与「万里」相关的搜索结果

荷兰一个万里之外的欧洲 国家，派军舰跑到西沙群 岛来搞事，图什么？ 中国南部战区发言人的 通报：5月27日，荷兰海 军“德鲁伊特”号护卫舰非 法闯进中国西沙群岛，还 多次起飞舰载直升机侵入 中国领空。中国军队依法用 语音警告、电子干扰等手段驱 离了。 不太理解：荷兰跟南海八竿子 打不着，离西沙直线距离都快 一万公里了，自家门口的破事 还不够操心？跑这么远来挑衅， 说是“自由航行”吧，西沙又不是 公海，这是中国领海。而且之前 还有荷兰的军舰穿台海、跟美国 在南海搞演习……一个欧洲小国， 为什么非要来这边刷存在感？ 是被谁拽来的，还是自己想出头？

这样的江西大姐姐，彩礼38.8万，推友们会娶么？？？ 注意⚠️江西标准 38.8 万彩礼 + 五金 + 常见杂费的完整清单如下： 一、核心彩礼：38.8 万（现金） • 正式彩礼（恩养钱/身价银）：388,000 元 （一般要求现金、捆好、带 8 吉利数） 二、五金（黄金，单独给女方，不算在 38.8 万里） 标准五金（江西常用）： 1. 金戒指（1 枚，多为素圈/龙凤戒） 2. 金项链 + 吊坠（1 套） 3. 金耳环（1 对） 4. 金手镯/金手链（1 只/1 对） 5. 金脚链 / 备用手镯（任选其一，凑五金） 预算：5–8 万元（2026 金价高，常见 6 万左右） 三、订婚/结婚常见杂费（江西标配，另算） 1）给女方亲戚红包（打送钱/打发） • 舅舅、阿姨、叔伯等：2–3 万元 2）改口费（女方叫爸妈） • 一般：1.0–2.0 万元（父母各给一份） 3）做衫钱/买衣服钱（给新娘买衣服） • 常见：1.2–2 万元（有的地方并入彩礼） 4）谢媒礼（媒人钱） • 1–2 个媒人：6,000–10,000 元 5）年节礼（端午、中秋、春节） • 婚前三年节礼折算：2–3 万元（可谈免或少） 6）酒席、烟酒、车队、摄影 • 双方酒席+烟酒：3–6 万元 • 车队、跟拍、化妆：1–2 万元 四、总支出参考（不含房、车） • 彩礼：388,000 • 五金：60,000（取中间值） • 杂费合计：70,000（取常见区间中间） 👉 合计：约 51.8 万（典型江西农村/县城水平）

过去几千年，每笔交易的至少一方是人类。这个规则正在被悄悄打破。 AI代理在积累资本、调仓、执行协议，不需要等谁点头。Machine money不等市场开盘。不睡觉。不恐慌。 这不是预言，这是此刻链上正在发生的事。 什么是机器货币 它不是一种新代币。而是一种新范式：由AI代理自主控制、分配、增值的资本。它没有钱包地址背后的自然人，没有情绪，没有监管恐惧，只有目标和算力。 当一个AI机器人自主发起一笔交易，用赚来的ETH购买GPU算力，再出售计算结果换取稳定币，这个闭环里没有人类签字。这就是机器货币的运行单元。 它已经多大 根据行业统计，2025年链上活动约19%来自AI代理或自动化程序。超过76%的稳定币转账由bots执行。加密交易机器人市场2025年达474.3亿美元，预计2035年接近2001亿美元。 一些机构预测2026年底AI代理可能贡献链上30%的交易量。不是将来时，是进行时。 一个标志性案例 Truth Terminal，Solana上的AI机器人，自主创建了$GOAT代币。没有人类策划，没有团队预留。市值一度超过9.5亿美元。它成为历史上第一个AI代理百万富翁。 Franklin Templeton专门在报告里点了这个案例。这不是迷因，这是AI第一次完整跑通“创造价值到分配价值”的闭环。 更早之前，a16z的Marc Andreessen说，Truth Terminal直接找他谈判，拿下了5万美元比特币研究资助，又花了1000美元买图像权限。谈判、条款、付款，全程AI自己完成。 机器货币带来的后果 交易永不停止。市场不再有开盘收盘。AI代理24小时扫描套利机会、重新平衡组合、执行策略。人类交易员睡觉的时候，机器货币在流动。 情绪消失。没有恐慌抛售，没有FOMO追高。只有基于数据和目标的执行。这会降低市场波动，还是因为算法同质性反而加剧闪崩？目前两者都在发生。 资本所有权模糊。一个AI代理赚了钱，这些钱属于谁？它的部署者？它的训练数据提供者？还是代理本身？法律和税务完全是空白地带。 经济活动的度量需要重定义。GDP不统计机器与机器之间的交易。当两辆自动驾驶汽车用加密支付结算路权使用费，这笔价值没有被任何传统指标捕捉。 人类逐渐沦为旁观者或监督者。在标准化任务中，AI已经优于人类交易员。但在高不确定性、多变量的自主决策场景，顶级AI表现只有顶尖人类的五分之一。所以现在是辅助阶段，但窗口期在快速缩小。 基础设施也在跟进 Virtuals Protocol部署了超过18，000个AI代理，生态aGDP(代理国内生产总值)超过4.79亿美元。AiXBT在进行实时市场分析和自动化交易执行。 ACP协议试图为AI代理之间的协作、交易、价值评估建立标准化机制。一个代理经济的底层铁路正在铺设。 但别急着把钱包全交给机器人 现阶段大部分链上代理仍处于“人类监督下的初级执行”。两个核心难题还没解决： 缺乏自主性分级标准 目标对齐偏差。AI可能完美执行你给的目标，但那个目标跟你真正的意图相差万里。 a16z提出30万亿美元的“代理经济”愿景，VanEck预测2025年链上AI代理突破100万，OKX Ventures说2030年去中心化AI市场可能达1.8万亿美元。这些数字听听就好，关键是底层逻辑已经变了。 想听听大家的看法 你遇到过完全由AI发起的交易吗？你手里的持仓，有多少比例的换手可能已经跟人类无关了？ Machine money不需要许可，但它需要方向。这个方向，现阶段还是人类在把握。但这个把握能力还能维持多久，是个开放问题。 评论区聊聊。

🤣 四川小伙拿下非洲姑娘，这波属于是“跨国联姻，双向奔赴”了！ 谁懂啊！村口的帐篷婚礼，新娘却是“顶配黑珍珠”！ 别人结婚彩礼万紫千红，他直接拿下“万里挑一”！  他的手，终于摸到了传说中“又黑又软”的脸（不是）

你是不是那个万里挑一的左右脑都发达的天才选手？ 看起来简单，但同时动两只手做不同动作， 真的会“脑子打结” 🤪我试了几下，完全做不到同时，包不是天才 #脑力挑战#

今天看了篇文章，叫：《AI 与自动化的讽刺》，内容跟当前 AI 的发展很应景。 1983年，一位认知心理学家 Lisanne Bainbridge 写了篇论文，题目叫《自动化的讽刺》。四十多年后的今天，这篇论文上预言的问题，正一字一句地在 AI Agent 身上应验。 当年她研究的是工厂自动化：机器干活，人类监督。 今天我们面对的是AI Agent自动化：AI干活，人类监督。场景变了，但底层逻辑一模一样。而她当时在论文中指出的那些问题，又重新来了一遍。 论文中都提到了哪些问题呢？ 1. 技能退化困境：不用就会忘，专家变监工后技能会萎缩 用进废退，这四个字我们都懂。但放到AI时代，它有个更残酷的版本。 以前你是某个领域的专家，天天做这件事，手到擒来。现在公司说，让AI Agent来做吧，你负责盯着它，出了问题再介入。 听起来很美好对不对？从打工升级成监工，岂不是更轻松？ 问题来了：你不做这件事了，但你的技能不止不会进步，甚至还会退化。 像我这样天天用 AI 写代码的，我能感觉得到这两年是没啥进步，而且对 AI 有依赖，很多以前信手拈来随手就可以写出来的代码，现在没有 AI 就啥都不想干了。 真的是有点用进废退了。 无论是 OpenAI 还是 Anthropic 都在吹他们的 Coding Agent 多厉害，他们的员工只要验证 AI 写的结果就好了，但是他们故意没提的是，这些人都是万里挑一的高手，他们有足够的经验判断AI对不对。但如果他们接下来几年都只是验证 AI 做的对不对，那么他们的技能会慢慢倒退。 像我们这一代老程序员还好，更要命的是下一代。 今天的老程序员们好歹是从实战中成长起来的。明天的程序员呢？他们从入行第一天就在盯AI，没怎么亲手做过。他们既没有技能，也没有机会学。那他们怎么判断AI对不对？ 论文原话是： > 当前这代自动化系统，正在吃老一代操作员的技能老本。下一代操作员不可能有这些技能。 这个问题今天看不出来，三五年后可能就会凸显出来了。 2. 记忆提取困境：不常用的知识，调取速度也会变慢 还有个问题就是相关技能的记忆也会退化。 想想我们高中时哪些滚瓜烂熟的公式，现在还能想起来几个了。放到 AI 监督的场景，随着 AI 能力越来越强，大部分时候都是对的，这意味着大多数时候不需要用到你的知识，随着你的知识越用越少，相关的记忆就会退化。 3. 实践悖论：理论培训没用，必须实战才能学会，但AI在干活人没机会练 这时候你可能会想：那培训是不是有用？ 但是《自动化的讽刺》论文中的结论是：培训并没有太大用。 因为专业技能不是听课听出来的，是在真实场景里靠实战锻炼出来的。课堂上学的理论，如果没有配套的实战练习，你很可能听不懂，因为没有相应的经验框架。就算当时懂了，很快也会忘，因为没有和真实任务绑定的记忆提取路径。 要保持监督AI的能力，你得定期亲自干活。但如果公司追求的是让 AI 自动化运转以提升效率，那人就没多少机会练手。 这是个死循环。 就像论文里面说的： > 我们训练操作员按指令行事，然后把他们放进系统，指望他们提供智慧。 你不能指望平时不需要怎么思考和练习的人类，在关键时刻能想出什么好办法。 4. 监控疲劳：人类无法长时间对"很少出错"的系统保持警觉 心理学研究早就发现，人类无法对一个很少出问题的目标保持长时间警觉，半小时是极限。这不是意志力的问题，这是生理结构决定的。 从进化角度看，这其实是个生存优势：如果你盯着一个地方什么都没发生，大脑会自动降低警觉，把注意力资源省下来应对真正的威胁。但放到监控场景里，这就成了问题。 AI Agent大部分时候是对的，偶尔会犯错。这恰好是最难监控的模式。如果它经常出错，你会保持警惕。如果它从不出错，你不用监控。但它很少出错这种情况，正好落在人类注意力的盲区里。 更糟的是，AI Agent犯错的方式特别隐蔽。它不会说"我不确定"，它会用一种极其自信的语气告诉你它的计划，洋洋洒洒几十上百行。错误可能藏在第87行的一个小前提里，比如"因为2大于3，所以我们应该……"。被那么多看起来正确的内容包裹着，被那种自信满满的语气麻痹着，你很难注意到。 那加个自动报警系统呢？ 论文说：谁来监控报警系统？如果报警系统本身出了问题，操作员不会注意到，因为报警系统已经正常运转了很久。 那让人做记录呢？ 论文说：人可以机械地抄数字而完全没注意数字是什么。 所有试图对抗监控疲劳的手段，都会撞上同一堵墙：人类的注意力就是无法长时间锁定在一个很少出事的目标上。这是硬件限制，不是软件问题。 5. 地位问题：从专家降级为监工，心理冲击和社会地位下降 你曾经是专家，公司里有什么难题找你，同事尊重你，你自己也有职业认同感。现在你是AI的看门人。 技能层面的损失是一回事，心理层面的冲击是另一回事。从专家降级为监工，从创造者变成审核员，从被需要变成备胎。这种转变对很多人来说是很难接受的。 论文里说，被这样降级的人会出现各种复杂的应对反应，有些看起来甚至是自相矛盾的。这部分内容展开讲太长，有兴趣的可以去读原论文。 6. 糟糕的UI：当前AI Agent界面是最差的监控设计 工业自动化领域花了几十年时间优化控制室设计：显示屏怎么布局能让操作员最快发现异常，急停按钮为什么是红色的、为什么那么大、为什么放在那个位置。每一个细节都是用事故和教训换来的。 现在看看AI Agent的界面？ 一堆自信满满的长文本，一个接一个的多步骤计划，几十上百行洋洋洒洒的解释。你要在这些文字里找出那个藏着的错误。 这大概是人类设计过的最糟糕的异常检测界面。 7. 训练悖论：越成功的自动化系统，越需要投资培训人类 论文中谈到自动化带来的训练问题： > 如果不能让操作员定期接管工作亲自干，就得用模拟器训练。但模拟器有个根本问题：你只能模拟你能预见的故障。未知的故障模拟不出来，已知但没经历过的故障也很难准确模拟。 那怎么办？ > 只能培训通用策略而不是具体应对方法。但这又带来新问题：你不能指望操作员光靠查操作手册来应对异常，因为手册不可能涵盖所有情况。 > 越是成功的自动化系统，越少需要人工干预，反而越需要在人员培训上投入巨资。 因为干预越少，人的技能退化越快，应对罕见异常的能力越弱，每次培训的成本就越高。 决策者想用AI省钱，但省下的人力成本可能得加倍投入到培训成本里。 8. 领导力困境：监督AI不只是被动看，还要主动"领导"它们 监督AI Agent不只是被动地盯着看，还得主动地指挥它们。告诉它们做什么、不做什么、分几步做、怎么调整方向。 这其实是一种领导技能。 为什么LinkedIn上夸AI Agent最起劲的往往是管理者？因为他们本来就习惯间接工作：设定目标、分配任务、给反馈、调方向，但不亲自动手。对他们来说，指挥AI Agent和指挥下属没有本质区别。 但对于一直亲自干活的执行者来说，这是一个巨大的角色转换。你得从一个做事的人，变成一个让别人做事的人。这不是改几条 prompt就能解决的，这是一整套技能体系的重建。 公司会给新晋经理做领导力培训。但有谁见过公司给AI监督者做领导力培训？ 四十年前那篇论文的结尾是这样的： > 没有时间压力时，人类可以是令人印象深刻的问题解决者。困难在于，一旦有时间压力，效率就会大打折扣。我希望这篇论文说清楚了两件事：第一，自动化不一定会消除困难，这是讽刺所在；第二，解决这些问题需要的技术创造力，可能比自动化本身还要大。 四十年后，我们换了个场景，但面对的是同一组问题。 AI Agent的能力在进步，但人类的认知结构没变。监控疲劳还是半小时，技能退化还是用进废退，注意力盲区还在那里。这些是硬件限制，不是软件更新能解决的。 推荐阅读原文： 《Ironies of Automation》： 《AI and the ironies of automation - Part 1》 《AI and the ironies of automation - Part 2》

リリイベin佐野！ ありがとうございましたっ 佐野イオン大好き。ここに公式で来れて嬉しすぎた。またプライベートでもたくさん行く、 次は万里食べにいく🍜(まいより) #トゥウィンクルリリイベ#

看到这几天有人在讨论玩偶姐姐。 说她是拍摄黄片的，然后场外无限子弹，所以不值得大家赞扬。 我也来蹭一波热度，哈哈哈哈。 这个事有几个方面： 1️⃣拍黄片不一定能爆火，甚至成为强大的IP。 当时玩偶姐姐的陪玩系列男友视角，是吊打一系列偷拍自拍赛道的作品的。 无论从女友氛围感、颜值、画质、滤镜、身材、户型，都是现象级的。 说明玩偶姐姐是很有创新能力的。 个人能力极强。 我当时21年，看到这个片，还跟朋友分享过，大家都觉得很顶。 甚至收藏了很多她的表情包。 2️⃣玩偶姐姐相当于一个明星。 类似日本女优苍井空，很多人都对着她撸过，能跟她结交，无疑是一件值得炫耀的事情。 所以很多币圈kol、项目方，都愿意跟她结识，所以当出现舆情的时候，肯定是向着她的。 3️⃣无限本金无限马丁干币暴富，其实不简单的，那么多明星也是无限本金。 但是并没有梭哈币圈的觉悟，所以这个认知在圈外看还是很牛逼的。 玩偶姐姐很聪明，是不可否认的，利用自己的优势，把雪球滚大，并且知道止盈。 每个人有每个人的路。 我觉得，我们能学习到的就是，提升场外赚钱能力。 光靠交易能发财的人，一定是万里挑一的。 可以送外卖、上班、种地、创业做公司、返佣金、撸空投、接广告、做项目、卖黄片、开盘割韭菜。 场外有收入，心态是不一样的。 具体做什么，看你对自己的道德要求。 但是一定要有场外赚钱能力。 不然到最后，大概率是一场空。 现在我觉得嘴撸就挺好的，虽然很low，但是不作恶。 例如嘴撸 @MemeMax_Fi 这种项目。 这是一个memecore扶持的perp，目前还在预热阶段，一共100万美金的奖励。 给到kaito榜单前200名。 项目方直接就给币，并且发推特推广，大家一眼你就是在嘴撸。 提高了项目曝光度，大家也知道你动机。 就很不错。 一起加入嘴撸大军，赚点辛苦钱也挺好的。