节目

你喜欢的节目都在这里

019. 妇女节,我们聊聊女校

鼠一鼠二

💐 妇女节将至,鼠一雨仔作为女校史密斯学院的校友,与鼠二周子展开了一场横跨性别经验的深度对话。我们从对女校的两种常见刻板印象切入:一种印象是把女校想象成隔绝男性的封闭空间;另一种印象则又把女校浪漫化成女性主义的乌托邦。我们回溯了美国高等教育的发展,讨论了女校的诞生:并非对男性的排斥,而是女性在被隔绝于高等教育之外的时代背景下的自我拯救。 与此同时,我们也试图拆解另一种想象,女校并不天然意味着和谐或理想化的同盟。在这个真实的社区内部,同样存在竞争、冲突与权力流动。女校在某些维度上消解了性别带来的角色预设,在另一些维度上也让种族、阶层、个体差异等问题更加清晰地浮现出来。基于对这些复杂性的认识和讨论,我们作为个体应该如何行动? 此外,我们也分享了史密斯学院的一些校园传统与文化习俗,聊一聊看似轻松的仪式如何在毕业多年后,仍然维系着校友之间的情感连接与身份认同? 女校并不是某种社会问题的唯一答案,但它提供了一个观察性别、教育与社会结构的独特切面。透过这个切面,我们也在重新理解个体与世界之间的关系。 🎙️ 主播 鼠一和鼠二(小红书:@鼠一鼠二) [email protected] 📖 时间轴 01:01|美国的女校七姐妹 03:45|误解一:女校的封闭、规戒和禁欲色彩? 04:53|历史溯源:美国女性上大学有多晚 10:31|“无代表不纳税”,美国女性长期所经历的权利和义务不对等 12:20|史密斯姐妹的奶牛抗争 16:00|为什么选择读女校 17:23|博雅教育,从古希腊七艺到现代跨学科培养 24:32|误解二:女校=乌托邦? 28:16|“全女社区”的愿景与其情感基础 30:09|性别之外的维度:全女课堂上关于种族议题的正面交锋 34:32|交叉性理论,一种社会学的思考方式 35:49|愿景的价值:理想的愿景并不因复杂性而失效 37:05|脱离社会既定的性别位置不代表矛盾被抹平 38:13|角色一致性理论:为什么女性在职场中面临双重困境? 41:36|观察与类比:华人在海外也被放置到某种社会位置中 43:59|女校的趣味传统:白衣玫瑰、毕业诅咒、山日 57:25|谁是现代女校所定义的“女性”? 📷 图片 史密斯学院1880年的山日 史密斯学院1925年的山日 史密斯学院1950年的山日 史密斯学院1953年的山日 🎵 背景音乐 Noodlin & Doodlin - Airstream Jitter Epiphany - Floor Model California Sweethearts - Christian Larssen Weekend Croquet - Christian Larssen

59分钟
99+
2天前

EP163:访谈cc之父Boris-拆解 Claude Code 的极简架构与“上下文隔离”拓扑设计

播客无国界

在传统的软件工程范式中,开发者长期被困在繁杂的 IDE 配置、语法调试与低效的循环重构中。而当 AI 工具介入时,行业又陷入了另一种“过度工程化”的瓶颈:开发者与创业者总是基于当前大模型的缺陷,去构建极其复杂的业务“脚手架(Scaffolding)”,结果往往在几个月后,随着底层模型的能力跃升,这些耗费巨大精力的补丁代码瞬间沦为技术债,被彻底废弃。 解决方案:面对这一维度的内耗,Claude Code 的创作者 Boris Cherny 给出了极具破坏性的破局思路。在产品形态上,他逆势回归极简的终端命令行(CLI),通过剥离繁重的图形界面,实现了产品的极速迭代;在架构思路上,全面引入多智能体拓扑(Agent Topologies)与“计划模式(Plan Mode)”,让大模型通过衍生子智能体并行处理复杂任务。更为核心的是,他主张一种对齐未来的开发纪律——永远不要为了今天的模型写代码,去为六个月后的模型做设计。 核心收获:通过本期播客,听众将系统性地穿透 Claude Code 爆红背后的深层逻辑。你不仅能学到如何利用“无相关性上下文”来突破大模型的能力边界,更能斩获一套对抗技术焦虑的顶级方法论:包括如何发掘用户的“隐性需求(Latent Demand)”,如何管理极短生命周期的 AI 时代代码库,以及在“编码问题即将被彻底解决”的倒计时中,软件工程师的职业护城河将如何向系统思维与第一性原理全面转移。 3. ### 时点内容 | Key Topics * 【底层哲学】对抗短视的“苦涩教训(The Bitter Lesson)” 深度诠释强化学习先驱 Rich Sutton 的核心理念:永远不要与大模型的自然进化对赌。在系统设计中,与其当下耗费精力编写大量非模型的硬编码“脚手架”去弥补 AI 的短板,不如克制欲望,等待底层通用模型的能力溢出。 提出 AI 时代的第一产品准则:“不要为今天的模型构建产品,去为六个月后的模型做设计。” * 【底层哲学】隐性需求(Latent Demand)驱动的产品涌现 破除“天才式顶层设计”的迷思。Claude Code 的核心功能(如要求模型先思考不写代码的 Plan Mode,以及用作动态系统提示词的 ClaudeMD)均非主动发明,而是通过观察开发者在极端受限环境下的“野生操作”提炼而来的。 强调创新的边界:你无法强迫用户去学习一种全新的心智模型,只能在他们原有的操作习惯上提供阻力最小的滑坡。 * 【关键技术】智能体拓扑(Agent Topologies)与分布式推演 拆解复杂任务的降维打击机制:通过主智能体(Mama Claude)递归式地生成多个子智能体(Sub-agents)来并行执行任务(如并发搜寻日志、执行安全审计、规划独立工单)。 核心架构亮点:“上下文隔离(Uncorrelated Context Windows)”。避免让单一智能体背负过载的历史信息,通过为每个子智能体提供纯净的上下文窗口,将其转化为一种变相的“推理期计算(Test-time Compute)”,从而指数级提升系统的任务成功率。 * 【实战应用】动态代码库与极端的重构周期 揭秘 Anthropic 内部的代码生命周期:Claude Code 目前的代码库中,几乎没有一行代码是六个月前写下的。面对快速迭代的 AI,代码彻底沦为消耗品。 重新定义上下文管理:强烈建议抛弃冗长且过度工程化的系统提示词(如极其复杂的 ClaudeMD 文件)。最佳实践是随着模型更新,定期清空规则并从零开始,因为更强的模型需要更少的约束。 * 【趋势洞察】“软件工程师”头衔的终结与系统思考者的觉醒 预判行业终局:当写代码这一行为被“事实上解决”,技术团队的形态将发生不可逆的融合。产品经理、设计师甚至财务人员都可以直接驱动代码生成。 工程师核心壁垒的转移:未来不再奖励精通某种特定语法或死守陈旧经验的“极客”,而是奖励具备极度谦逊心态、能快速抛弃旧认知、懂得验证系统边界,并能够以科学实验的态度(Scientific Mindset)驾驭不确定性的“业务构造者”。 相关链接与资源: [视频来源]https://www.youtube.com/watch?v=PQU9o_5rHC4 本播客采用虚拟主持人进行播客翻译的音频制作,因此有可能会有一些地方听起来比较奇怪。如想了解更多信息,请关注微信公众号“心流赫兹”获取AI最新资讯。

56分钟
93
2天前

124.别骂街香了!能烂大街的,才是真顶流|美妆闲聊

美妆老友记

街香真正的含义不是low,而是爆款。而且是一种高难度爆款。 你一定经历过这种精神暴击:兴冲冲买了一瓶香水,上网一查,评论里出现“街香”两个字——像被人当场鉴俗。在沙龙香被神话成“品味、个性、阶层暗号”的社交媒体时代,街香反而被污名化:仿佛撞香=失败/爆款=没审美。 在老友们看来,一瓶真正的街香得同时满足这些苛刻到近乎变态的条件: 好闻(不是香评人好闻,是路人也觉得舒服) 不冒犯(喷了不会让同事想换工位) 能通勤(白天能用) 能送礼(不踩雷) 拍照好看(你拿出来就要像“会生活的人”) 故事好听(最好一句话就能讲明白:我是什么人设) 你看,街香不是随便,它是最大公约数的高考作文:写得太尖锐会被扣分,写得太平又拿不了高分。它能成为街香,反而说明它——极其成熟、极其商业、也极其懂人类。 本期我们就按新一代街香版图来讲讲:谁在统治、谁在上位、谁在掉队,以及无害化这股风到底怎么吹出来的。你人生中的第一瓶街香是什么?你现在还会用它吗?请把你的嗅觉记忆交给评论区。 🔍 同名公众号“美妆老友记”,获得更全面的文字,图片,产品信息。 ☎️添加微信“ningque8”,加入“美妆老友咖啡馆”微信群,在线交流。 🎯时间轴 02:39 街香“御三家”的统治力:穿越周期的基石 22:18 丝芙兰“香水墙”里藏着庞大的街香腰部品牌 40:21 沙龙香的下凡:当小众标签走向大众 51:45 一点也不深度的讨论:为什么有些大牌做不出新街香? 🎙️本期主播 尼可 百万粉丝级意见领袖,《VOGUE》杂志专栏作家。 七七 资深媒体人,曾服务《marie claire》《ELLE》《COSMO》杂志。 黄婷 曾任《COSMO》美容总监,媒体数字内容营销专家。 文本整理/黄婷

58分钟
1k+
2天前

BBC随身英语|人类可能拥有33种感官吗?

英音听力|BBC & 经济学人等

Could humans have 33 senses? Many of us grew up learning that humans have five senses: sight, hearing, taste, smell and touch – an idea dating back to the Ancient Greek philosopher Aristotle. But what if this list is incomplete? A sense is anything that can give your body information about the outside world, and some of these don't neatly fit into the traditional five. Modern scientists estimate there may be up to 33 different senses. One sense that doesn't fit into one of the five boxes is proprioception. This is the sense of where your body parts are in space. Thanks to this sense, you can touch your nose with your eyes closed and walk around in the dark – you know where your legs are without looking. Then there's interoception which helps you sense things inside your body, like hunger and an increased heart rate. And don't take your sense of balance for granted. Balance relies on fluid in your inner ear to help you stay upright – this is what's called vestibular perception. And the traditional five senses might not be as simple as they seem. Touch, the sense we associate with our hands and tactile sensations, also encompasses the sensation of pain, temperature and itch. To perceive the flavours in food and drink, you need a combination of taste, smell and touch to get the full experience – it's not all about the taste buds on your tongue! It is actually smell that contributes most of what we perceive as taste, so when a person suffers olfactory loss, they often can't enjoy food as much, according to a 2022 study published in Foods by Fjaeldstad and Smith. Until recently, philosophers and scientists have studied each of the traditional five senses in isolation, but researchers at the University of London's Centre for the Study of the Senses have more of a multisensory approach – the senses are all working together to create an overall picture. In their 'Rethinking the Senses' project, they found that our perception of salt, sweet and sour flavours is reduced when there is white noise, but our perception of umami is not. This means that sound can enhance flavour, and that umami-rich foods like tomato juice might taste better on a plane. So, perhaps humans are far more sensory creatures than Aristotle ever imagined. From balance and body awareness to the way sound can change flavour, our senses are constantly working together in ways we rarely notice. 词汇表 five senses [ˈsensɪz] 五种感官,五感 proprioception [ˌprəʊpriəˈsepʃn] n. 本体感觉(感知身体各部位在空间中的位置) interoception [ˌɪntərəʊˈsepʃn] n. 内感受(感知身体内部的状态) take something for granted [ˈɡrɑːntɪd] 视某事为理所当然 fluid [ˈfluːɪd] n. 液体,流体;adj. 流动的 inner ear 内耳(控制身体平衡和听力) stay upright [ʌpˈraɪt] 保持直立,保持平衡,站稳 vestibular perception [veˈstɪbjələ(r) pəˈsepʃn] 前庭觉(对平衡和空间定向的感知) tactile sensation [ˈtæktaɪl senˈseɪʃn] 触感,触觉 encompass [ɪnˈkʌmpəs] vt. 包含,包括,涵盖 itch [ɪtʃ] n. 痒;vi. 发痒 flavour [ˈfleɪvə(r)] n. 味道,风味 taste bud [bʌd] 味蕾 olfactory loss [ɒlˈfæktəri lɒs] 嗅觉丧失 in isolation [ˌaɪsəˈleɪʃn] 孤立地,单独地 multisensory [ˌmʌltiˈsensəri] adj. 多感官的,多感觉的 white noise 白噪音 umami [uˈmɑːmi] n. (食物的)鲜味 sensory [ˈsensəri] adj. 感官的,感觉的 📖 翻译、pdf见公众号【琐简英语】,回复"1"可进【打卡交流群】

2分钟
1k+
2天前

2026.03.02 | dLLM统一扩散框架;SpatialScore让AI读懂空间

HuggingFace 每日AI论文速递

【赞助商】 通勤路上就听AI每周谈。AI每周谈,每周带你回顾上周AI大事 传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】 本期的 15 篇论文如下: [00:29] 🛠 dLLM: Simple Diffusion Language Modeling(dLLM:简单的扩散语言建模) [01:15] 🧠 Enhancing Spatial Understanding in Image Generation via Reward Modeling(通过奖励建模增强图像生成中的空间理解) [02:11] 🌍 Recovered in Translation: Efficient Pipeline for Automated Translation of Benchmarks and Datasets(在翻译中恢复:自动化基准测试与数据集翻译的高效流程) [03:08] ⚡ CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation(CUDA Agent:用于高性能CUDA内核生成的大规模智能体强化学习系统) [03:59] 🎬 Mode Seeking meets Mean Seeking for Fast Long Video Generation(模式寻求与均值寻求相遇:实现快速长视频生成) [04:44] 🧩 Compositional Generalization Requires Linear, Orthogonal Representations in Vision Embedding Models(组合泛化要求视觉嵌入模型具备线性正交表示) [05:31] ⚡ LK Losses: Direct Acceptance Rate Optimization for Speculative Decoding(LK损失函数:用于推测解码的直接接受率优化) [06:21] 🔍 CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era(CiteAudit:你引用了它,但你读过吗?大语言模型时代科学参考文献验证基准) [07:16] ⚡ Accelerating Masked Image Generation by Learning Latent Controlled Dynamics(通过学习潜在控制动力学加速掩码图像生成) [08:00] 🧠 Memory Caching: RNNs with Growing Memory(记忆缓存:具有增长记忆能力的循环神经网络) [08:38] 📊 InfoNCE Induces Gaussian Distribution(InfoNCE诱导高斯分布) [09:28] 🧠 Ref-Adv: Exploring MLLM Visual Reasoning in Referring Expression Tasks(Ref-Adv:探索多模态大语言模型在指代表达任务中的视觉推理能力) [10:28] ⚡ SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching(SenCache:基于敏感度感知的缓存加速扩散模型推理) [11:15] 🎬 LongVideo-R1: Smart Navigation for Low-cost Long Video Understanding(LongVideo-R1:面向低成本长视频理解的智能导航) [11:53] ⚡ Vectorizing the Trie: Efficient Constrained Decoding for LLM-based Generative Retrieval on Accelerators(向量化字典树:面向加速器的高效约束解码用于基于LLM的生成式检索) 【关注我们】 您还可以在以下平台找到我们,获得播客内容以外更多信息 小红书: AI速递

12分钟
95
2天前

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧