Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

一个印度小哥花半个月做了一只 AI 机器，成本不到700块这只小家伙叫"核桃"，别看便宜，功能一点不像玩具首先走路不是预设动作，是用强化学习训练出来的。视频里左边电脑屏幕上能看到训练曲线和 3D 仿真画面——先在模拟环境里让它自己学怎么走，练几百万次，然后把模型部署到实体机器人上。走出来的步态很自然，不是那种机械的一抬一落然后它有视觉感知。装了摄像头，画面右上角显示"Feeling Suspicious"和"MOVING"——它不只是能"看"，还能根据环境变化产生状态反馈最厉害的是接了大语言模型做语音交互。开发者跟它说 hello 它有反应，说 go back to sleep 然后把它按倒，它就真的趴下不动了 700块钱做出强化学习步态 + 语音交互 + 视觉感知，这个性价比太离谱了宇树最便宜的机器狗也要大几千，波士顿动力那些更不用说。这个项目证明了具身智能的门槛正在被打到地板上

Vincent

57,353 subscribers

125,818 просмотров • 2 месяцев назад •via X (Twitter)

Игры Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

今早英伟达GTC全场最后一个环节，黄仁勋没自己谢幕。他叫出了一个新机器人，迪士尼的雪宝Olaf。大屏幕上先出现Olaf的动画，然后它直接从屏幕里走了出来。一个机器人自己走上舞台中央，跟老黄聊天，吐槽站太久腿酸。晚晚我一开始都没分辨出这是机器人，非常真人化。嘴能动，眼睛能动，走路一摇一晃。我看了些资料，迪士尼幻想工程团队说，这个角色最难的地方在于它脚底是两个雪球，让球形脚稳定行走比普通双足机器人难得多。所以它在Kamino仿真器里跑了成千上万个并行环境做强化学习。老黄在台上跟Olaf说：你的电脑是我给的，装在你肚子里。英伟达的Jetson芯片塞在身体里，实时推理。两周后，这个Olaf机器人，就去巴黎迪士尼打工了，之后部署到香港迪士尼当牛马。这将是全球第一个自主行走的迪士尼角色。

今早英伟达GTC全场最后一个环节，黄仁勋没自己谢幕。他叫出了一个新机器人，迪士尼的雪宝Olaf。大屏幕上先出现Olaf的动画，然后它直接从屏幕里走了出来。一个机器人自己走上舞台中央，跟老黄聊天，吐槽站太久腿酸。晚晚我一开始都没分辨出这是机器人，非常真人化。嘴能动，眼睛能动，走路一摇一晃。我看了些资料，迪士尼幻想工程团队说，这个角色最难的地方在于它脚底是两个雪球，让球形脚稳定行走比普通双足机器人难得多。所以它在Kamino仿真器里跑了成千上万个并行环境做强化学习。老黄在台上跟Olaf说：你的电脑是我给的，装在你肚子里。英伟达的Jetson芯片塞在身体里，实时推理。两周后，这个Olaf机器人，就去巴黎迪士尼打工了，之后部署到香港迪士尼当牛马。这将是全球第一个自主行走的迪士尼角色。

林晚晚的猫

418,201 просмотров • 5 месяцев назад

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,282 просмотров • 3 месяцев назад

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

墓碑科技

73,608 просмотров • 7 месяцев назад

刚刚刷到影视飓风Tim的分享，他说了一个做内容的秘诀，把我给听愣了，但回过味来又觉得“太对了！” 他说，想创意的时候，千万不要一上来就追求线性、有条理。人的大脑天生就不擅长这个。正确的姿势是：先疯狂地、不分类地把所有零散的想法，哪怕再不靠谱，全都扔到一个乱七八糟的思维导图里1。就像打游戏放大招一样，先把所有技能都丢出去，直到感觉自己“山穷水尽”了。然后再跳出来，像个局外人一样，审视这些乱七八糟的点子，给它们分类，找到哪个是核心观点，哪个是表现手法。这感觉就像什么呢？先把一大堆乐高零件全都倒在地板上，看个过瘾，然后再慢慢地找零件，拼成你想要的模型。而不是一开始就按说明书一步步来。这招真的绝了，不仅是做视频，感觉写东西、做PPT、策划活动都能用上。下次再没灵感，就知道该怎么办了：先允许自己“乱七八糟”一会！

刚刚刷到影视飓风Tim的分享，他说了一个做内容的秘诀，把我给听愣了，但回过味来又觉得“太对了！” 他说，想创意的时候，千万不要一上来就追求线性、有条理。人的大脑天生就不擅长这个。正确的姿势是：先疯狂地、不分类地把所有零散的想法，哪怕再不靠谱，全都扔到一个乱七八糟的思维导图里1。就像打游戏放大招一样，先把所有技能都丢出去，直到感觉自己“山穷水尽”了。然后再跳出来，像个局外人一样，审视这些乱七八糟的点子，给它们分类，找到哪个是核心观点，哪个是表现手法。这感觉就像什么呢？先把一大堆乐高零件全都倒在地板上，看个过瘾，然后再慢慢地找零件，拼成你想要的模型。而不是一开始就按说明书一步步来。这招真的绝了，不仅是做视频，感觉写东西、做PPT、策划活动都能用上。下次再没灵感，就知道该怎么办了：先允许自己“乱七八糟”一会！

Ian (伊恩)

407,645 просмотров • 9 месяцев назад

刚刚刷到影视飓风Tim的分享，他说了一个做内容的秘诀，把我给听愣了，但回过味来又觉得“太对了！” 他说，想创意的时候，千万不要一上来就追求线性、有条理。人的大脑天生就不擅长这个。正确的姿势是：先疯狂地、不分类地把所有零散的想法，哪怕再不靠谱，全都扔到一个乱七八糟的思维导图里1。就像打游戏放大招一样，先把所有技能都丢出去，直到感觉自己“山穷水尽”了。然后再跳出来，像个局外人一样，审视这些乱七八糟的点子，给它们分类，找到哪个是核心观点，哪个是表现手法。这感觉就像什么呢？先把一大堆乐高零件全都倒在地板上，看个过瘾，然后再慢慢地找零件，拼成你想要的模型。而不是一开始就按说明书一步步来。这招真的绝了，不仅是做视频，感觉写东西、做PPT、策划活动都能用上。下次再没灵感，就知道该怎么办了：先允许自己“乱七八糟”一会！

刚刚刷到影视飓风Tim的分享，他说了一个做内容的秘诀，把我给听愣了，但回过味来又觉得“太对了！” 他说，想创意的时候，千万不要一上来就追求线性、有条理。人的大脑天生就不擅长这个。正确的姿势是：先疯狂地、不分类地把所有零散的想法，哪怕再不靠谱，全都扔到一个乱七八糟的思维导图里1。就像打游戏放大招一样，先把所有技能都丢出去，直到感觉自己“山穷水尽”了。然后再跳出来，像个局外人一样，审视这些乱七八糟的点子，给它们分类，找到哪个是核心观点，哪个是表现手法。这感觉就像什么呢？先把一大堆乐高零件全都倒在地板上，看个过瘾，然后再慢慢地找零件，拼成你想要的模型。而不是一开始就按说明书一步步来。这招真的绝了，不仅是做视频，感觉写东西、做PPT、策划活动都能用上。下次再没灵感，就知道该怎么办了：先允许自己“乱七八糟”一会！

Fang知识分享

187,755 просмотров • 5 месяцев назад

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Joruno

15,983 просмотров • 2 месяцев назад

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,277 просмотров • 7 месяцев назад

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,550 просмотров • 7 месяцев назад

我都已经开始想，OPC 以后会不会人手挂一个虚拟人直播间了。这次社区的 OPC 在 xBubble xBubble 上 coding 出了一个实时虚拟人，Dappos DAPPOS 这段时间基本几天就能交付一个新 SOP，这个节奏确实有点夸张。比较有意思的点是，这个东西不是给你看个 Demo 就结束了，它更像是一个可以直接拿来引用的虚拟人入口。这次素材有亚洲、美洲、印度三个版本可以选，我个人会更偏向美洲版本，因为原形看起来更真实一点，放在直播、讲解、互动场景里，违和感会更低。如果按这个 SOP 的思路走，其实上手路径不复杂：先选一个虚拟人素材，下载后上传到 xBubble。然后给它配置基础人设，比如它要讲什么内容、适合什么语气、面对用户问题怎么回应。再把直播/语音/互动反馈这些能力接上，让它不只是站在那里，而是能根据内容实时说话、实时反应。最后再根据你自己的场景去改脚本，比如项目讲解、直播控场、课程介绍、社区互动，甚至直接走抽象路线。这才是我觉得它有意思的地方。以前做虚拟人，很多人第一反应是成本高、门槛高、还要一堆技术配置。但现在 xBubble 把这套流程做成 SOP 后，社区 OPC 也能比较快地把一个实时虚拟人跑起来。我都能想到 OPC 怎么用它赚钱了。比如按照剧本做动作，项目直播间里负责讲解和控场；或者做成长期在线的内容入口，卖课、广场星球直播、先知和非洲妹妹这种场面，其实都能让虚拟人去接。真人直播有状态问题，也有出镜成本。但虚拟人如果能稳定在线、实时语音、根据脚本做反馈，那它就很适合变成一个低成本的内容入口。 xBubble 这波让我感受比较明显的是，它已经不只是写个网页壳子了。几天一个 SOP，过几天又一个新玩法，社区也开始从“看客”，慢慢变成真正能自己动手的“极客”。我甚至开始期待它下一次又会把什么东西做出来了。

我都已经开始想，OPC 以后会不会人手挂一个虚拟人直播间了。这次社区的 OPC 在 xBubble xBubble 上 coding 出了一个实时虚拟人，Dappos DAPPOS 这段时间基本几天就能交付一个新 SOP，这个节奏确实有点夸张。比较有意思的点是，这个东西不是给你看个 Demo 就结束了，它更像是一个可以直接拿来引用的虚拟人入口。这次素材有亚洲、美洲、印度三个版本可以选，我个人会更偏向美洲版本，因为原形看起来更真实一点，放在直播、讲解、互动场景里，违和感会更低。如果按这个 SOP 的思路走，其实上手路径不复杂：先选一个虚拟人素材，下载后上传到 xBubble。然后给它配置基础人设，比如它要讲什么内容、适合什么语气、面对用户问题怎么回应。再把直播/语音/互动反馈这些能力接上，让它不只是站在那里，而是能根据内容实时说话、实时反应。最后再根据你自己的场景去改脚本，比如项目讲解、直播控场、课程介绍、社区互动，甚至直接走抽象路线。这才是我觉得它有意思的地方。以前做虚拟人，很多人第一反应是成本高、门槛高、还要一堆技术配置。但现在 xBubble 把这套流程做成 SOP 后，社区 OPC 也能比较快地把一个实时虚拟人跑起来。我都能想到 OPC 怎么用它赚钱了。比如按照剧本做动作，项目直播间里负责讲解和控场；或者做成长期在线的内容入口，卖课、广场星球直播、先知和非洲妹妹这种场面，其实都能让虚拟人去接。真人直播有状态问题，也有出镜成本。但虚拟人如果能稳定在线、实时语音、根据脚本做反馈，那它就很适合变成一个低成本的内容入口。 xBubble 这波让我感受比较明显的是，它已经不只是写个网页壳子了。几天一个 SOP，过几天又一个新玩法，社区也开始从“看客”，慢慢变成真正能自己动手的“极客”。我甚至开始期待它下一次又会把什么东西做出来了。

Mr.理想三旬(🌸,🍃)(FREE,WON)

12,775 просмотров • 29 дней назад

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs

Michael 宝塔镇河妖🧙🏿‍♀️

11,822 просмотров • 5 месяцев назад

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

区块链行情研究

158,162 просмотров • 5 месяцев назад

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。结果最危险的地方，不是 AI 看错了。而是它一本正经地回答：没有明显骨折。很多人会替它辩护。说 Claude 不是专门读 X 光的模型。说它没受过医疗训练。说用户用错了工具。这些话都可能成立。但问题恰恰在这里。如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。它应该拒答。它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。医疗场景里，最危险的 AI 不是“不知道”。最危险的是“不知道自己不知道”。人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。这就是医疗 AI 真正的安全门槛。不是会不会说医学术语。不是回答听起来像不像医生。而是在自己不该回答的时候，能不能闭嘴。未来 AI 进医院，拒答能力和诊断能力一样重要。一个不会刹车的系统，跑得越快，越危险。

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。结果最危险的地方，不是 AI 看错了。而是它一本正经地回答：没有明显骨折。很多人会替它辩护。说 Claude 不是专门读 X 光的模型。说它没受过医疗训练。说用户用错了工具。这些话都可能成立。但问题恰恰在这里。如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。它应该拒答。它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。医疗场景里，最危险的 AI 不是“不知道”。最危险的是“不知道自己不知道”。人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。这就是医疗 AI 真正的安全门槛。不是会不会说医学术语。不是回答听起来像不像医生。而是在自己不该回答的时候，能不能闭嘴。未来 AI 进医院，拒答能力和诊断能力一样重要。一个不会刹车的系统，跑得越快，越危险。

墓碑科技

42,507 просмотров • 1 месяц назад

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

墓碑科技

25,587 просмотров • 5 месяцев назад

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

肝了几天,来回打磨了快 30 遍, 一次性把最新的 Claude Code 的 Workflow 给你完全拆解清楚有人说它的伟大程度,不亚于 MCP 和 Skill。第一眼我是不信的,直到拆开看它内部怎么跑：这不是"问一句答一句"的对话,而是一个能自己跑起来的任务系统:后台持续执行、可监控、可保存进度, 还能一口气派出几十上百个 agent 分头干活/合并汇总。核心就三个角色: Claude 拆任务、定计划; Runtime 管调度和状态; 每个 agent 只啃一个子任务,配上并发池和队列,有节奏地推进。它代表的是一种新的工程编排方式:智能负责规划,Runtime 负责执行,状态独立保存,模型按需调度。最反直觉的一点:它能扩展到上百个 agent,靠的不是模型变强,而是"状态外置"—中间结果全交给执行系统保存,主上下文只看摘要和关键判断。这才是复杂任务能跑稳的真正原因。这条视频直接给了你把它搬进自己系统的方法: 先用 Claude Code 做高质量规划、拆任务定阶段; 再把 workflow 转成自己的执行格式,按任务难度路由到不同模型池，简单的走便宜模型，复杂的才上高阶模型。这条视频,值得反复看几遍👇

huangserva

143,271 просмотров • 2 месяцев назад

ADHD，到底是什么？大脑坏了？基因缺陷？不。它可能是一个婴儿，为了活下来，学会的生存策略。来，做个思想实验。如果我现在让你压力爆表，让你紧张，你会怎么办？怼我，或者，直接走人。战斗，或逃跑，对吧？但如果，你是个婴儿呢？你不能打，也不能跑。当父母的焦虑、压力像潮水一样涌来，一个小婴儿能怎么办？他只能“离线”。主动切断连接，让自己的大脑“调谐出去”。这是他唯一的自救。这个“离线”的动作，一遍又一遍，最后，被刻进了正在发育的大脑回路里。几十年后，这个长大的孩子，注意力不集中、总是感到混乱、不堪重负。然后，我们给他贴上一个标签：ADHD，一种“病”。但加博·马特医生说，这不是病。这是一个早已过期的生存技能。既然它源于情感创伤，那它就能被真正的连接和理解所治愈。所以，别再说你的大脑有缺陷了。你只是曾经，太需要保护自己了。

ADHD，到底是什么？大脑坏了？基因缺陷？不。它可能是一个婴儿，为了活下来，学会的生存策略。来，做个思想实验。如果我现在让你压力爆表，让你紧张，你会怎么办？怼我，或者，直接走人。战斗，或逃跑，对吧？但如果，你是个婴儿呢？你不能打，也不能跑。当父母的焦虑、压力像潮水一样涌来，一个小婴儿能怎么办？他只能“离线”。主动切断连接，让自己的大脑“调谐出去”。这是他唯一的自救。这个“离线”的动作，一遍又一遍，最后，被刻进了正在发育的大脑回路里。几十年后，这个长大的孩子，注意力不集中、总是感到混乱、不堪重负。然后，我们给他贴上一个标签：ADHD，一种“病”。但加博·马特医生说，这不是病。这是一个早已过期的生存技能。既然它源于情感创伤，那它就能被真正的连接和理解所治愈。所以，别再说你的大脑有缺陷了。你只是曾经，太需要保护自己了。

墓碑科技

12,301 просмотров • 8 месяцев назад

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 просмотров • 8 месяцев назад

人形机器人这条线，最近其实已经很清楚了：开始往家庭场景收敛。一旦进入家庭，问题就不再是工业效率，而是长期共处。它会持续感知环境、采集信息、做出判断，而且很多时候并不在人的注视下。在这种条件下，动作精不精准、拟不拟人，反而是次要的。更关键的是：这些判断是怎么来的，你能不能知道。如果一个家用机器人：感知了什么是黑箱，推理过程不可追溯，行为是否越界只能靠厂商声明，那它在家里的身份，就不是工具，而是风险源。所以家庭机器人真正需要补的，不是性能指标，而是可信结构。它看到什么、怎么推理、是否按规则执行，都需要在不泄露隐私、不暴露模型细节的前提下，被验证过。从这个角度看，Inference Labs 在做的事情并不是让机器人更强，而是在为“能不能被放进家里”补必要条件。当机器人进入家庭，信任不是体验加分项，而是入场门槛。 #InferenceLabs #KaitoYap #KaitoAI

人形机器人这条线，最近其实已经很清楚了：开始往家庭场景收敛。一旦进入家庭，问题就不再是工业效率，而是长期共处。它会持续感知环境、采集信息、做出判断，而且很多时候并不在人的注视下。在这种条件下，动作精不精准、拟不拟人，反而是次要的。更关键的是：这些判断是怎么来的，你能不能知道。如果一个家用机器人：感知了什么是黑箱，推理过程不可追溯，行为是否越界只能靠厂商声明，那它在家里的身份，就不是工具，而是风险源。所以家庭机器人真正需要补的，不是性能指标，而是可信结构。它看到什么、怎么推理、是否按规则执行，都需要在不泄露隐私、不暴露模型细节的前提下，被验证过。从这个角度看，Inference Labs 在做的事情并不是让机器人更强，而是在为“能不能被放进家里”补必要条件。当机器人进入家庭，信任不是体验加分项，而是入场门槛。 #InferenceLabs #KaitoYap #KaitoAI

董小姐 |上Gate玩事件合约

103,607 просмотров • 7 месяцев назад

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

Vincent

37,054 просмотров • 2 месяцев назад