【浮世汇829】又新增一个源自中文的英文词汇

【1】@小黑夜之睛 

【2】没药花园案件 

英语又添中文新名词。
美国联邦政府公告中，"杀猪盘"被翻译成 Pig Butchering Fraud，有媒体说这是继磕头（Kowtow）、点心（Dim Sum）、功夫（Kung Fu）等外来词汇之后，又新增一个源自中文的英文词汇。

Pig Butchering Fraud指诈骗犯通过社交媒体、电话或短信搭讪（通常以认错人、打错电话为由）联系上受害者，以情感攻势骗取信任后，诱导受害者在虚假的投资平台上投资，骗子操控平台会让受害者尝到甜头，最后受害者加码投资，钱财被骗。

【3】魏玛不必然走向纳粹，但它已无法维持
（以下引自 汉斯·蒙森《魏玛共和国的兴亡》，pp.602-05）

希特勒被任命为总理是在经济复苏的初期，以及纳粹党陷入严重内部危机的情况下进行的，最终通过接管政府才得以摆脱危机。当然，对于法西斯独裁的替代方案并不是简单地回归议会制，因为在资产阶级中间党派的眼中，这种制度已经失去了重要性，也许替代方案可能是建立在国家防卫军领导下的威权专制政府。从事后的角度来看，这样做无疑比将权力几乎毫无条件地交给希特勒和纳粹党要好得多。

然而，"权力交接"并不仅仅应当归咎于当权者的个人失误，尽有巴本和施莱歇尔的责任很大，而兴登堡在某些方面是巴本阴谋的受害者。"权力交接" 更代表了资产阶级右翼政党利益的实现，这些政党期望希特勒消灭社会民主党以及反对过渡到威权主义体系的自由基督教工会。此外，国家防卫军倾向于相信他的承诺，即他将用一切政治手段支持正在进行的军备扩张。这反映出大工业界、军队领导层、大农业和右翼保守派政党中有影响力的部分有着共同的，但只是负面的利益。

并不是共和党派政治家的失败，而是在经济、军队、官僚和司法系统中反对民主议会制的势力以及民族主义、反共产主义、反犹太主义情绪的恶意挑拨，引发了议会制的终极危机。总统周围的精英们认为，他们只能通过诉诸纳粹运动的 "健康"力量才能摆脱议会制的危机，他们希望随着普遍的国家重组，纳粹运动将转变为由领袖精英领导的政治秩序。相当一部分德国学术精英相信 "民族觉醒" 的神话，认为这是一个无阶级、无冲突、由人民和领导人的身份决定的精英社会，并欢迎希特勒内阁的成立，认为这是向根本性秩序重组过渡的第一个阶段。另一方面，自1932年7月20日巴本发动普鲁士政变以来，独自站出来捍卫宪法的政治左派与少数政治上孤立的左翼自由主义者在政治上已基本中立化。因此，为数不多的几个民主捍卫者从一开始就注定要失败。

魏玛共和国与通过巴黎各项和平条约建立的大多数议会制国家一样，都存在政治不稳定的问题。相比意大利、波兰、东南欧和西班牙等国家，德国的议会制相对持续了很长时间，这在很大程度上要归功于西方大国的外交渗透，尤其是德国对赔款和财政政策的依赖，这种依赖使得政治右派在1932年夏天之前无法公开破坏宪法和夺取政权。

然而，这也应归因于中产阶级缺乏坚决捍卫议会制的决心。随着自由主义原则被放弃和威权主义思潮被接受，逐渐形成了一种格局。在这种格局中，因为基于军事紧急状态的君主复辟和传统风格的军事独裁已不再符合经济和社会的相对先进发展，法西斯主义力量方才得以崛起。希特勒从旧的精英手中接过权力，这些精英承认了自己无法以自己的模式统治德国。共和国早就被他们拋弃了。反而是在共和国的废墟上，希特勒才实现了独裁统治。

【4】@罗永浩的辟谣号 

【5】@还是韦恩 

【6】@宝玉xp 

今天花了点时间翻译了一下 OpenAI 发布的提示工程指南，这份指南分享了如何更有效地利用像如 GPT-4 这样的大语言模型（有时候也叫 GPT 模型）来获得更好的结果。介绍的方法可以相互结合，以发挥更大的作用。希望你也可以从中学习到适合你的技巧。
另外，这份指南的示例主要针对 GPT-4 模型，但理论上来说也适用其他模型。
其中主要有六个策略，每个策略下再有具体的技巧。
策略一：撰写清晰的指令
这些模型并不会读心术，无法猜到你的想法。如果模型的输出内容过长，你可以要求它简短回答。如果模型输出内容过于简单，你可以要求使用更专业的水平写作。如果你对输出格式不满意，可以直接展示你期望的格式。最好就是让模型不需要去猜你想要什么，这样你最有可能获得想要的结果。
技巧：
- 在查询中添加详细信息，以获得更准确的答案
- 请求模型扮演特定角色
- 使用分隔符来清晰区分输入的不同部分
- 明确指出完成任务需要的步骤
- 提供实例作为参考
- 明确指定希望输出的长度
策略二：提供参考文本
语言模型可能会自信地编造出虚假答案，特别是当回应一些深奥主题或被要求提供引文和 URLs 时。就像学生在考试中借助笔记能够帮助其取得更好的成绩一样，为这类模型提供参考文本也可减少其制造虚假信息的情况。
技巧：
- 引导模型根据参考文本回答问题
- 引导模型根据参考文本中的引用信息回答问题
策略三：把复杂的任务拆分成简单的子任务
就像在软件工程中，我们会习惯于把复杂的系统分解成一套模块化的组件，对于提交给语言模型的任务也是同样的道理。相较于简单的任务，复杂任务的错误率往往会更高。而更进一步，我们常常可以把这些复杂任务重新设定为一系列的工作流程，每一个流程就是一个更简单的任务，而且这些任务之间是相互联系的，前一个任务的输出会作为后一个任务的输入。
技巧：
- 利用意图分类识别用户查询中最相关的指令
- 对于需要长时间对话的对话应用，总结或筛选先前的对话内容
- 分步总结长文档，并递归地构建完整的总结
策略四：给模型更多时间"思考"
如果被要求计算 17 乘以 28，我们可能不能立即给出答案，但可以花一些时间逐步计算出结果。同样，在 AI 模型试图立刻回答问题时，往往比理性思考后再做出回答更容易出错。所以，在模型给出答案之前，要求其展示一下"思考过程"，有助于模型更可靠地推导出正确的答案。
技巧：
- 在仓促做出结论前，指导模型自己寻找解决方法
- 通过内心独白或连串问题来掩盖模型的思考过程
- 问模型在之前的步骤中是否有遗漏
策略五：运用外部工具
为了弥补模型的不足，我们可以利用其他工具的输出作为输入。例如，文本检索系统（有时被称为 RAG 或检索增强生成系统）可以向模型提供相关文档的信息。像 OpenAI 的代码执行引擎这样的工具，可以帮助模型进行数学运算和代码执行。如果某项任务通过工具来完成能比通过语言模型更可靠或更高效，那么就把任务交给这个工具处理，这样就能结合两者长处，达到最佳效果。
技巧：
- 运用基于嵌入的搜索来高效实现知识检索
- 利用代码执行进行更精确的计算或调用外部 API
- 使模型能够访问特定功能
策略六：系统地对变更进行测试
如果能对性能进行量化，那么就能更好地提高性能。有时，对提示词的修改在少数特定例子上可能表现更佳，但在更具普遍性的样本集上可能会导致整体性能下降。因此，为了确保改动对总体性能产生积极的影响，可能需要设计一份全方位的测试（也被称为"评估"）。
技巧：
- 根据标准答案的参考评估模型输出效果
对于上面提到的每一种技巧，都有非常详细的参考示例。
官网链接：platform.openai.com/docs/guides/prompt-engineering
中文翻译：网页链接 

【7】@胡锡进 

【8】子陵在听歌 

刚在下班路上听了STAT Readout Loud，人物专题（profile）讲了Steve Jobs的儿子Reed Jobs。他生长于湾区，毕业于Stanford，今年8月他开创了自己的VC（风投）公司，以北加州Yosemite国家公园命名了该公司Yosemite，旨在投资以肿瘤为主的biotech。

这期节目讲到Steve Jobs于2011年死于胰腺癌的一种十分罕见预后较好的病理类型-胰岛细胞神经内分泌肿瘤（islet cell neuroendocrine tumor）。这彻底改变了他儿子的人生。那时20岁的Reed Jobs从Stanford生物专业转到了历史专业。

今年8月Reed Jobs以2亿美元创建了Yosemite，以投资biotech的肿瘤研究，立志将肿瘤转变为不致死的疾病。有趣的是美国biotech风投1/3的热钱进入肿瘤领域。这个公司是他妈妈Laurene Powell Jobs于2004年创建的Emerson Collective的子公司。

tatakawuliyuka:老爸得了肿瘤，会啥会让他从生物转到历史，不应该继续生物或者转医学吗，或者这两者是没有联系的 

子陵在听歌:在美国，很多人因为家人死于某种疾病，受到了刺激，而不愿意再面对同样疾病的患者。这在手术室特别常见，很多手术staff因为家人死于这种肿瘤而不愿意在这个科室工作。

【9】白色霍格沃兹