这周广告终于上线了。之前说过好几次「用户在回答里看到广告、被引到他本意不想去的地方，是一件很惨的事」——所以上线之前，先得有一份原则往回找补。
原则一共这么几条：回答本身不会被广告影响；广告永远独立显示并清晰标记；对话内容对广告主保密；除了免费版和一个新的八美元档位，其他版本都不出现广告。
说得很好听。给出的示例形态是：回答归回答，广告在下面单独一块。
问题在于，这套边界能守多久是另一回事——第一版永远是最克制的那一版。当周活跃用户到了九亿量级，探索广告模式本来就是早就该发生的事，只是「怎么上」比「上不上」更值得盯。
整条链路是这样的：一个请求进来，先经过一个混合器，把你的 query 生成出来并做扩充；然后召回一大堆潜在候选——既有你关注网络之内的，也有网络之外的（所以你总能刷到不是你关注的人的内容）；接着做补全，把关键的额外信息挂上去；再筛选；最后打分。
打分靠的就是一个 Transformer，而且没什么特别的。它的输入是：用户的哈希、历史帖子的哈希、作者的哈希、历史行为（点击、收藏、点赞这些）、候选帖子和候选作者的哈希，以及一些别的特征。
看完这张图就明白了：前面那一大堆工程，全都是在给这个 Transformer 准备输入。模型本身简单，值钱的是喂进去的东西。
一位长期做行政管理的数学家，决定回归数学教育，加入了一家 AI 公司。他想解决的是：怎么帮人学得更深、帮老师教得更有人文关怀、把学生服务好。
具体怎么做还没答案，但他提了两个问题：如果有一个工具能把所有琐碎的工作都干完，那你应该启动什么计划？明天该干什么？
这不是孤例。最近几件事——某家的招聘要求、几家公司的对外表述——都把同一件事放到最高优先级：你能不能做好优先级排序，你的选择到底是什么。当执行变便宜，选择的重要性就被无与伦比地抬高了。
有一家公司的口号是攻克所有疾病，团队里很多人来自做蛋白质结构预测的那支队伍。
逻辑很清楚：既然大量蛋白质折叠的候选问题已经被解决了，下一步就是把这些候选真正变成药。
这是同一批人把能力往产业下游推的典型走法——上游算准了，价值在下游兑现。