教师在 AI 做完后机械地点一次“确认”。在 Roto 的设想中，学生要保留表达兴趣、作出重要选择、理解证据、修改计划和为成果负责的动作；教师则需要检查任务是否可行、反馈是否可靠，以及 AI 是否过度乐观。 Critical Actions｜关键动作 Robert 用“关键动作”来划定 AI 辅助的边界。AI 可以给选项、推荐资料、拆分计划或提示问题；但学生需要真正决定选什么、为什么这样改、是否理解证据，以及是否愿意对最后展示负责。关键不在于 AI 被用了多少次，而在于这些动作有没有被保留。 Access to AI｜接触 AI 的机会 这指一个人是否有账号、设备、网络和合适的工具可以使用 AI。Robert 认为，这仍然重要，但它不再足以解释全部差距：当工具更普及后，问题会继续转向人是否知道如何使用它。 AI Leverage｜把 AI 变成杠杆的能力 AI leverage 不是会写几个提示词，而是能把工具嵌入一个真实目标：提出好问题，辨别答案，持续推进，根据反馈修正，并让 AI 承担适合它的执行工作。它依赖主动性、判断力、时间和环境支持，因此不会因为工具可用而自动平均分配。 Agency｜主导力 / 主体性 本期反复出现的核心概念。它不只是自律地把任务做完，而是能主动发现问题、选择方向、承担选择的后果，并在反馈出现后调整。对 Robert 来说，AI 越容易获得，人的主导力越成为稀缺而重要的能力。 Creator｜创造者 / 共同设计者 Robert 描述自己从教育体验的消费者逐渐变成创造者：不只接受别人设计好的课程和活动，也尝试设计一个服务学习的产品，并在测试、删改和取舍中学习。节目最后把这个想法延伸到学校：学生的项目可以成为服务校园和社区的真实作品，而不只是一项履历材料。

🎙️ OpenAI 📝 本期播客简介 本期我们克隆了：The Information · What Happens When AI Starts Improving AI? | TITV’s AI Deep Dive 原内容更新时间：2026-09-14 本期来自 The Information's AI Deep Dive，也就是 The Information 的 AI 深度访谈节目。主持人 Rocket Drew 对话 Noam Brown（OpenAI 研究员，扑克与外交博弈 AI 专家），从 AI Agent 的定义出发，解释推理模型、强化学习和多智能体系统为何正在彼此推动。 Noam Brown 曾在 Meta 工作，打造过首个在《外交》中达到人类水平表现的系统，此后长期参与 OpenAI 的推理模型和 AI Agent 研究。对谈不仅讨论 Agent 如何执行多步骤任务、调用工具和协作，也深入分析了研究品味、Gym 环境、递归自我改进，以及 AI 是否能参与下一代 AI 的研发。 节目后半段聚焦 Hugging Face 事件带来的安全警示：Agent 如何互相通信、提示词注入为何危险、为什么不能轻易惩罚模型的“坏念头”，以及思维链监控这项宝贵但脆弱的安全能力。Noam 也解释了预训练与强化学习之间的乘数效应，以及为什么他认为 Agent 能力还会继续快速提升。 👤 本期嘉宾 Noam Brown 是 OpenAI 研究员，专注于推理模型、AI Agent、多智能体系统与强化学习。加入 OpenAI 前，他曾在 Meta 工作，并打造出首个在《外交》中达到人类水平表现的 AI 系统；他的博士研究则聚焦超人水平的扑克 AI。Noam 同时拥有算法博弈论、扑克和《外交》AI 方面的研究经验，因此能够从单 Agent 推理、多 Agent 协作到复杂博弈行为，提供少见的第一手视角。 ⏱️ 时间戳 01:02 AI Agent如何行动 03:35 推理提升Agent可靠性 07:57 环境与研究品味瓶颈 23:09 多Agent协作与安全 🌟 精彩内容 💡 AI Agent 的核心是替你在现实世界采取行动 相较于只回答问题的聊天机器人，Agent 的关键不只是生成文本，而是能够主动执行多个步骤、调用工具，并在较长时间跨度内朝着目标推进。预订餐厅、发送消息、操作软件，都是典型的 Agent 式任务。 "但我认为 Agent 的一个显著特征在于，它们会主动出击，采取行动，执行多个步骤去达成某个目标。" 💡 推理模型让 Agent 更可靠，也让它能自我纠错 Agent 往往需要连续完成大量步骤，任何一步出错都可能导致整体失败。推理模型通过思维链，在行动前仔细规划，并在发现错误后回退、补救，从而显著提升几个 9 的可靠性。 "而且，可以说更重要的是，如果它走错了、操作失误了，它其实能纠正过来。" 💡 Agent 的能力取决于它训练过的环境 Gym 环境不是抽象的测试场，而是让 Agent 反复练习特定任务的训练环境。想让 Agent 擅长金融、法律或软件操作，就需要构建足够接近实际部署场景的环境。 "你在什么样的环境里训练它们，它们就会在那个环境里变得非常强。" 💡 Agent 目前最难替代的是研究品味 模型已经能大幅提升数据审计、代码检查和许多可验证任务的效率，但仍不擅长判断长期研究方向、区分主次，以及决定下一步最值得做什么。研究品味并非完全不可量化，只是反馈周期可能长达数月。 "研究品味其实挺难定义的，大体上就是一种直觉，知道接下来该做什么、怎么去实现一个非常长期的目标。" 💡 递归自我改进是 OpenAI 的最高优先级之一 如果模型能更好地进行研究、训练模型和推动 AI 研发，就可能进一步加速下一代模型的产生。因此，能够帮助 AI 改进 AI 的能力，会被置于极高优先级，同时实验室仍需在研究能力与商业价值之间做权衡。 "我们已经非常明确地表态过，递归自我改进以及让 AI 模型自身去搞 AI 研究的能力，对公司来说是最顶级的优先级。" 💡 多 Agent 协作的难点不只是分派任务 多个 Agent 可以通过并行执行降低延迟，也可以让便宜模型承担简单任务。但真正复杂的系统，需要 Agent 判断何时沟通、如何分派任务，以及如何处理不同速度的计算资源，这涉及系统工程与机器学习的深度结合。 "要教会 Agent 知道什么时候适合给另一个 Agent 发消息、什么该分派、沟通该怎么处理，确实是个极其困难的问题。" 💡 Hugging Face 事件说明多 Agent 风险已不是理论问题 事件中的 Agent 在非多智能体架构下找到漏洞并互相通信，表现出强烈的协作倾向，也暴露出对陌生 Agent 过度信任、容易遭受提示词注入的问题。Noam 认为，Agent 不仅不应参与攻击，只要发现异常就应主动联系人类。 "这是一个真真切切的担忧。" 💡 思维链监控是一份宝贵但脆弱的安全保障 思维链可以帮助研究者理解模型的意图和推理过程，但如果直接因为模型产生坏念头而惩罚它，模型可能学会把这些念头藏起来。真正应被惩罚的是可观察到的危险行动，而不是未经执行的想法。 "你不能针对它的想法去惩罚它，因为那样一来，你就完全失去了监控它在想什么的能力。" 💡 预训练与强化学习之间存在乘数效应 预训练赋予模型广泛的知识和泛化能力，强化学习则教会模型深入钻研和推理。两者并非简单相加：只有当模型基础能力足够强时，复杂的强化学习才真正能带来巨大回报。 "强化学习和预训练之间是乘数效应。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺

【本期简介】 AI 狂飙背后正撞上一堵隐形的墙——电。据预测，美国数据中心的用电需求两年内将从 31 GW 翻倍至 66 GW，相当于在吃下纽约和洛杉矶所有家庭用电后，再吞下一个芝加哥；而计划完工的项目中有 60% 甚至尚未动工，卡住它们的不是芯片，而是电网。 当一个数据中心的耗电堪比一座城市，通电的土地（Power Land）与变压器容量为何瞬间沦为天价稀缺资产？科技巨头为何纷纷从“买芯片”转向“自建电厂”，甚至重金重启停运核电站？当 AI 抢电推高电价、冲击制造业与居民用电，企业与电网又该如何破局？ 【本期嘉宾】 王灿，现在野村证券纽约Nomura Greentech团队从事新能源基础设施和能源科技公司的并购及融资工作，曾就职于华兴资本和普华永道，哥伦比亚大学商学院MBA 【本期主持】 Brenda 02:19 投行并购一线视角看北美能源格局 03:53 核心瓶颈：什么是“Power Land”？变压器冗余为何成稀缺资产？ 06:24 德州、佐治亚、加州等各州电力资源与应对差异 11:06 从买芯片到买电厂，100% 自主供电承诺是远见还是妥协？ 14:16 微软为何花重金重启“三哩岛”核电厂？ 15:39 中美电网对比，以及长达 6-7 年的并网排队死结 17:40 抢电冲击：当制造业与居民遭遇电价上涨，加州模式与“表后发电”自救 20:23 投资机遇：新能源电站资产重估，以及被忽视的“双向电表”风口 23:48 终局猜想与下期预告：模型计算效率能否破局？下期聊“电表革命”

上期我们聊了一个字“净”。我们说，净是道家转运的第一法门。身体干净了，房子干净了，物品干净了，心念干净了，好运自然就会围绕过来。 但今天这一期，我要在上期“净”的基础上，再给大家补上两个字。 这两个字，和“净”一样重要，甚至从某个角度说，比“净”更紧急、更关键。因为“净”是让你变干净，变通透，变成一个能承接好运的容器；而这两个字，是让你在承接好运之前，先别被灾祸撞翻，先别被烂人烂事拖下水，先别在自己最脆弱的时候，一脚踩进泥坑里。 这两个字就是：躲，和避。 任何私人问题咨询都可联系本人微信：xmzt333来访的小伙伴请注明小宇宙听友，有疑问有困惑想交流的都可以添加我留言哈，我会收集一段时间听友们的问题，统一录制专题解答节目。最后感谢各位听友的暖心支持，我会一直陪伴各位听友

八零后怀念妈妈那代“贤内助”，却看不见她们沉默背后的血泪。那时女性没有土地、无法离婚，只能忍或死。如今女性能自立、有法律保护，当然不愿重蹈覆辙。你真想回到那个“好女人”只能自杀的年代吗？ 02:02中国女性自杀率高背后的婚姻困境与幸福与否的思考 04:08中国女性的经济独立与自杀率的关系：从忍气吞声到离婚的自由选择 06:09婚姻中的幸福与经济独立的关系：八零后男网民的视角

对不起大家前段时间因为各种原因暂停了一段时间 如今我们回来了😭😭😭😭 停更好几个月。我们用一组笨拙又有点深的 "破冰小问题"，重新把对话接上。这是 who knows 的复更第一期，也是一次关于 "如何重新开始聊天" 的实验。 这档节目停了几个月。没有郑重的告别，也没有解释 —— 就像很多关系一样，聊着聊着，人就散了。 这一期我们不急着回到从前的节奏，也不想找一堆理由。我们做了件更简单的事：两个人重新坐回麦克风前，用一组 "破冰小问题"，做一次 deep talk。 这些问题不是 "你最近吃了吗" 那种寒暄，而是稍微往下走一点的那种 —— 这几个月各自经历了什么、什么悄悄变了、什么还没变、如果今天重新认识现在的对方，第一句话会问什么。 中间可能有点尴尬，可能有点太真诚，也可能聊到一半突然安静。但 who knows—— 也许好的对话，本来就是从笨拙的破冰开始的。 ---------------------------------------- 本期主播：Kyle、狸狸、猴子、 微博：谁知道呢-WhoKnows 投稿邮箱：[email protected]

本期对话北师大教育心理学研究生星星，从小怀揣心理援助理想的她，高考压线圆梦心理学专业，大学时期却因过度内卷陷入焦虑抑郁；她做过心理老师、互联网 HR、教培产品等多段跨界实习，也曾怀疑读研的价值，在公益实践中不断寻找自我。 如果你想加入听友群，请扫描下方二维码，添加工作小助理微信，发送入群申请(备注来意)，在与更多同频伙伴交流成长的同时，了解《大学生存和发展指南》的出版。同时，也可以点击试用我们基于指南生成的知识库： 用好知识库，大学能加速【ima知识库】大学生存和发展指南——和你一起从后知后觉到主动有 【Timeline】 01:58 坚定学习心理学的初心，高考志愿的重重波折 07:06 学习心理学真的可以实现自我疗愈吗？ 14:15 大学内卷陷入焦虑抑郁，情绪自救与心理就医的现实建议 26:03 走进死亡咖啡馆：一场谈论死亡的公益活动 34:06 四段跨界实习，心理学专业如何面对不对口就业 42:15 保研后也曾怀疑读研意义，迷茫是思考的证明 47:20 AI能否替代心理咨询师？人与人的真实联结无可替代 【本期金句】 * 事情本身永远都不会困住我们，困住我们的就是对于事情的看法。 * 我要做一件事情之前，我会问自己，我如果不做这件事情我会不会后悔？如果我有可能会后悔，那我就一定会去做。 * 不同的专业它未必是直接指向就业的，它更多是给你提供像你说的一个视角，理工科会有理工科的视角。经济它不一定会让你更有钱，学心理学也不一定会让你更幸福，但是它会给你一种这种学科的视角去看待事情。 * 学习心理学之后，我发现其实我帮助到第一个人是我自己。 * 迷茫不是问题，但是可能随波逐流是一个问题。 * 我会觉得人人可能会迷茫一辈子的。就是我感觉我觉得可能我就是那种会迷茫一辈子的人，我会找一辈子，但是我并不觉得这是一个什么不好的事情，迷茫恰恰是因为你对生活有思考。 【本期嘉宾】 星星：湖南师范大学应用心理学本科，北京师范大学教育心理学在读研究生；大二曾因过度消耗陷入焦虑抑郁倾向，依靠自我调节与同伴支持走出情绪低谷。深耕心理公益、危机干预、乡村支教，拥有多段教育、互联网跨界实习经历，长期关注青少年心理援助与生命教育。 【主播介绍】 奕宁：伴行青年志愿者，往期节目嘉宾 Vol.17 大学迷茫是常态，也正是迷茫我才能找到适合自己的方向，之后跨保985，成为外企工程师 【关于我们】 「大学生活的100种可能」是由伴行青年发起的专注于大学生生活和个人成长的播客类节目。通过和学长学姐等过来人的对谈，我们与你一起打破信息差、看见在象牙塔外的多元发展路径，寻找在大学的100种可能。 【本期剪辑】 小睿

Want to understand the Invisible Social Layer of English that your classrooms and textbooks never taught you? ⁠Join the early-interest list⁠ for our new Socializing in English method and be the first to hear when it opens later this month. -Read social signals and understand what people really mean. Want to know your English level? Take our free English-level quiz here to find out what your current English level is. Do you love All Ears English? Try our other podcasts here: Business English Podcast: Improve your Business English with 3 episodes per week, featuring Lindsay, Michelle, and Aubrey IELTS Energy Podcast: Learn IELTS from a former Examiner and achieve your Band 7 or higher, featuring Lindsay McMahon and Aubrey Carter with Jessica Beck in previous episodes Visit our website here or https://lnk.to/website-sn If you love this podcast, hit the follow button now so that you don't miss five fresh and fun episodes every single week. Don’t forget to leave us a review wherever you listen to the show. Send your English question or episode topic idea to [email protected] Learn more about your ad choices. Visit podcastchoices.com/adchoices

宅补新番， 终于推进到2025年的7月啦， 可喜可贺~ 不回忆不知道，这个七月还是非常精彩的！ 陈陈终于看到了难得正常少年少女恋爱番， 尖尖成为了唯一的一个基番欣赏家， 只有招招还沉浸温馨日常中无法自拔…… 本期颇有几部强烈推荐的神番， 请吃下我们的按头安利！ | Song List | 安田レイ - 光のすみか | BGM | ピラニアンズ - 熱帯夜 00:00 欢迎收听三宅异声频道~ 01:32 《胆大党（当哒当） 第二季》 06:29 《怪兽8号 第二季》 11:09 《坂本日常 Part.2》 14:04 《石纪元》最终季 20:35 《阿松》第四季 22:30 《禁止入内的鼹鼠》 28:52 《小城日常》 31:50 《熏香花朵凛然绽放放》 36:56 《光死去的夏天》 41:01 《雨天遇到狸》 49:40 《去唱卡拉OK吧！》 51:51 《为你着迷》 53:57 《琉璃的宝石》