小五郎
687 posts
👁️ The Oracle awakens Foreso 「Oracle's Eye」BTC 15-Min Prediction Championship begins June 18 💰 Rewards - 3,500 USDT Prize Pool - 100% trading fee rebate, refunded next day - Unique badges for winners 🏅 🔮 Brand-new Oracle Points system - Early-bird bonus points (first 10 min) - Win streak bonus points (3/5/8-win streaks) - Volume tier scaling (up to +500 points per trade) 👇 More Rewards, New Gameplay foreso.com/event-pool
结合最近 $MSTR 与 $STRC 的极端情况，让我突然对 bitcoin:native 与美股脱钩的原因产生了新的想法... 如图所示，纳指与BTC的走势，开始出现敞口并呈现负相关的时间点为2025年8月，而有趣的是，STRC（微策略的永续优先股）发行时间恰好在2025年7月底... 也就是说，存在一种可能，STRC的出现将微策略的卖币压力 上升了整整一个台阶！ 以前死拿着不卖的策略，在STRC出现后不再有效，因为优先股所谓的“优先”，就是可以享有公司剩余资产的优先求偿权... 因此这个帮助微策略进行融资的优先股，间接打开了微策略大规模卖币的最后一道锁，也许华尔街看到了这个机制结构上的变化，才选择暂时将BTC移除之前的资产配置，并导致了两者的脱钩... 通俗的讲，STRC发行之前，微策略持有的BTC是资产，发行后，一部分后续购买的BTC就成了抵押物... 理论上只要微策略还有钱用于支付STRC持有者的分红，整个循环就没有暴雷的风险，一旦这个资金耗尽，就必须卖币了... 为啥今天STRC跌破90让大家如此恐惧？ 因为它的设计与收益类算法稳定币极其相似，Terra 的 Anchor 协议（UST 给 20% APY）当年也是这样的... 他们的收益不是真实产生的，而是靠新资本和协议补贴维持的... 所以你问我慌不慌？ 从这个角度来思考这件事，确实需要留意潜在的风险，STRC的价格下跌会带来收益率的提升，理论上会有更多资金买入； 但现在的情况是，跌了这么多都没人买，一定是市场情绪出现了某种短暂的崩溃，万一BTC好巧不巧因此受到影响（人们担心微策略会大规模卖币）而大幅下跌，导致微策略的mNAV大幅跌破1，而用于支付股息分红的资金池开始枯竭，就有可能引发一轮死亡螺旋 ... 这个概率存在，但目前还未升到较高水平。 我的一种猜测是，华尔街看到了微策略在STRC这个设计上的风险，于是选择避开BTC，要么等微策略爆了捡尸体，要么就等宏观流动性彻底恢复了再考虑。 这也许就是BTC与美股脱钩的潜在原因...
桌子高了 2cm，机器人突然就不会干活了 看到这个细节时，我第一反应是：不至于吧？ 桌子只是垫高了 2cm。 杯子没换，机械臂没坏，主人说的话也没变。对人来说，无非是伸手时再抬高一点。 可一些依靠相关性学习的 VLA 模型，真有可能就在这里卡住。 刚才还干得好好的，环境稍微变了一点，它突然不会了。 这件事听起来有点好笑。 但想象一下，将来这样的机器人不只待在实验室。 它可能在工厂搬零件，在马路上开车，也可能走进家里，帮老人拿药、端水、关火。 到那时，我们敢不敢把这些事情交给它，看的就不只是演示视频有多流畅。 我们还得知道一件事： 它是真的明白自己在干什么，还是只是把动作背熟了？ 很多时候，AI 更像一个背题很厉害的学生 现在的机器人已经能做不少事情。 你说“把杯子拿过来”，它能认出杯子，伸出机械臂，调整夹爪，再把杯子送到指定位置。 整个过程一气呵成。 第一次看，确实容易觉得它懂了。 可桌面一升高，它就可能出错。 原因可能没有那么玄乎。 模型看过很多训练数据，慢慢记住了：看到这种画面，手臂大概要移动到这个位置。 考试题和练习册差不多，它就能答对。 题目稍微改一下，它可能就懵了。 这和小时候班里那些特别会背公式的同学很像。 例题做得飞快，老师把条件换一下，他就不知道从哪里下手。不是不努力，而是只记住了答案，没有真正弄明白为什么要这么算。 一些机器人现在也卡在这里。 它记住了“怎么做”，却未必知道“为什么这样做”。 现实世界不会一直出原题 实验室可以把桌子摆好，把光线调好，把杯子放在固定位置。 真实生活做不到。 今天杯子放在桌边，明天可能压在书下面。地上有水，机械臂碰歪了目标，老人拿药时手又突然伸了过来。 这些变化不一定很大，却可能让原来的动作失效。 人遇到这种情况，会停一下，再看一眼，然后换个办法。 机器人如果只会照着过去的经验做，就可能一遍遍重复原来的动作，直到失败。 语言模型答错一句话，我们还能让它重新生成， 机器人不一样。 在工厂里抓错一次，可能砸坏零件；在路上判断错一次，可能撞到东西；在家里端一杯热水，手臂的位置差一点，烫到的可能就是身边的人。 AI 留在屏幕里时，我们可以接受它偶尔犯糊涂。 等它真的走到身边，“大多数时候能做对”就没那么让人放心了。 我们想信任一台机器，光看它成功一次还不够 这也是我觉得 Aether AI 这个方向值得看的原因。 他们研究的是 Causal World Models，中文叫因果世界模型。 名字听起来挺学术，用大白话说，就是想让机器人别只背动作，还要尽量弄明白： 桌面为什么会影响抓取位置，杯子变重以后为什么要增加力度，一次动作失败到底是哪里出了问题。 以前的模型更像： 这个画面我见过，照着上次做。 因果世界模型希望它能多想一步： 桌面变高了，杯子的位置也变了，所以我的动作要跟着调整。就多了一个“所以”。可机器人以后能不能真正进入我们的生活，差的可能就是这个“所以”。 当然，现在还不能急着说它已经解决了 一次抓取成功，证明不了机器人真的理解了物理世界。 我更想看到它出错以后怎么办。 桌面再升高一点，它会不会调整？换一个更重的杯子，它知不知道力度要变？任务做到一半，目标被人碰走了，它会停下来重新判断，还是继续对着空气完成动作？ 这些画面可能没有宣传视频那么漂亮。 但它们才决定我们以后敢不敢把工作、方向盘，甚至家里老人手中的那杯热水交给机器人。 Aether AI 创始人黄碧薇是 UC San Diego 助理教授，长期研究因果发现、因果机器学习和世界模型，也是开源因果发现工具 Causal-Learn 的主要作者之一。 根据官方公开信息，Aether AI 于 2026年6月17日宣布完成 2000万美元种子轮融资，用于推进因果世界模型研发，并探索机器人和 Physical AI 领域的应用。 我不知道因果世界模型是不是最后的答案。 但桌面升高 2cm 这件小事，至少提醒了我： 机器人会拿起一个杯子，和我们敢把这杯水交给它，是两回事。 前者需要它完成动作。 后者需要我们相信，它知道自己为什么这么做，也知道环境变了以后该怎么办。 Aether AI：aetherlabs.ai 创始人：x.com/huang_biwei
Introducing ARX Arcium's Network Token.
🔥 USDD「零滑点体验季：答题赢奖励，兑换享空投活动」正式开席！ 📅 活动时间：2026.06.18 - 07.02 🎁 奖池 1：零滑点兑换知识挑战赛（10人瓜分100USDD） 1️⃣ 关注 @usddio_cn 2️⃣ 点赞 & 转发推文，& Tag 2名好友并带上标签 #USDD零滑点 3️⃣ 完成 Google form 知识问答 🎁 奖池 2：零滑点兑换体验赛（随机空投 5-20 USDD，先到先得！） 👉 只要在全渠道（ @GateDEX、@BinanceWallet 、@kucoincom、@HuobiGlobal 、 @BitMartExchange 、@LBank_Exchange 、@WEEX_Official 等平台或官方 PSM ）完成 USDT → USDD 1:1 零滑点兑换，且新增净兑换金额 ≥ 500 USDT，填写 Google form 后即有望坐享空投！ 💡 进阶秘籍： 完成兑换后，速去 USDD Earn 参与各平台推出的质押活动，享受1:1零滑点兑换的同时，还能收获超高收益！ 了解详情👉@usddioCN/usdd-%E9%9B%B6%E6%BB%91%E7%82%B9%E4%BD%93%E9%AA%8C%E5%AD%A3-%E7%AD%94%E9%A2%98%E8%B5%A2%E5%A5%96%E5%8A%B1-%E5%85%91%E6%8D%A2%E4%BA%AB%E7%A9%BA%E6%8A%95-a5f06dfc8b39" target="_blank" rel="nofollow noopener">medium.com/@usddioCN/usdd…
🌐 请注意：收奖地址仅支持通过L3认证的HTX地址。另外，此活动为英文版翻译版本，中英文活动共享全部奖池。