社交标签既可能让人快速理解你，也可能变成孔雀开屏。Leo 提出的关键不是藏起价值，而是把信息放进真实故事，让淡定、自然等潜沟通通过表情与肢体语言出现，再决定哪些技巧值得练习和吸收。

适合需要自我介绍、认识陌生人或在短时间内建立印象，却不想显得刻意炫耀的人；这期帮助你在真实表达、展示价值和用力程度之间取舍。

这期你会听到

• 怎样让别人发现社交标签，而不是主动把价值硬塞给对方？

• 为什么故事里的次要信息，比直接陈列履历更不容易显得孔雀开屏？

• 眼神、表情和肢体语言构成的潜沟通，为什么很难靠短期伪装？

• “做自己”何时只是无意识的无能力，学习又如何把它变成无意识的有能力？

• 面对不适合自己的社交技巧，哪些可以吸收，哪些应该丢掉？

本期嘉宾

Leo 从魅力与人际互动的视角，讨论如何自然展示价值，以及学习社交技巧时如何保留真实感。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带来一段近期的自我介绍，标出哪些信息在分享经历，哪些信息像在主动炫耀。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

面对带有销售职能的工作和不自在的 cocktail party，Leo 与主播讨论一个边界：魅力不是把价值硬塞给别人，而是在保留真实与自我的同时，先建立舒适的关系，并接受有些评价无法控制。

适合即将承担销售类的工作、需要经营客户关系，或容易被专业评价动摇的人；它帮助你判断哪些第一印象可以改善，哪些 miscommunication 与他人选择只能接受。

这期你会听到

• 为什么长期合作的销售更依赖舒适的关系，而不是把产品和自我价值硬塞给客户？

• 真实、偏自我的人，还需要为社交结果学习魅力技巧吗？

• 尊敬的人不认可自己时，如何避免把对方的判断直接等同于事实？

• 第一印象出了问题后，哪些当下与未来的行动仍可调整，哪些过去无法重写？

• 怎样展示自己的样本，同时承认没有人能够完整了解另一个人？

本期嘉宾

Leo 是围绕魅力与人际互动展开内容的创作者，本期从真实、自我表达和他人反馈出发分析社交问题。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带来一次需要建立信任却显得用力过猛的交流，复盘对方从哪里开始失去回应。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

Riley 从一次点酒引发的精神内耗，谈到长期扮演好学生的代价：学校、工作和父母的认可并非不重要，但任何单一目标都不该吞掉生活。真正困难的是卸下外部要求后，重新建立自己的standard。

如果你习惯按父母、学校或老板的要求行动，却难以说清自己想要什么，这期能帮助你区分外部评价与个人选择，把人生看成没有绝对好坏的不同路径。

这期你会听到

• 为什么考好学校、找到工作都不是能够让人生“一了百了”的终点？

• 接受不考大学，为什么不必先证明它同样能带来成功或幸福？

• 从满足外部 requirement 转向自己的standard，第一步可以从哪些微小选择开始？

• 让别人推荐与交出选择权有什么区别，如何减少这种判断带来的精神内耗？

• 反复纠结如何侵占 Riley 用于工作、休息和娱乐的精力，并成为她与 therapist 沟通的重要原因？

本期嘉宾

Riley 以自己长期扮演传统意义上的好学生、努力满足父母与社会期待的经历，讨论如何寻找个人标准。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带来一次被“应该”困住的选择，拆解其中真正属于你的判断标准。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

当 Fine tune 被用来指代多种不同操作，模型定制的讨论很容易失焦。本期从可导损失、连续决策与 reward 出发，比较强化学习、adapter 和提示层的作用，再追问 AGI 的自我迭代以及模型“说胡话”究竟意味着什么。

适合评估模型微调、智能体或高风险应用的技术人员，帮助判断何时需要强化学习、何时只需任务适配，以及怎样看待不确定输出。

这期你会听到

• 任务答案已知时，为什么普通训练可能比强化学习更直接？

• 连续决策与不可导的 reward，分别怎样改变训练方法的选择？

• adapter 如何在不重做底层模型的情况下适配不同任务？

• 开放强化学习能力后，AGI 系统能否借助机器反馈持续改进一连串行动？

• 模型说胡话与统计错误有什么差别，表达置信度能否改变风险判断？

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带上一个模型容易答错却语气确定的案例，拆分错误来源、风险边界和可验证的反馈信号。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

OpenAI 为什么长期押注用 next token 训练通用模型，而没有为短期效果走更多捷径？围绕 ChatGPT 与 LLM 的技术路线，本期从 reinforcement learning、知识与任务对齐一路讨论到垂类模型和智能客服的生存空间。

适合正在选择模型路线、设计 AI 产品或评估垂类模型的技术与产品从业者，帮助区分模型能力、知识注入和任务对齐。

这期你会听到

• 为什么 next token 这种自监督任务可能学到可迁移的语言表示？

• OpenAI 坚持通用自回归路线，需要跨过怎样的短期效果劣势？

• ChatGPT 的短期高估与长期低估，分别会让产品判断偏向哪里？

• reinforcement learning、in-context learning 与模型参数变化应如何区分？

• 当通用模型开放更多定制能力后，垂类模型和智能客服还应保留什么优势？

本期嘉宾

卢毅在一家智能客服创业公司负责机器学习，曾在苹果参与 Siri 的机器学习研究；本期结合模型研究与产品实践讨论大语言模型。

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带上一个准备接入大语言模型的具体任务，说明它缺的是知识、格式对齐还是连续决策能力。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。