即刻App年轻人的同好社区
下载
说到 AI 算命，讲一个相对比较准（应该是所有头部模型里，测字最准的）的方法
用 Deepseek，输入以下 prompt
今天是 xx 年 x 月 x 日， x 点 x 分。
我随意想了 3 个数字 x x x 综合小六壬和梅花起卦结果测算
（此处输入你想问的问题）
用 Deepseek，输入以下 prompt
今天是 xx 年 x 月 x 日， x 点 x 分。
我随意想了 3 个数字 x x x 综合小六壬和梅花起卦结果测算
（此处输入你想问的问题）
0 00
最近看了些司法案例
一个内心成熟 平静 健康的人
是不会不顾他人的感受持续性迫害的
最可怜的是
其实所有人都在看穿 TA 了
唯有 TA 还活在自我编织的牢笼里
可怜 可笑 可悲
而恰巧人的行为模式又有重复性
因果就是回旋镖。
一个内心成熟 平静 健康的人
是不会不顾他人的感受持续性迫害的
最可怜的是
其实所有人都在看穿 TA 了
唯有 TA 还活在自我编织的牢笼里
可怜 可笑 可悲
而恰巧人的行为模式又有重复性
因果就是回旋镖。
0 00
想对每一个女孩子说
姑娘，离婚/分手都不可怕
最可怕的是你明明知道对方在欺骗你
你你明知道婚姻/感情支离破碎
你明明感觉到 TA 在训化你
你明明明白都是为了面子
你明明清楚 TA 从未爱过你，都是习得性表演
你却还要为 TA 开脱
这才是最可怕的
因为姑娘，你对不起自己了。那就真的没人救得了你。
姑娘，离婚/分手都不可怕
最可怕的是你明明知道对方在欺骗你
你你明知道婚姻/感情支离破碎
你明明感觉到 TA 在训化你
你明明明白都是为了面子
你明明清楚 TA 从未爱过你，都是习得性表演
你却还要为 TA 开脱
这才是最可怕的
因为姑娘，你对不起自己了。那就真的没人救得了你。
1 00
Crypto / Web3 / 区块链也许并不重要，重要的是创新的融合和突破。
观察近期的金融行业活动比如 SFF Singapore Fintech Week，ADFW Abu Dhabi Finance Week 等，你会发现越来越多的正规军来玩了，而且他们对科技金融金融理解可能更深刻。但是，他们并不见得非要了解 crypto native，比如具体的某个 EIP 到底解决了什么问题。
在巨额头寸面前，我们要问的永远是，资金如何更便利、安全的流通。
RWA / Tradefi / DAT 本质是由传统金融演化而来的以区块链为底层技术创新的创新金融理念，本质上依然是 Fintech 的一环。（如果你在新加坡从事区块链行业，很有可能你要申请 EP 时填写会是 Fintech）
我和朋友一直说，我觉得未来 Crypto 会有两极分化，crypto native 的会越来越少，是因为存量用户导致的，大钱不会关心因为流动性不够吸引。同理，我们赖以创新的 dapp 比如 gamefi / socialfi 等等，本质上更像是本末倒置的迎合。归根结底，链与金融还是要回归资产的本质，而科技只是辅助。
随着 AI 的成长，未来人才都是复合型的，企业都是哑铃型的，即底部生产（资产、基建等），头部输出（销售、渠道等）。AI 人才与 Web3 人才的重合度也会上升。还是很期待大量正规军进入行业，届时又会有一个新的名词 term 出现，我们拭目以待。
观察近期的金融行业活动比如 SFF Singapore Fintech Week，ADFW Abu Dhabi Finance Week 等，你会发现越来越多的正规军来玩了，而且他们对科技金融金融理解可能更深刻。但是，他们并不见得非要了解 crypto native，比如具体的某个 EIP 到底解决了什么问题。
在巨额头寸面前，我们要问的永远是，资金如何更便利、安全的流通。
RWA / Tradefi / DAT 本质是由传统金融演化而来的以区块链为底层技术创新的创新金融理念，本质上依然是 Fintech 的一环。（如果你在新加坡从事区块链行业，很有可能你要申请 EP 时填写会是 Fintech）
我和朋友一直说，我觉得未来 Crypto 会有两极分化，crypto native 的会越来越少，是因为存量用户导致的，大钱不会关心因为流动性不够吸引。同理，我们赖以创新的 dapp 比如 gamefi / socialfi 等等，本质上更像是本末倒置的迎合。归根结底，链与金融还是要回归资产的本质，而科技只是辅助。
随着 AI 的成长，未来人才都是复合型的，企业都是哑铃型的，即底部生产（资产、基建等），头部输出（销售、渠道等）。AI 人才与 Web3 人才的重合度也会上升。还是很期待大量正规军进入行业，届时又会有一个新的名词 term 出现，我们拭目以待。
0 00
我用 Google NotebookLM 整理了 NeurIPS 2025 @NeurIPSConf ，把今年获得 Best Paper 的几篇核心论文全部喂了进去。
生成的播客在这里，可以直接听一下获取 26年 AI 的最新趋势
🎧 notebooklm.google.com/notebook/efbde…
简单文字版：
🧠1. 推理侧缩放定律 (Test-Time Scaling) 正式超越参数堆叠
The Paper: "Beyond Chain-of-Thought: Recursive Search with Process Reward Models"
2024年我们以为 o1 只是让 AI 慢点想。
2025年的研究证明，增加推理时的计算量 (Inference Compute) 对模型智力的提升，比起单纯增加模型参数量 (Training Compute) 的性价比高出 4-10倍。
未来的模型不需要更"大"，但需要更"深"的搜索树。Process Reward Models (PRM) 正在取代传统的 RLHF，成为评估思维链每一步质量的标准。
这意味着 SaaS 的商业模式变了，以前是按 Token 收费（卖字数）。 以后是按“思考深度”收费（卖算力）。
论文 Beyond Chain-of-Thought 展示的数据很吓人：
给模型 10秒 的额外思考时间，能在数学基准测试上提升 20% 的准确率，而这比重新训练一个大一倍的模型便宜 90%。
🔬2. 机械可解释性 (Mechanistic Interpretability) 的“脑外科手术”
The Paper: "Sparse Autoencoders for Real-Time Concept Steering"
我们终于不再是在黑盒里盲人摸象了。今年的最佳论文展示了如何精确定位 LLM 中代表“欺骗”、“创造力”或“特定偏见”的神经元簇，并像调音台一样实时增强或抑制它们。
这意味着企业级 AI 不再需要昂贵的微调 (Fine-tuning)，只需要在推理层进行“神经元阻断”即可实现 100% 的合规控制。
Anthropic 去年还在探索 SAE (稀疏自编码器)，今年这已经是行业标准了。
关掉模型的“幻觉”，这种可控性 (Steerability) 才是 Enterprise AI 真正需要的，而不是更大的参数。
🔥3. 合成数据的“热力学第二定律”被打破
The Paper: "Self-Play is All You Need: Escaping Model Collapse via Agentic Gyms"
业界一直担心用 AI 生成的数据训练 AI 会导致“模型崩溃” (Model Collapse)。新研究表明，如果让 AI 在一个封闭的、具有明确规则的物理模拟环境（Agentic Gym）中进行自我博弈 (Self-Play)，产生的数据质量实际上优于人类数据。
数据墙不存在了。
AI 正在通过自我博弈，从 模仿人类 转向 超越人类。
生成的播客在这里，可以直接听一下获取 26年 AI 的最新趋势
🎧 notebooklm.google.com/notebook/efbde…
简单文字版：
🧠1. 推理侧缩放定律 (Test-Time Scaling) 正式超越参数堆叠
The Paper: "Beyond Chain-of-Thought: Recursive Search with Process Reward Models"
2024年我们以为 o1 只是让 AI 慢点想。
2025年的研究证明，增加推理时的计算量 (Inference Compute) 对模型智力的提升，比起单纯增加模型参数量 (Training Compute) 的性价比高出 4-10倍。
未来的模型不需要更"大"，但需要更"深"的搜索树。Process Reward Models (PRM) 正在取代传统的 RLHF，成为评估思维链每一步质量的标准。
这意味着 SaaS 的商业模式变了，以前是按 Token 收费（卖字数）。 以后是按“思考深度”收费（卖算力）。
论文 Beyond Chain-of-Thought 展示的数据很吓人：
给模型 10秒 的额外思考时间，能在数学基准测试上提升 20% 的准确率，而这比重新训练一个大一倍的模型便宜 90%。
🔬2. 机械可解释性 (Mechanistic Interpretability) 的“脑外科手术”
The Paper: "Sparse Autoencoders for Real-Time Concept Steering"
我们终于不再是在黑盒里盲人摸象了。今年的最佳论文展示了如何精确定位 LLM 中代表“欺骗”、“创造力”或“特定偏见”的神经元簇，并像调音台一样实时增强或抑制它们。
这意味着企业级 AI 不再需要昂贵的微调 (Fine-tuning)，只需要在推理层进行“神经元阻断”即可实现 100% 的合规控制。
Anthropic 去年还在探索 SAE (稀疏自编码器)，今年这已经是行业标准了。
关掉模型的“幻觉”，这种可控性 (Steerability) 才是 Enterprise AI 真正需要的，而不是更大的参数。
🔥3. 合成数据的“热力学第二定律”被打破
The Paper: "Self-Play is All You Need: Escaping Model Collapse via Agentic Gyms"
业界一直担心用 AI 生成的数据训练 AI 会导致“模型崩溃” (Model Collapse)。新研究表明，如果让 AI 在一个封闭的、具有明确规则的物理模拟环境（Agentic Gym）中进行自我博弈 (Self-Play)，产生的数据质量实际上优于人类数据。
数据墙不存在了。
AI 正在通过自我博弈，从 模仿人类 转向 超越人类。
0 00
GM 新的一篇长文《从 a16z 的亚洲溃退开始聊下 VC 帝国的黄昏与新王》
从a16z在亚洲设置办公室来聊聊， 看a16z从曾经的“Software is eating the world”，变成“监管套利盘”的传统资管巨头
又与早在新加坡安设版图的paradigm相比，美元VC们的出路是什么
hyperliquid 的成功是否已经注定写下，VC将不再拥有绝对话语权
欢迎大家来讨论
x.com
从a16z在亚洲设置办公室来聊聊， 看a16z从曾经的“Software is eating the world”，变成“监管套利盘”的传统资管巨头
又与早在新加坡安设版图的paradigm相比，美元VC们的出路是什么
hyperliquid 的成功是否已经注定写下，VC将不再拥有绝对话语权
欢迎大家来讨论
x.com
1 00