**Réexamen des conseils d'investissement

Réexamen des conseils d'investissement de Justin Sun en 2016 : La clé pour gagner un million ne réside pas dans le "travail acharné", mais dans le "bon choix"

Récemment, une intervention de Justin Sun en 2016 dans l'émission La Voie de la révolution de la liberté financière sur Himalaya FM a refait surface, attirant l'attention de nombreux investisseurs curieux. Pour moi, ce qui est le plus frappant dans cet enregistrement n'est pas la polémique qui l'a entouré par la suite, mais la "pensée inversée" et le "flair pour les tendances" qu'il démontrait déjà à 26 ans – une différence cognitive qui sépare précisément les gens ordinaires de leur premier million.

Il y a dix ans, le marché des investissements, comme aujourd'hui, était saturé de bruits. À l'époque, l'industrie des voitures électriques était collectivement décriée par Wall Street, le réseau de recharge de Tesla était jugé "irréaliste", et son cours de bourse fluctuait au gré des controverses. Les actions chinoises cotées à l'étranger traversaient une crise de confiance, et Vipshop, en difficulté de financement, voyait son cours chuter à 6,5 dollars, étiquetée comme un "e-commerçant dépassé". Quant à NVIDIA, elle était encore dominée par AMD, et personne n'aurait pu prédire qu'elle deviendrait un géant valant 4 400 milliards de dollars dans la vague de l'IA.

Pourtant, les jugements de Justin Sun à l'époque dépassaient les émotions à court terme du marché. Il a misé sur Tesla en estimant que le "remplacement des voitures à essence par les voitures électriques" était une mégatendance irréversible, et que les doutes du marché offraient une fenêtre pour acheter à bas prix. Il a osé investir dans Vipshop en voyant que la logique centrale des "ventes flash" restait intacte, et que l'hiver de l'industrie n'était qu'une difficulté temporaire. Son choix de NVIDIA était encore plus visionnaire, anticipant que "la puissance de calcul des puces deviendrait une infrastructure clé de l'avenir" – des jugements non basés sur des formules financières complexes, mais sur une compréhension des "fondamentaux de l'industrie" et des "besoins humains".

Ce qui est encore plus précieux pour les gens ordinaires, c'est sa méthodologie pour "gagner un million", toujours pertinente aujourd'hui. Il conseillait aux jeunes cherchant à s'enrichir rapidement d'éviter les "secteurs de concurrence intense" et de se concentrer sur les industries à un "point critique de tendance". Entrer trop tôt peut faire de vous un pionnier qui échoue, tandis qu'entrer trop tard ne vous laisse que des miettes. Le meilleur moment est lorsque l'industrie est sur le point d'exploser, mais que la plupart des gens n'ont pas encore réagi. Par exemple, il y a quelques années, le commerce en direct n'était pas dominé par des professionnels de la vente, mais par des personnes ordinaires prêtes à se montrer et à s'exprimer. L'année dernière, dans la vague de l'IA, les premiers à monétiser des cours d'IA étaient des influenceurs transformant rapidement leur "avantage cognitif" en produits.

Il a également souligné l'importance des "longues pentes et de la neige épaisse" : les industries qui permettent vraiment aux gens ordinaires de s'enrichir doivent avoir des cycles de croissance d'au moins 10 ans, avec un taux de croissance annuel composé d'au moins 20 %. Seule une piste suffisamment longue permet aux expériences et ressources des gens ordinaires de se capitaliser. Si la période de croissance d'une industrie n'est que d'un an ou deux, les règles sont à peine apprises avant que le déclin ne s'installe, rendant difficile la réalisation de bénéfices, peu importe les efforts déployés. Ce principe s'applique toujours aujourd'hui dans des domaines comme les nouvelles énergies, l'IA et les technologies dures : choisir la bonne voie peut propulser même ceux qui ont des capacités initiales moyennes vers l'avant grâce à l'élan de l'industrie.

Le plus intéressant est son interprétation des "besoins humains" à travers le prisme des "sept péchés capitaux". Il croyait que les bonnes opportunités d'investissement ou d'entrepreneuriat se cachent dans ces péchés : les réseaux sociaux satisfont le "désir de se montrer", les vidéos courtes répondent à la "paresse et à l'ennui", et le savoir payant exploite "l'anxiété". Ces besoins ne nécessitent pas d'éducation des utilisateurs ; ils ont naturellement un marché. L'économie des animaux de compagnie et la consommation de santé d'aujourd'hui sont essentiellement des réponses précises au "désir de compagnie" et à l'"instinct de survie". Les gens ordinaires qui peuvent identifier ces "besoins ne nécessitant pas d'éducation du marché" augmentent considérablement leurs chances de succès.

Cependant, il a également souligné un point souvent négligé : même les meilleures opportunités doivent "vous correspondre". Peu importe l'ampleur de la tendance, si vos compétences et ressources ne suivent pas, vous ne pourrez que regarder les autres gagner de l'argent. Par exemple, lors du boom du commerce en direct, ceux qui ont émergé en premier étaient des personnes douées pour l'expression. Dans la vague de l'IA, ceux qui ont monétisé rapidement étaient des influenceurs comprenant le contenu et sachant vendre des cours. Les opportunités ne sont jamais "accessibles à tous", mais "saisies par ceux qui correspondent".

En y repensant, le message central de l'intervention de Justin Sun en 2016 peut se résumer en une phrase : pour les gens ordinaires, gagner leur premier million ne dépend pas de la "force brute" de "travailler plusieurs emplois", mais de l'"astuce" de "choisir la bonne voie". L'essence de la liberté financière est la monétisation de la cognition – lorsque vous pouvez percevoir les tendances de l'industrie, comprendre les besoins humains et trouver des opportunités qui vous correspondent, l'argent suit naturellement.

Écouter cet enregistrement vieux de dix ans aujourd'hui, c'est moins "apprendre des techniques d'investissement" que "recalibrer sa direction cognitive". Plutôt que de s'épuiser dans un marché saturé, il est préférable de lever les yeux vers les secteurs émergents. Plutôt que de s'attarder sur les gains à court terme, il est plus sage de se concentrer sur les domaines offrant des "longues pentes et de la neige épaisse". Après tout, pour les gens ordinaires, bien choisir une fois est plus important que de travailler dur pendant dix ans.

Gemini Pro : Confiez les tâches répétiti

Gemini Pro : Confiez les tâches répétitives à l'IA et devenez un "super-individu"

Chaque jour, lorsque vous allumez votre ordinateur, vous retrouvez-vous à répéter les mêmes tâches fastidieuses : passer 2 heures à extraire des données de dizaines de documents, rédiger un rapport "rempli de mots" toute l'après-midi, ou corriger sans fin un e-mail destiné à convaincre votre supérieur ? À une époque où "le temps est un actif invisible", nous sommes épuisés par d'innombrables tâches répétitives et remplaçables. L'émergence de Gemini Pro offre une solution : laissez l'IA s'occuper des travaux mécaniques et récupérez votre temps pour ce qui compte vraiment.

Beaucoup de gens pensent à tort que l'IA n'est qu'un "outil d'assistance", sans réaliser qu'elle redéfinit les règles de la valeur dans le monde professionnel et commercial. Autrefois, nous mesurions les résultats du travail en fonction du "temps investi". Aujourd'hui, ceux qui utilisent Gemini Pro ont déjà pris de l'avance grâce à un "écart d'efficacité" : tandis que d'autres passent 3 heures à compiler une analyse sectorielle, ils utilisent l'IA pour extraire les idées clés en 10 minutes ; tandis que d'autres s'angoissent pendant une semaine sur un plan marketing, ils génèrent trois cadres de travail pilotés par l'IA et les améliorent. Ce n'est pas de la "paresse", mais l'utilisation de la technologie pour "optimiser le temps", libérant ainsi de l'énergie pour des tâches créatives et stratégiques qui définissent une valeur irremplaçable.

Pour les professionnels, Gemini Pro agit comme un "partenaire invisible", vous aidant à sauter les processus fastidieux et à opérer depuis une perspective de "décideur". Par exemple, lors de la gestion d'une revue trimestrielle, l'approche traditionnelle implique de s'attaquer aux rapports financiers, aux retours des utilisateurs et aux analyses des concurrents avant de résumer les points clés tard dans la nuit. Avec Gemini Pro, il vous suffit de télécharger tous les documents et de dire : "Aidez-moi à intégrer ces données, résumez les 3 principales opportunités de croissance et les 2 risques pour ce trimestre, et présentez-les sous forme de points structurés." En 30 minutes, vous obtiendrez un brief décisionnel clair et logique. Au lieu de vous noyer dans le "traitement des données", vous vous concentrez sur "comment exécuter les opportunités" et "comment atténuer les risques" – ce passage de "faire" à "penser" est le secret des promotions et des augmentations de salaire.

Même en matière de "communication et d'influence", Gemini Pro peut améliorer votre jeu. Beaucoup de gens ont de bonnes idées mais échouent à obtenir des ressources parce que leur présentation manque de persuasion. Par exemple, si vous souhaitez demander un budget marketing de 500 000 dollars, dire simplement "le projet a besoin d'argent" risque d'être rejeté. Mais avec Gemini Pro, vous pouvez dire : "Aidez-moi à rédiger un e-mail au directeur marketing basé sur cette proposition et ces données, en mettant l'accent sur le retour sur investissement et en répondant à l'avance aux questions comme 'Pourquoi ce canal ?' et 'Que faire si les résultats sont mauvais ?'" L'IA transforme vos idées éparses en une proposition professionnelle, logiquement rigoureuse et étayée par des preuves – non pas en créant pour vous, mais en clarifiant votre "valeur" afin que les bonnes idées ne soient pas enterrées.

Pour les entrepreneurs et les propriétaires d'entreprise, Gemini Pro est un "levier de réduction des coûts et d'augmentation de l'efficacité". Dans le marketing de contenu, vous n'avez plus besoin d'embaucher des équipes coûteuses : l'IA peut générer une semaine de contenu pour les réseaux sociaux pour une marque de "café durable" – y compris 5 tweets, 3 scripts de vidéos courtes, et même des orientations créatives visuelles. Dans le service client, l'IA peut compiler les questions fréquentes, générer des réponses standardisées et ajuster le style de communication en fonction du ton du client. Plus important encore, elle vous aide à créer un avantage concurrentiel de "service hautement efficace" : tandis que vos concurrents mettent 3 jours à livrer une analyse concurrentielle, vous pouvez le faire en 4 heures avec Gemini Pro. Les clients paieront une prime pour la rapidité, tandis que vos coûts resteront plus bas – cet "écart d'efficacité" est la source du profit.

Mais n'oubliez pas, Gemini Pro ne consiste pas à "faire le travail à votre place", mais à "amplifier vos capacités". C'est comme une échelle, vous aidant à sauter par-dessus le "mur des tâches répétitives" pour atteindre des dimensions plus élevées de la compétition. Aujourd'hui, le monde professionnel ne récompense pas "ceux qui travaillent plus d'heures", mais "ceux qui savent faire de l'IA une extension d'eux-mêmes" : dans le même laps de temps, tandis que d'autres font une tâche, vous utilisez l'IA pour en faire trois – et améliorez la qualité de chacune. C'est la logique fondamentale pour devenir un "super-individu".

Si vous êtes encore submergé par des tâches répétitives, commencez dès aujourd'hui : identifiez la tâche la plus chronophage de votre travail (comme la rédaction de rapports hebdomadaires ou l'organisation de données) et laissez Gemini Pro s'en occuper. Peu à peu, vous découvrirez que vous ne gagnez pas seulement du temps – vous reprenez le contrôle de la direction de votre carrière. Après tout, les gagnants de demain sur le marché du travail ne seront pas ceux qui "font plus", mais ceux qui "laissent l'IA faire plus pour eux, afin qu'ils puissent se concentrer sur ce qui compte vraiment".

Gemini Pro: Hand Over Repetitive Tasks t

Gemini Pro: Hand Over Repetitive Tasks to AI and Become a "Super Individual"

Every day when you open your computer, do you find yourself repeating the same tedious tasks: spending 2 hours extracting data from a dozen documents, writing a "filler" report all afternoon, or endlessly revising an email to convince your boss? In this era where "time is an invisible asset," we are drained by countless replaceable, repetitive tasks. The emergence of Gemini Pro offers a solution: let AI handle the mechanical work and reclaim your time for what truly matters.

Many people mistakenly think of AI as just an "assistant tool," failing to realize it is reshaping the rules of value in the workplace and business. In the past, we measured work results by "time invested." Now, those who leverage Gemini Pro have already pulled ahead with an "efficiency gap": while others spend 3 hours compiling industry analysis, they use AI to extract core insights in 10 minutes; while others agonize over a marketing plan for a week, they generate three AI-driven frameworks and refine them. This isn't "laziness"—it's using technology to "leverage time," freeing up energy for creative and strategic tasks that define irreplaceable value.

For professionals, Gemini Pro acts like an "invisible partner," helping you skip tedious processes and operate from a "decision-maker's" perspective. For example, when handling a quarterly review, the traditional approach involves slogging through financial reports, user feedback, and competitor analyses before summarizing key points late into the night. With Gemini Pro, you simply upload all materials and say, "Help me integrate this data, summarize the top 3 growth opportunities and 2 risks for this quarter, and present them in structured bullet points." Within 30 minutes, you'll have a clear, logical decision brief. Instead of drowning in "data shuffling," you focus on "how to execute opportunities" and "how to mitigate risks"—this shift from "doer" to "thinker" is the secret to promotions and raises.

Even in "communication and influence," Gemini Pro can upgrade your game. Many people have great ideas but fail to secure resources because their pitch lacks persuasiveness. For instance, if you want to request a $500,000 marketing budget, simply saying "the plan needs money" is likely to be rejected. But with Gemini Pro, you can say, "Help me draft an email to the marketing director based on this proposal and data, emphasizing ROI and preemptively addressing questions like 'Why this channel?' and 'What if the results are poor?'" The AI transforms scattered thoughts into a logically rigorous, evidence-backed professional proposal—not creating for you, but clarifying your "value" so good ideas don't get buried.

For entrepreneurs and business owners, Gemini Pro is a "cost-cutting, efficiency-boosting" powerhouse. In content marketing, you no longer need to hire expensive teams: AI can generate a week's worth of social media content for a "sustainable coffee" brand—including 5 tweets, 3 short video scripts, and even visual creative directions. In customer service, AI can compile common inquiries, generate standardized responses, and adjust communication styles based on customer tone. More importantly, it helps you build a "high-efficiency service" competitive edge: while competitors take 3 days to deliver a competitor analysis, you can do it in 4 hours with Gemini Pro. Customers will pay a premium for speed, while your costs remain lower—this "efficiency gap" is where profit comes from.

But remember, Gemini Pro isn't about "doing the work for you"—it's about "amplifying your capabilities." It's like a ladder, helping you leap over the "wall of repetitive tasks" to reach higher dimensions of competition. Today's workplace isn't about "who works longer hours," but "who can make AI an extension of themselves": in the same amount of time, while others do one task, you use AI to do three—and improve the quality of each. That's the core logic of becoming a "super individual."

If you're still bogged down by repetitive tasks, start today: identify the most time-consuming task in your work (like writing weekly reports or organizing data) and let Gemini Pro handle it. Gradually, you'll find that you're not just saving time—you're regaining control over your career direction. After all, the future's workplace winners aren't those who "do more," but those who "let AI do more for them, so they can focus on what truly matters."

Revisiting Justin Sun’s 2016 Investment

Revisiting Justin Sun's 2016 Investment Insights: The Key to Earning Your First Million Isn't "Hard Work" but "Choosing Wisely"

Recently, a 2016 audio clip from Justin Sun's Himalaya FM show, *The Path to Financial Freedom Revolution*, has gone viral again. Many investors, driven by curiosity, have revisited this recording. For me, what resonates most isn't the controversy surrounding him later, but the "contrarian judgment" and "trend intuition" he displayed at just 26 years old—a cognitive gap that is precisely what separates ordinary people from their first million.

A decade ago, the investment market, much like today, was filled with noise. Back then, Wall Street collectively doubted the electric vehicle industry, Tesla's charging network was dismissed as "unrealistic," and its stock price fluctuated amid skepticism. Chinese concept stocks faced a crisis of trust, with Vipshop's stock plummeting to $6.50 due to financing difficulties, earning it the label of a "has-been e-commerce" company. As for NVIDIA, it was still overshadowed by AMD, and no one could have predicted it would grow into a $4.4 trillion giant during the AI boom.

Yet, Justin Sun's judgments at the time transcended short-term market sentiment. He bet on Tesla because he believed the "replacement of gasoline cars with electric vehicles" was an irreversible megatrend, and market skepticism created a window for buying at a low price. He dared to invest in Vipshop because he saw that the core logic of "flash sales" remained intact, and the industry's winter was just a temporary setback. His choice of NVIDIA was even more foresighted, as he anticipated that "chip computing power would become a core infrastructure of the future"—judgments not based on complex financial formulas but on insights into "industry fundamentals" and "human needs."

What's even more valuable for ordinary people is his breakdown of the "methodology for earning your first million," which remains highly relevant today. He advised young people seeking quick wealth to avoid "red ocean" industries and instead focus on sectors at the "tipping point of a trend." Entering too early might make you a pioneer who fails, while entering too late leaves you with only scraps. The best timing is when an industry is on the verge of exploding but most people haven't yet reacted. For example, a few years ago, live-streaming e-commerce wasn't dominated by professional salespeople but by ordinary individuals willing to show their faces and express themselves. Last year, during the AI boom, the first wave of people monetizing AI courses were influencers who quickly turned their "cognitive advantage" into products.

He also emphasized the importance of "long slopes and thick snow": industries that can truly help ordinary people accumulate wealth must have growth cycles of at least 10 years, with an annual compound growth rate of at least 20%. Only a sufficiently long runway allows ordinary people's experience and resources to compound—if an industry's growth period is only a year or two, the rules are barely learned before decline sets in, making it difficult to reap rewards no matter how hard you work. This principle still applies today in fields like new energy, AI, and hard tech: choosing the right track can propel even those with average initial abilities forward with the industry's momentum.

Most interestingly, he interpreted "human needs" through the lens of the "seven deadly sins." He believed that good investment or entrepreneurial opportunities are hidden within these sins: social media satisfies the "desire for showing off," short videos address "laziness and boredom," and paid knowledge exploits "anxiety." These needs don't require user education; they inherently have a market. Today's pet economy and health consumption are essentially precise responses to the "desire for companionship" and the "instinct for survival." Ordinary people who can identify these "needs that don't require market education" significantly increase their chances of success.

However, he also pointed out an often-overlooked factor: even the best opportunities must "fit you." No matter how big the trend, if your abilities and resources don't match, you can only watch others profit. For example, during the live-streaming e-commerce boom, those who rose first were people skilled in expression. In the AI boom, those who monetized quickly were influencers who understood content and knew how to sell courses. Opportunities are never "available to everyone" but are "seized by those who fit."

Looking back, the core message of Justin Sun's 2016 talk can be summed up in one sentence: for ordinary people, earning their first million doesn't rely on the brute force of "working multiple jobs" but on the skill of "choosing the right track." The essence of financial freedom is monetizing cognition—when you can see through industry trends, understand human needs, and find opportunities that fit you, money naturally follows.

Listening to this decade-old audio clip today, it's less about "learning investment techniques" and more about "calibrating cognitive direction." Instead of struggling in a saturated market, it's better to look ahead at emerging growth sectors. Rather than obsessing over short-term gains, it's wiser to focus on finding industries with "long slopes and thick snow." After all, for ordinary people, choosing wisely once is more important than working hard for ten years.

Harvard’s Groundbreaking Research: The R

Harvard's Groundbreaking Research: The Reasoning Potential of LLMs May Lie in "Training-Free" Sampling

While the industry continues to debate how complex techniques like reinforcement learning (RL) and chain-of-thought (CoT) can enhance the reasoning abilities of large language models (LLMs), a new study from Harvard University presents a disruptive perspective: the reasoning potential of language models may not require additional training to "unlock."

For a long time, reinforcement learning has been seen as the key to breakthroughs in hard-core fields like mathematics and programming for LLMs. By continuously "rewarding correct and punishing incorrect" responses through feedback mechanisms, models gradually learn the solution paths to complex problems. However, researchers Yilun Du and Aayush Karan identified a contradiction: mainstream RL algorithms like GRPO not only fail to outperform base models on key metrics such as pass@k but also lead to a loss of diversity in generated content. This raises the question: does reinforcement learning "unlock new capabilities" or "restrict inherent potential"?

Driven by this question, the research team turned their attention to a simpler approach—leveraging the inherent characteristics of base models. Inspired by Markov Chain Monte Carlo (MCMC) methods, they proposed an iterative sampling algorithm. Since base models naturally tend to generate high-likelihood content, the team used this trait to "sharpen" the model's output through a power distribution P^α. Essentially, P^α acts like a "smart filter," significantly downweighting tokens that might lead the model into low-quality outcomes. This allows the model to inherently "plan ahead" during generation, avoiding dead ends in reasoning.

Of course, directly sampling P^α from an exponentially vast sequence space is impractical. To address this, they introduced the Metropolis-Hastings algorithm for approximation. By generating content block by block and continuously using P^α probabilities to decide whether to retain new content, the model optimizes its reasoning path step by step during the autoregressive generation process. The entire process requires no additional data training, no complex validators—just the base model's own likelihood function. While it sounds deceptively simple for "cutting-edge research," the results are surprisingly impressive.

In experiments, this "training-free sampling method" demonstrated remarkable performance: in multiple domains and across different base models, its single-shot accuracy matched that of GRPO. More importantly, in cross-domain tasks (such as programming) and scenarios where explicit rules cannot be applied (such as AlpacaEval dialogue evaluation), it even outperformed reinforcement learning. This suggests that base models inherently possess reasoning capabilities far beyond what traditional sampling methods reveal—perhaps we have been "taking the long way with complex technology."

The significance of this research extends far beyond "proposing a new method." It redefines our understanding of LLM capabilities: the potential of large models may not be "trained" but rather "better activated." While the industry continues to chase more complex training frameworks, Harvard's research reminds us that sometimes, returning to the fundamental characteristics of models—such as leveraging their innate likelihood judgment and using lighter sampling strategies to unlock potential—could be another shortcut to unlocking reasoning abilities.

For developers and researchers, this is undoubtedly a signal worth paying attention to: in the future, improving the reasoning abilities of LLMs may not require piling up training resources. Instead, optimizing sampling methods and unleashing the native potential of base models could become a more efficient and universally applicable direction. After all, when we thought we needed to "teach the model," it may have already hidden the key to solving problems within its own distribution characteristics.

颠覆认知！哈佛新研究：LLM的推理潜力，竟藏在“无需训练”的采样里

颠覆认知！哈佛新研究：LLM的推理潜力，竟藏在"无需训练"的采样里

 

当行业还在为强化学习（RL）、思维链（CoT）等复杂技术如何提升大模型推理能力争论不休时，哈佛大学的一项新研究却抛出了一个颠覆性观点：语言模型（LLM）的推理潜力，或许根本不需要额外训练来"解锁"。

 

长久以来，强化学习被视作LLM在数学、编程等硬核领域突破的关键——通过不断"奖励正确、惩罚错误"的反馈机制，让模型逐渐学会复杂问题的解决路径。但研究者Yilun Du和Aayush Karan却发现了一个矛盾点：像GRPO这样的主流RL算法，在pass@k等关键指标上不仅没跑赢基础模型，还导致了生成内容多样性的流失。这不禁让人疑问：强化学习究竟是"激发了新能力"，还是"限制了原有潜力"？

 

带着这个疑问，研究团队将目光转向了更简单的方向——从基础模型自身的特性入手。他们受马尔可夫链蒙特卡洛（MCMC）方法启发，提出了一种迭代采样算法：既然基础模型天生倾向于生成高似然度的内容，那不如利用这一点，通过"幂分布P^α"来"锐化"模型的输出。简单来说，P^α能像"智能过滤器"一样，对那些可能导致模型陷入低质量结果的token（字符单元）大幅降权，相当于让模型在生成过程中自带"规划意识"，提前避开推理路上的"死胡同"。

 

当然，直接从指数级庞大的序列空间中采样P^α并不现实，于是他们引入了Metropolis-Hastings算法做近似处理：通过逐块生成内容、不断用P^α的概率判断是否保留新内容，让模型在自回归生成的过程中，一步步优化推理路径。整个过程没有额外数据训练，没有复杂的验证器，完全依赖基础模型自身的似然函数——听起来简单到不像"前沿研究"，但结果却出人意料。

 

在实验中，这种"无训练采样法"展现出了惊人的实力：在多个领域和不同基础模型上，它的单轮（single-shot）准确率能与GRPO打平；更关键的是，在跨领域任务（比如编程）和无法用明确规则验证的场景（如AlpacaEval对话评估）中，它甚至超过了强化学习的效果。这意味着，基础模型本身就具备远超传统采样方法所展现的推理能力，之前我们或许是"用复杂技术，走了远路"。

 

这项研究的意义，远不止"提出一种新方法"那么简单。它重新定义了我们对LLM能力的认知：大模型的潜力可能不是"训练出来的"，而是"被更好地激发出来的"。当行业还在追逐更复杂的训练框架时，哈佛的研究却提醒我们：有时候，回归模型的本质特性——比如利用它天生的似然判断能力，用更轻量的采样策略挖掘潜力——或许是打开推理大门的另一条捷径。

 

对于开发者和研究者来说，这无疑是一个值得关注的信号：未来提升LLM推理能力，或许不需要再一味堆砌训练资源，优化采样方法、释放基础模型的原生潜力，可能会成为更高效、更普适的方向。毕竟，当我们以为需要"给模型上课"时，它或许早已在自身的分布特性里，藏好了解决问题的钥匙。

QR Code Payments : d’un laboratoire japo

QR Code Payments : d'un laboratoire japonais aux portefeuilles mondiaux, une révolution technologique transformant les habitudes de consommation

Aujourd'hui, sortir son téléphone pour scanner un code QR afin d'effectuer un paiement est un geste devenu banal pour des milliards de personnes à travers le monde. Que ce soit pour acheter une bouteille d'eau dans un magasin de proximité ou pour régler un achat sur une plateforme d'e-commerce transfrontalière, ce carré en noir et blanc a discrètement redéfini notre manière d'interagir avec l'argent. Pourtant, peu de gens savent que cette technologie, qui a révolutionné les systèmes de paiement mondiaux, n'a pas été conçue à l'origine pour les paiements. Derrière elle se cache un parcours de trente ans, traversant plusieurs pays.

Les origines au Japon

En 1994, Masahiro Hara, ingénieur chez Denso Wave au Japon, a développé le premier code QR (Quick Response Matrix Code) pour répondre aux limites des codes-barres traditionnels en matière de stockage d'informations. Initialement, les codes QR étaient utilisés pour le suivi des pièces automobiles dans les usines. Personne n'aurait pu prédire qu'ils deviendraient, des décennies plus tard, le langage universel des paiements mondiaux. Bien que les premiers codes QR offraient une densité d'informations élevée et une lecture rapide, leur adoption était limitée par la faible pénétration des smartphones et le manque de développement des réseaux mobiles, les confinant aux secteurs industriel et logistique, loin de la vie quotidienne des consommateurs ordinaires.

L'essor des paiements par code QR en Chine

La percée des codes QR dans les paiements, et leur croissance explosive en Chine, est venue avec l'essor de l'internet mobile. En 2010, Alipay a lancé les paiements rapides par carte bancaire, établissant une infrastructure de paiement mobile. En 2011, les paiements par code-barres ont fait leur apparition, posant les bases des paiements par code QR. L'année 2014 a marqué un tournant : alors que WeChat Pay et Alipay intégraient les paiements par code QR dans des scénarios hors ligne, des vendeurs de rue aux supermarchés, le "paiement par scan" s'est rapidement répandu en raison de son faible coût d'accès. Dès 2017, l'essor des paiements par code QR en Chine a atteint son apogée, avec des projets pilotes de "villes sans cash" et même des vendeurs de marché adoptant des codes de paiement. Les données de China UnionPay en 2021 ont montré que 85 % des utilisateurs avaient adopté les paiements par code QR, faisant de la Chine l'un des pays où cette technologie s'est répandue le plus rapidement et le plus largement au monde.

Une adaptation mondiale

Dans d'autres régions du monde, la popularité des paiements par code QR a varié mais a démontré une forte adaptabilité. La Corée du Sud a été l'un des premiers adopteurs : en 2004, l'opérateur de télécommunications SK Telecom a lancé le service "MobilePay", combinant les codes QR avec les portefeuilles mobiles. Dès 2013, la pénétration des paiements par code QR avait atteint 45 %, devenant une méthode de paiement clé pour le public. L'Asie du Sud-Est a réalisé un "saut technologique" dans les paiements grâce aux codes QR : la Malaisie a lancé le réseau de paiement unifié DuitNow QR en 2019, avec des volumes de transactions dépassant 1,5 milliard au premier semestre 2024. Le système PayNow de Singapour, lancé en 2017, a traité 437 millions de transactions en 2023, sautant l'ère des cartes de crédit pour entrer directement dans celle des paiements mobiles. Bien que les pays européens et américains, avec leurs systèmes de cartes de crédit matures, aient été plus lents à adopter les paiements par code QR, ils rattrapent rapidement leur retard ces dernières années. Des marques comme Starbucks et Walmart ont intégré les paiements par code QR pour répondre à la demande des consommateurs pour des solutions de paiement "sans contact".

Les forces motrices derrière l'adoption mondiale

L'essor mondial des paiements par code QR n'est pas un hasard. Il est le résultat d'une synergie entre les avancées technologiques, le soutien des politiques et la demande du marché. Sur le plan technologique, les codes QR dynamiques ont résolu les problèmes de sécurité associés aux codes statiques, tandis que les fonctions de règlement multi-devises ont éliminé les obstacles aux paiements transfrontaliers. Sur le plan politique, les pays ont promulgué des législations pour réguler les marchés de paiement : par exemple, la loi sud-coréenne sur les services de paiement non bancaires a établi des normes de sécurité des données, tandis que les mesures chinoises de "rupture de connexion directe" ont garanti la sécurité des fonds. La demande du marché a été le principal moteur : la pénétration mondiale des smartphones a dépassé 70 %, le commerce électronique a prospéré, et la demande accrue de solutions "sans contact" après la pandémie a fait des paiements par code QR un outil polyvalent à travers les régions et les scénarios de consommation.

Une révolution dans les habitudes de consommation

D'un simple étiquetage de suivi dans une usine automobile japonaise à une passerelle de paiement sur les téléphones des consommateurs du monde entier, le parcours de trente ans des paiements par code QR n'est pas seulement l'évolution d'une technologie, mais une révolution dans les habitudes de consommation. Grâce à leur faible barrière d'entrée, les paiements par code QR ont rendu les transactions plus pratiques et plus accessibles. Cela montre que les technologies vraiment impactantes ne sont pas confinées aux laboratoires, mais sont des solutions qui s'adaptent aux besoins de différents pays et populations, atteignant chaque rue et chaque ruelle. Aujourd'hui, avec le développement des technologies blockchain et NFC, les paiements par code QR pourraient évoluer davantage, mais l'"ère des paiements pratiques" qu'ils ont inaugurée a déjà profondément transformé notre manière d'interagir avec le monde.