TEMS 模型 -- 衡量你的人生资源

简介: TEMS 模型 -- 衡量你的人生资源

我们每个人在生活、工作中总是在不断消耗某种资源(比方说时间、精力),用来换取另一种资源(比方说金钱)。当我们面对某个具体问题,或者某个人生选择的时候,用 TEMS 模型站在资源的角度进行衡量是一个不错的方案,可以让我们尽可能做出人生资源最大化的选择。原文链接:TEMS Model


人们在设计自己的生活、做出人生选择的时候,总会忽略一件重要的事情:定义一个衡量标准。我们怎么才能衡量和评估人生中的每一步决定?当我们做出决定的时候,我们想要获得哪些价值?

为了能够做出有效的度量,我们建议使用 TEMS 模型


TEMS 是一组资源的缩写(类似于关于技能的DEMO模型):

  • 时间 Time ⏱
  • 精力 Energy ⚡️
  • 金钱 Money 💰
  • 社会关系 Social Network 👨👩👧👦
时间 Time

时间是我们最宝贵的资源,因为没有人能得到更多的个人时间。不过,我们可以用其他资源来交换别人的时间。


个人时间有非常特殊的属性:

  • 时间总是不够用
  • 时间资源会自然消耗
  • 时间观念在不同的人群和文化中是不一样的
  • 时间和精力是我们能给到亲近的人的最宝贵的两样东西
精力 Energy

精力体现了我们的意志力、内在动机、注意力、专注能力和总体幸福感。此外,可以把精力看作是健康和压力恢复能力的衡量标准。


精力和时间构成了个人效率的基本资源。在我们的一生中,需要把精力和时间转化为其他的事情和经历。精力和时间决定了我们能追求多少感兴趣的东西以及我们能从生活中得到多少乐趣。

金钱 Money

金钱是最容易衡量和转换的资源。金钱非常直观——我们可以看到它、摸到它。


这就是为什么金钱经常被用作衡量其他一切事物的替代品:幸福(富有==幸福),影响力(富有==有影响力),幸福(富有==有更多的空闲时间)。


然而,这是一个非常具有误导性的参考框架:金钱并不能买到所有这些东西。

社会关系 Social Network

社会关系是最被低估和最有价值的资源。作为人类,我们生来就是社会性的,我们的幸福取决于社会交往、感受并接受爱的能力。


社会关系主要包括两类:朋友和亲戚,以及在某些方面可以为我们提供帮助的人(比方说同事、员工、职业关系)。维护这两个类别的关系都需要消耗精力和时间,这样才能从中受益。

成功秘诀

这四种资源都是可以相互转换的:例如,你可以将时间和精力转换为金钱和社会关系。


如果我们使用 TEMS 模型,那么成功的定义就是同时平衡和增加所有资源,而不是用一种资源交换另一种资源。


image.png


比方说:想象一下,如果你有一个很好的机会去一家行业领先的初创公司工作。你知道他们会给你很高的期权,并且很明显在退出的时候这些期权将会很有价值。问题是他们会要求你加班和并且有大量事情要去处理——比方说需要挑战极限并且学习大量尖端知识。


你试图估算 TEMS 平衡:


image.png


你完全可以看到这个机会将会在 5 年内给你带来很多金钱,但会耗尽你的时间和精力。但愿你还能够保持你的社会关系(与朋友和亲戚见面,与同事和行业专家保持联系等)。


你会想要抓住这个机会吗?


或者你会愿意加入一家薪水较少,但有更多自由时间可以与人交往并建立人际关系的公司吗?


如果把你最近的工作决定或者家庭决定映射到这个模型上,会是怎么样的呢?

目录
相关文章
|
6月前
|
机器学习/深度学习 搜索推荐 算法
推荐系统离线评估方法和评估指标,以及在推荐服务器内部实现A/B测试和解决A/B测试资源紧张的方法。还介绍了如何在TensorFlow中进行模型离线评估实践。
推荐系统离线评估方法和评估指标,以及在推荐服务器内部实现A/B测试和解决A/B测试资源紧张的方法。还介绍了如何在TensorFlow中进行模型离线评估实践。
429 0
构建一个分类模型,如何选择合适的损失函数和评估指标
构建一个分类模型,如何选择合适的损失函数和评估指标
|
5月前
|
存储 人工智能 缓存
大模型压缩量化方案怎么选?无问芯穹Qllm-Eval量化方案全面评估:多模型、多参数、多维度
【6月更文挑战第26天】无问芯穹Qllm-Eval评估了11个大模型(如OPT、LLaMA2)在多种参数配置和任务下的量化效果,探索权重量化、激活量化等方法对性能、速度和内存的影响。研究发现,W4、W4A8量化通常保持在2%的性能损失范围内,但最佳策略取决于模型大小、任务类型及硬件,提示了选择压缩方案时需灵活适应。[[arxiv.org/pdf/2402.18158.pdf](https://arxiv.org/pdf/2402.18158.pdf)]
84 6
|
6月前
|
运维 算法 数据可视化
电力消耗模型构建、分析和预测
电力消耗模型构建、分析和预测
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
R语言响应面(RSM)、线性模型lm分析生产过程影响因素可视化
R语言响应面(RSM)、线性模型lm分析生产过程影响因素可视化
|
6月前
R语言资产配置策略量化模型:改进的移动平均线策略动态回测
R语言资产配置策略量化模型:改进的移动平均线策略动态回测
|
6月前
|
机器学习/深度学习 移动开发 Go
经济学:动态模型平均(DMA)、动态模型选择(DMS)预测原油时间序列价格
经济学:动态模型平均(DMA)、动态模型选择(DMS)预测原油时间序列价格
|
机器学习/深度学习 计算机视觉 数据可视化
YOLOv5改进系列(0)——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
YOLOv5改进系列(0)——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
7032 0
YOLOv5改进系列(0)——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
|
11月前
|
存储 JSON 自然语言处理
使用ExLlamaV2量化并运行EXL2模型
量化大型语言模型(llm)是减少这些模型大小和加快推理速度的最流行的方法。在这些技术中,GPTQ在gpu上提供了惊人的性能。与非量化模型相比,该方法使用的VRAM几乎减少了3倍,同时提供了相似的精度水平和更快的生成速度。
196 0
|
安全 Java Go
如何比较不同技术选项:综合因素加权法
如何比较不同技术选项:综合因素加权法
下一篇
无影云桌面