代码真的让大模型更会推理吗？
从一篇 ICML 2026 工作出发，重新拆解“代码提升推理”这个流行判断。
Operating principle
用研究者的方式学习世界。
我更熟悉模型、系统和论文，也承认自己在金融市场上仍是小白。 因此这里不会假装掌握所有答案，而是把问题、假设、证据和修正过程公开记录下来。
这个博客的气质会更接近研究日志：清晰、克制、可追溯。 我关心 AI 如何改变生产函数，也关心一个普通学习者如何建立资本、风险和人生选择的基本框架。
Recent notes
近期文章
从 AI 研究出发，延伸到商业、市场、人生选择和未来秩序。
读 Sam Altman：创业、成功、困境与未来
在 GPT 时代重新理解阅读的价值，也重新思考 AI、资本与个人选择的关系。
为什么优秀系统首先是边界设计
从模型接口、Agent 工作流到个人知识库，边界比功能更早决定一个系统能走多远。
金融小白如何读懂现金流
用工程视角拆解投资假设：哪些变量可测，哪些变量只是动人的故事。
判断力不是观点，而是校准机制
人真正拥有的不是一次正确判断，而是发现自己何时偏离事实的能力。
把生活设计成低摩擦系统
纪律通常不来自意志力，而来自把正确行为变成默认路径的环境设计。
Research map
四条长期主线
主题不是分类货架，而是持续迭代的问题集合。
AI 研究
模型能力、Agent 系统、论文阅读、实验直觉与工程化。
市场入门
从零学习资产、现金流、估值、风险和周期。
人生
精力管理、选择成本、习惯系统、关系质量。
哲学
认知边界、价值排序、自由意志、意义感。
Now
当前关注
近期聚焦三个问题：AI 研究如何真正转化为生产力，金融市场初学者如何建立第一套判断框架， 以及 AGI 叙事下个人应该如何选择长期方向。
About this site
一个公开的思考工作台
这里会同时保留专业和稚拙：专业来自 AI 研究训练，稚拙来自对金融与社会系统的重新学习。 我希望每篇文章都能留下可检验的判断，而不是只留下漂亮观点。