盖茨和巴菲特
导语:比尔·盖茨(Bill Gates)近期在个人博客上撰文,纪念了沃伦·巴菲特(Warren Buffett)执掌伯克希尔哈撒韦公司50周年。他强烈推荐所有人阅读巴菲特今年致股东的邮件。
以下为文章全文:
几周前的一个周末,我和沃伦·巴菲特以及4万名其他人前往奥马哈参加了“资本家的伍德斯托克音乐节”,即伯克希尔哈撒韦公司的年度股东大会。作为股东和董 事会成员,过去多年我总是会前往那里。这一次,我们像以往一样找到乐趣,例如巴菲特在一场乒乓球比赛中胜过了一名前美国冠军。不过这次大会的反响更加热烈,因为我们有特别的庆祝活动:巴菲特领导这家公司50周年。
自巴菲特执掌伯克希尔哈撒韦以来,过去半个世纪中关于巴菲特的报道已有很多。但我认为,最有趣、见解最深刻的是巴菲特自己撰写的内容。在每年的年度股东大 会之前,巴菲特都会致信伯克希尔哈撒韦的股东,坦率地介绍目前哪些方面进展良好,哪些存在问题。他同时也会公布对投资和宏观经济的看法。关于商业,如果你 希望像巴菲特一样睿智(谁不想呢?),那么你不能错过这些邮件。
在今年的邮件中,巴菲特特别关注了伯克希尔哈撒韦的过去、现在和未来。我强烈推荐阅读这封邮件。这是巴菲特有史以来写过的最出色、最重要的内容。巴菲特的合作伙伴查理·孟格尔(Charlie Munger)也撰写了一封邮件,而这封邮件的内容同样很优秀。
在这个周末的活动上,巴菲特和我花了几分钟时间探讨他关于明智投资的原则,以及他如何学会深入浅出地介绍复杂的金融交易。
巴菲特不仅是一名好友,也是杰出的导师。自我们1991年认识以来,我一直在向他学习。我们探讨商业、经济、政治、国际事件,以及慈善。作为我们基金会的托管人,他是梅琳达和我非常优秀的思想合作伙伴。
两年前,我曾写过从巴菲特身上学到的3件事。
1、投资不仅仅是投资
人们向沃伦学习的第一件事,当然是怎么思考投资。这很自然,因为他有惊人的投资纪录。不幸的是,太多人仅关注投资,而忽略了一个事实:巴菲特有一个很强的、商业思维的整体框架。比方说,他会谈及寻找一个公司的护城河(竞争优势)、这条护城河是萎缩还是增长的。他说,一名股东必须要像自己拥有整个公司那样来行事,寻找未来的利润流,决定什么是值得的。你必须有忽视市场的意志而不是随波逐流,因为你借市场犯错的机会领先——找到已被低估的公司。
我不得不承认,当我第一次见到沃伦,他的这个思考框架给了我一个真正的惊喜。我是在我母亲组织的一次饭局上见到他的。当时我还想:“我干嘛想见这个炒股的家伙?”我想他只是利用各种市场相关信息来做投资决策,比如销售额、价格等的时间曲线。
但当我们开聊以后,他没问我任何这类信息,而是开始问微软基本面这类很宏大的问题。“为什么IBM做不了微软的业务?为什么微软盈利性这么好?”这让我意识到他思考商业的方式远远比我以为的要更深远。
2、利用好你的平台
很多企业领导人都写股东信,但沃伦因为股东信而成名。部分是因为他天生的幽默感。部分是因为,人们认为读他的信有助于自己更好地做投资(他们是对的)。但这也是因为他一直都说话坦率,愿意批评股票期权和金融衍生品之类的东西。他不害怕有立场,比如支持加大对富人征税,尽管这也会影响他本人的利益。
沃伦启发了我开始写我自己在基金会工作的年度公开信。在以前,我也有个类似写信的好法子。不过,写信能让我每年一次坐下来,解释我们所经历的好事和坏事。
3、珍惜时间
无论你多有钱,你都买不到时间。在每个人的一天只有24小时。沃伦对此很敏锐。他不会让日程表充满了无用的会议。另一方面,他对自己信任的人又会很慷慨地花时间。他把自己的电话号码给了他在伯克希尔的亲密顾问,他们打电话他就会接听。
尽管沃伦每年有几十次会议与大学课程,没有多少人会去找他要常规时间。我觉得自己在这方面很幸运:跟他的对话对我来说一直非常有价值,不是仅仅是对微软来说。当我和梅琳达开始启动基金会,我也去讨教过他。我们谈很多的一点是,慈善事业会也像软件一样,以自己的方式发挥影响力。
这可以归结为一点:他总是鼓励梅琳达和我解决困难的问题,有勇气犯下错误。对伯克希尔哈撒韦的股东,以及参与到伯克希尔哈撒韦各类生意中的所有人来说,幸运的一点是,巴菲特本人也遵循这样的智慧。在这50年时间里,他有着伟大的思想,而我们都从中受益。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。