🌟 阅读笔记锦集

Jan 1, 2024·
夏 伟
夏 伟
Image credit:

坚持阅读的习惯,坚持捕获阅读时刻的灵光一现,温故而知新。

曾国藩的正面和侧面

  1. 唯天下之至诚能胜天下之至伪,唯天下之至拙能胜天下之至巧
  2. 养生家之法,莫大于惩忿,窒欲,少食,多动八字
  3. 已欲立而立人,已欲达而达人

罗振宇2024跨年演讲-时间的朋友

  • 课堂10分钟改成5分钟,学生可以自由决定随时离开,北京实验一学校,李希贵校长(一具体,就深刻)
    1. 倒逼老师,改善教学方式,专注时间聚焦在15分钟内,没有拖堂
    2. 在剩余的一小时,就给学生自由选择活动
  • 提出正确的问题,往往等于解决了问题的大半
  • 精益生产,不浪费,邓凡华,约会
  • 冰箱减少倒逼主厨和经理,-陈区玮(系统中的机制性改变)
  • 公共厕所,修改吹风机,取纸盒的位置
  • 跨界知识引入系统内
  • 乘法,需要人性的洞察,孩子与父母的关系,分开走,交叉父母,孩子领着父母走,张瑞的戈壁旅行团
  • 兼职打酒师,运营一种新的方式,让其自主一天酒馆的经营方式,某种文化的圈子
  • 怎么把生意和生活融合起来?少看别人,多看自己;少看远方,多看附近
  • 攀枝花水果,农场自治,政府机制(想到了公地悲剧)
  • 哪里珍惜人,哪里更多样性,哪里就能聚集人
  • 外部心跳,创新性的驱动力

打造真正的新产品(丹尼斯·J.哈普特利)

  • 实用性是产品创新和服务创新的驱动力
  • 全文围绕需要思考的三个关键问题展开:
    1. 用户使用这个产品要完成什么任务
    2. 当我知道了用户使用一个产品要完成什么任务后,我能减少完成这个任务的步骤吗?
    3. 用户使用了我的产品后,接下来要完成什么任务?(关注弱连接关系)
  • 真正的创新能提升净效用,而检验净效用的一个简单办法是看描述用例。站在用户的角度去思考,看能否 为用户带来全新体验。净效用可以通过两个维度进行评价,高价值低成本是我们正确的方向:
    1. 用户获得的价值
    2. 用户在价格、学习时间、使用精力方面付出的成本
  • 有价值的例子
    1. ETC/电子过路卡,全自动的高速收费模式。遥想20世纪60年代,需要带足够的硬币,排长队通过高速费收费站闸机
    2. 酒店的自助终端。快速入住,同时还推荐预定第二天的航班
    3. 停车位的预分配和反馈,同时解决找车位难,以及找车难问题
    4. 电话和电子邮箱中的通讯录自动保存/更新功能
    5. 购物车扫码/放硬盘租用,需放回指定地点,来解决购物车乱丢问题(用户体验上可能需要小心斟酌)

好战略,坏战略

战略的核心内容是分析当前形势、制定指导方针来应对重大困难,并采取一系列连贯性的活动。

  1. 调查分析。分析形势,认清竞争优势和态势,了解竞争对手
  2. 指导方针。为了克服障碍而制定整体性策略
  3. 连贯性动作。采取统一连贯性的动作

刷新(重新发现商业与未来)

  1. 家庭成长的磨难成就其同理心,感同身受
  2. 成长型思维
  3. 同理心+共同的价值观+安全可靠=信任
  4. 文化的开放,3c同心环:文化->能力->概念。跟ios,google,aws等的开放合作
  5. 人与机器的差异性:同理心,教育,创造力,判断和问责
  6. 疫情隔离,让我想到了同理心,有的hr不太懂得同理心,比较直板的执行命令,而让员工的情绪更加激化

态度改变和社会影响

  • 行为上的变化叫做接受,态度上的变化叫做说服,信念的改变叫做宣传或教育。
  • 我们看到他们主要的共同点在于乐观的思想主张,显而易见的诚恳态度,表现出与听众的一致和相似,以及信息的简洁清晰。历史一次又一次地证明,如果这几种成分搭配恰当,它们就是强有力的推动者。
  • 行为、行为意向、态度、信念和情绪共同组成了态度系统。

千面英雄

每个人都是自己的“千面英雄”

观点:一千个英雄,都有同一个故事!从古至今,亦如此:

从平静的生活中走来,接受时代和历程的召唤,获得智者的帮助,越过边界实现破局,持续攀登收获经验与伙伴,走过考验之路,获得自我的升华,实现大我回归。

活在当下的故事

小和尚:师傅,您得道之前做什么?
老和尚:我得道之前,砍柴,担水,做饭
小和尚:那您得道之后呢?
老和尚:砍柴,担水,做饭
小和尚:那何谓得道呢?
老和尚:得道前,砍柴时惦记着挑水,挑水时惦念着做饭;得道后,砍柴就是砍柴,担水就是担水,做饭就是做饭!

罗曼罗兰: 世界上只有一种真正的英雄主义,那就是在认清生活的真相后依然热爱生活

爱因斯坦曾经说:大多数人都以为是才智成就了科学家,他们错了,是品格

夏 伟
Authors
Senior Researcher
My research interests include large language model, Reinforcement learning for Recommender System and Automatic (AI) Systems.