4
0
1
0%
正在学习
共 0 个暂时没有可展示的共学。
已完结
共 4 个已结束残酷率 92.2%
AI x Web3 School
AI x Web3 School is a co learning and practice program for AI × Web3 builders, jointly initiated by LXDAO and ETHPanda. The WCB platform will be used to support applications, learning records, project showcases, and follow up opportunity matching. This is not a course that only explains concepts, nor is it a simple combination of the two keywords “AI” and “Web3.” Real AI × Web3 scenarios involve model capabilities, tool use, wallets, signatures, payments, identity, permissions, secure execution, governance coordination, and verifiable records at the same time. We hope to help participants start from these real problems, build a shared language, complete foundational training, and turn ideas into projects that can be presented, verified, and continued beyond the program.
已结束残酷率 92.9%
AI Agent 残酷共学
本轮残酷共学聚焦 「AI Agent」 —— 由大型语言模型（LLM）驱动、能自主规划、调用工具并完成任务的新一代智能体。 我们将以顶尖课程 CS598 Topics in LLM Agents （UIUC）中涵盖的前沿研究论文为主要学习材料，结合最新研究进展，在三周高强度的论文研读、总结与讨论中，一起深入理解 Agent 的核心概念、关键能力、主流框架及未来挑战。本次共学将特别强调 论文的精读、理解与个人观察的总结 。 共学目标 深入理解 ：系统性学习并掌握 LLM Agent 在推理、记忆、规划、工具调用、多模态处理等关键模块的核心论文和主流方法。 总结观察 ：针对每周研读的论文，独立完成思考，总结个人观察、批判性见解和潜在的启发。 批判与展望 ：基于论文学习，评估当前 Agent 技术的局限性（如数据、对齐、安全、人机协作等），并对下一代 Agent / AGI 的发展方向形成自己的思考与展望。
已结束残酷率 80%
跑步残酷共学
跑步……太令人熟悉了，我们可能都在中学时被从 50 到 1000 米折磨过，它似乎是一件不需要介绍的事情。为什么想发起一次和 Web3 看起来毫不相关的跑步共学？简单说，是因为：拥有好身体，塑造好心神，建设 Web3！本次共学并不是连续跑满 21 天，而是从了解自己的身体开始，慢慢建立属于自己的跑步节奏。除了实际去跑步，也会一起阅读跑步相关的书籍、观看影像资料、练习简单的肌肉训练和拉伸——不仅是锻炼身体，更是一次身心同步的小练习。 以下是我个人的一些跑步感受，好奇可以看看。事实上我认为跑步不仅是运动，更像一面镜子，让我们看见自己的身体与心性。 1. 只需要穿上鞋，走出家门，就可以开始跑步。它带来的心肺锻炼和耐力积累，像给身体打下地基。跑得久了，自然会关注更多：学着用腹部呼吸代替喘气，调整步幅避免膝盖疼痛，在跑前跑后认真拉伸等，让我们更全面地了解身体。 2. 跑步有助于更加健康的生活节奏。例如，为了不太热，可能需要早起，也就不再熬夜；为了有更好的身体状态，就会选择戒掉一些瘾；为了让脚步更轻松，也会吃得更健康。我通常在第一公里就能感受到近期的生活状态。如果压力小、好好睡觉好好吃饭，步伐就会轻松；如果潜意识很乏累，就容易喘个不停；如果压力很大需要发泄，则会与身体对抗，顶着累，让自己更累。 3. 跑步是对长期主义心性的磨练。跑多了，膝盖可能会抗议；跑太急，反而容易受伤。它是关于“自己的节奏”：在长跑里，如果一开始就跟着别人乱冲，最后往往撑不下去。我以为，大到人生，小到完成一个项目或目标，都应有这样“慢慢来、持续做”的能力。上周读到一本关于跑步的书中说，跑者的心性是“谦逊且自信”，这看似矛盾的词语组合具有一种为人处世的智慧。 4. 跑步让我们与生活的环境更贴近，几公里处有家便利店，几月份的天气是如何。它比走路能抵达得更远，又慢得给观察四周留下机会。 总而言之，跑步是一个与自己对话的契机。不管是听音乐，还是不戴耳机任思绪飘散，它是只属于我们自己的时间，对手也只有自己。
已结束残酷率 76.2%
EPF Mandarin Group - 第三期
EPF（Ethereum Protocol Fellowship） 是由 EF 发起并资助的奖学金计划，每年一期，旨在从社区中遴选出 20 至 30 名优秀开发者参与。在奖学金计划期间，EF 提供导师指导和资金支持，帮助开发者迅速掌握以太坊协议层及客户端相关知识。通常，EPF 的报名在每年 4 5 月左右开启，经过大约半年的实践开发，最终在 11 月底的 Devcon/Devconnect 大会上展示成果。 自去年起，EPF 增设了 EPFsg（EPF Study Group） 教学计划，旨在吸引更多开发者提前学习相关知识，并同时推出了 epf.wiki 这一优秀学习资源。今年，EPFsg 与 EPF 均将启动。为此，我们发起了本次“残酷共学”活动，希望大家能迅速回顾相关资料，为今年 EPFsg 的入学做好充分准备，之后一同进步，共同学习。 通过本次残酷共学，你将收获对于以太坊协议层（包括但不限于共识算法、网络运行等）非常深入的理解，也将获得跟以太坊协议层核心开发者、华语区 EPF Fellow 与资深开发的直接交流机会！
我的发起
共 1 个已结束
AI Agent 残酷共学
本轮残酷共学聚焦 「AI Agent」 —— 由大型语言模型（LLM）驱动、能自主规划、调用工具并完成任务的新一代智能体。 我们将以顶尖课程 CS598 Topics in LLM Agents （UIUC）中涵盖的前沿研究论文为主要学习材料，结合最新研究进展，在三周高强度的论文研读、总结与讨论中，一起深入理解 Agent 的核心概念、关键能力、主流框架及未来挑战。本次共学将特别强调 论文的精读、理解与个人观察的总结 。 共学目标 深入理解 ：系统性学习并掌握 LLM Agent 在推理、记忆、规划、工具调用、多模态处理等关键模块的核心论文和主流方法。 总结观察 ：针对每周研读的论文，独立完成思考，总结个人观察、批判性见解和潜在的启发。 批判与展望 ：基于论文学习，评估当前 Agent 技术的局限性（如数据、对齐、安全、人机协作等），并对下一代 Agent / AGI 的发展方向形成自己的思考与展望。