Halvar的创业指南：从动机、市场到融资的真实教训
作者曾创办两家公司并成功出售给Google和Elastic，分享其创业经验与教训。文章深入探讨了创业的动机、目标市场选择以及融资策略。 重点分析了Bootstrapping与VC融资的风险收益差异，指出首次创业者与风投在风险偏好上的错位，并揭示了VC追求幂律回报的本质逻辑。
Thomas Dullien
Thomas Dullien（Halvar Flake）的个人网站，安全研究员、逆向工程师，前 Google Project Zero 成员。
评论
点赞
收藏强化学习的经济账、道德绑架词汇与“蒸馏”迷思
作者深入分析了大模型通过强化学习突破数据瓶颈的经济逻辑，指出领先者需承担高昂算力成本， 而跟随者可低成本利用其产出追赶。文章还辨析了版权法与服务条款的界限，强调模型权重不受版权保护， 且公开数据无法被垄断。 针对业界将“基于模型输出训练”污名化为“蒸馏攻击”的现象，作者认为这是企业为掩盖商业模式缺陷而使用的道德绑架话术。他主张回归技术本质，拒绝使用带有恶意的术语，呼吁理性看待模型能力的迭代与竞争。
让 LLM 提供“收据”：我教 Claude 进行 C++ 崩溃排查的教训
作者尝试让 Claude 自动分析 C++ 崩溃，初期因幻觉失败。最终通过构建多 Agent 协作流程，要求模型提供详细证据链并由另一模型验证，显著提升了准确性。 这种方法利用可验证的子步骤来约束大模型，解决了复杂推理中缺乏即时反馈的问题，为处理难以直接验证结果的 LLM 应用提供了新思路。
深入理解神经网络（第5篇）：编程助手性能大比拼
作者对比了 Gemini CLI 和 Claude Code 在优化神经网络可视化代码时的表现。Claude 一次性解决性能瓶颈，Gemini 需多次提示且引入了随机数种子问题。 作者发现 AI 助手能显著加速计算，并观察到训练发散时线性函数先于多面体几何结构崩溃的现象，引发对深层网络稳定性的思考。
去拟人化视角：重新审视大语言模型的本质
作者认为大语言模型本质上是高维空间中的概率映射函数，反对将其拟人化或赋予其意识、道德等概念。他指出当前AI安全讨论因过度拟人化而变得混乱，主张回归数学本质来定义对齐问题。 文章强调LLM虽无意识，但在解决算法难题方面具有巨大实用价值。作者建议公众和研究人员停止使用“行为”、“目标”等人类中心主义词汇，以更清晰的工程视角看待技术风险与机遇。
帮助我更好理解神经网络的实验（第4篇）
作者列出了一些关于神经网络的新阅读文献，包括将DNN视为样条函数以及ReLU网络激活模式的研究。 作者表示在阅读完这些材料后会写后续博客。
理解神经网络的实验手记（三）：为何过拟合比预期更难？
作者尝试训练参数量远超数据量的神经网络，期望其过拟合记忆训练点，结果网络仍倾向于学习几何形状而非个别噪点。 这揭示了网络存在形成连续区域的内在倾向，即便在极稀疏数据下也如此，引发了对深度学习归纳偏置机制的思考。
理解神经网络的实验笔记（二）：多面体视角与训练动态可视化
作者通过可视化实验展示神经网络如何将输入空间切割成多个多面体，并在每个区域内进行线性近似。 文章对比了不同网络结构（如瓶颈层、过参数化深层网络）在训练过程中的动态变化与稳定性差异。
欧盟创业生态的圣诞愿望：打造一站式创业服务平台
作者以创始人视角提出，欧盟创业生态急需一个整合公司注册、融资、薪酬、股权管理和税务申报的一站式在线平台。 他认为目前欧洲创业流程繁琐，若能消除这些摩擦，将显著提升创业意愿和经济增长。
互联网上有人错了（AGI末日版）
作者从应用数学和制造经验出发，反驳了AGI快速崛起并毁灭人类的观点。他指出人类知识大量存在于无法书面化的实践经验中，且物理世界存在计算不可约性。 文章强调任何技术进步都需要大量实验验证，AI无法仅靠推理获得现实世界的工艺知识，且冲突不存在零风险路径。
理解神经网络的一些实验：折纸视角
作者通过可视化实验探索ReLU神经网络的内部机制，提出“折纸或多面体”视角来理解网络如何逼近函数。 实验显示，单层网络通过移动“折痕”来拟合图像，引发了关于优化器行为、神经元聚类及边缘学习难度的讨论。
我的 Elastic/Optimyze 旅程终章
Elastic 工程师 Thomas Dullien 宣布离职，结束在 Optimyze 及其被收购后的五年历程。他回顾了自己从 Google 离职创业、开发 Profiler 产品、被 Elastic 收购到最终离开的全过程。 文中详细描述了创业期间的技术挑战、融资经历，以及家庭遭遇的重大变故，包括母亲去世和父亲患痴呆症对他个人生活和职业节奏的巨大冲击。
拖慢欧洲科技与初创产业发展的因素清单
作者基于个人经验，列举了阻碍欧洲科技与初创产业发展的十大因素。包括文化上的风险厌恶、市场与资本的高度碎片化、缺乏类似DARPA的基础研究资助，以及糟糕的员工期权立法和GDPR带来的合规成本。 这些结构性问题导致人才流失和巨头依赖，使得欧洲在云计算和AI领域难以与美国竞争。作者强调其立场并非反政府，而是呼吁建立有利于创新和竞争的合理监管环境。