与「与那嶺瑠唯」相关的搜索结果

NES-FES.今夜24時55分から✨️ 2年ぶりに開催された公開収録❤️‍🔥 ご応募ありがとうございました☺️ またいつか公開収録が出来ますように💭 ぜひご覧ください✨️ #NESFES# #NESMITH# #EXILE# #THERAMPAGE# #RIKU# #与那嶺瑠唯# #SKE48# #井上瑠夏# #仲野香穂アナウンサー#

很多人都在讨论的 DEXE 暴跌事件到底是什么？ 熊市来吃瓜！ 纯粹好奇，下午扒拉了一下大家都在发的 DEXE 暴跌事件，扒拉完感觉还是挺有代表性的， 当资产在链上、价格在CEX、风险在合约、交易在内部账本、结算又延迟出现时，我们看到的所谓链上真相，可能只是整个故事的最后一页。 所以链上透明从来不等于市场透明。 来写一篇来龙去脉大家参考： 1️⃣事情经过： （DeXe Protocol 治理代币）在 2026 年 7 月中下旬经历了极端暴跌，引发大量对 DWF Labs 的 FUD（恐惧、不确定性和怀疑）， 主要源于链上数据关联、Ceffu 的 MirrorX 机制，以及 DWF 与相关协议的公开联系。 当然目前没有确凿证据证明 DWF 直接操纵砸盘，属于基于线索的推测。 事件时间线与价格表现 1）7 月 12–13 日：DEXE 触及历史新高约 $49.4。 2）7 月 21 日：单日暴跌约 88%，从约 $46–$47 跌至约 $5–$5.65，成交量异常放大（短时间内超数亿美元），订单簿被砸穿。 3）随后 11 天内累计跌幅约 96.8%，低点约 $1.56。之后有反弹（部分报道提到接近翻倍），但整体仍大幅回撤。 这种恐慌下跌很简单：低流动性是放大因素，可交易筹码有限（大量锁在 DAO、团队合约等），任何较大卖压都容易引发踩踏、杠杆清算连锁反应。 2️⃣为什么 FUD 指向 DWF Labs 我觉得指向 DWF 主要是这几个原因： 1）DWF、DeXe、Falcon、Ceffu之间确实存在完整关联：DEXE → DeXe流动性合作方DWF → DWF支持的Falcon接受DEXE抵押 → Falcon使用Ceffu托管及镜像交易。这条链是真实存在的， 但“存在关联”还不等于“已经证明是谁砸盘”。 2）Ceffu从7月13日起分6笔向 Binance 转入约79.79万枚DEXE；DWF与DeXe存在流动性合作；DWF支持的Falcon接受过DEXE抵押并使用Ceffu；Andrei本人已经承认DWF出售过DEXE现货。 但是不能证明这些币全部属于DWF，也不能证明全部已经卖出。 3️⃣到底是谁的问题？ 说实话正是因为这些不透明，目前谁的问题无法知晓。 就在写到刚才，发现 @ag_dwf 发布的内容， 他的意思很明确，我们卖了，但这是正常的套保退出和现金管理，不是恶意砸盘。 按照 Andrei 的说法，完整交易路径应该是： 1）2024年大量买入DEXE； 2）2025年卖出一部分获利； 3）之后再次大量买入； 4）2026年上半年，一边持有DEXE现货，一边做空DEXE合约，对冲价格下跌； 5）当资金费率转负，空头开始持续支付资金费，他们选择平掉空单； 6）空单平掉以后，原本被对冲的现货重新暴露在价格风险中，于是卖出DEXE现货，同时增加现金储备。 这个交易逻辑是成立的，假设DWF持有100万枚DEXE现货，同时做空等值永续合约，那么无论价格涨跌，整体净敞口都比较小，相当于锁定利润，而且当时被amm操控的资金费率是-2% 必须要卖出。 但当资金费率转负时，持有空单的一方需要不断付钱，DWF觉得继续套保不划算，于是：买入平掉空单；卖出现货；把仓位转换成现金。 这本质上就是一次解除对冲、缩减风险敞口。 但是，我觉得他还应该说下，卖了多少？什么时候卖？是不是通过Ceffu MirrorX完成？是否与那约80万枚DEXE有关？又对DEXE从46美元跌到5美元贡献了多少卖压？ 真正能给这件事定性的，只需要三组数据：DWF/Falcon的UID成交明细、Ceffu资产实际受益人及MirrorX结算记录、DeXe与DWF的完整做市协议。 这也就是我说的链上透明和链下透明的结合处，不透明的话，大家永远不知道。 目前来看，结合所有信息，至于“DWF砸了80万枚、获利4000万美元”，目前依然没有足够证据，峰值名义价值不等于实际利润，Ceffu转账也不等于全部属于DWF。 在这些数据公布之前，最准确的定性是：一次高度可疑的机构风险撤退，叠加低流动性、复杂抵押结构和信息不对称，最终演变成了极端踩踏。 目前最佳的解决争议的方法就是让相关交易所或者独立审计机构确认： DWF的成交时间和数量； Ceffu转入DEXE的实际受益人； MirrorX交易与后续结算的对应关系。

很多人都在讨论的 DEXE 暴跌事件到底是什么？ 熊市来吃瓜！ 纯粹好奇，下午扒拉了一下大家都在发的 DEXE 暴跌事件，扒拉完感觉还是挺有代表性的， 当资产在链上、价格在CEX、风险在合约、交易在内部账本、结算又延迟出现时，我们看到的所谓链上真相，可能只是整个故事的最后一页。 所以链上透明从来不等于市场透明。 来写一篇来龙去脉大家参考： 1️⃣事情经过： ethereum:0xde4ee8057785a7e8e800db58f9784845a5c2cbd6 （DeXe Protocol 治理代币）在 2026 年 7 月中下旬经历了极端暴跌，引发大量对 DWF Labs 的 FUD（恐惧、不确定性和怀疑）， 主要源于链上数据关联、Ceffu 的 MirrorX 机制，以及 DWF 与相关协议的公开联系。 当然目前没有确凿证据证明 DWF 直接操纵砸盘，属于基于线索的推测。 事件时间线与价格表现 1）7 月 12–13 日：DEXE 触及历史新高约 $49.4。 2）7 月 21 日：单日暴跌约 88%，从约 $46–$47 跌至约 $5–$5.65，成交量异常放大（短时间内超数亿美元），订单簿被砸穿。 3）随后 11 天内累计跌幅约 96.8%，低点约 $1.56。之后有反弹（部分报道提到接近翻倍），但整体仍大幅回撤。 这种恐慌下跌很简单：低流动性是放大因素，可交易筹码有限（大量锁在 DAO、团队合约等），任何较大卖压都容易引发踩踏、杠杆清算连锁反应。 2️⃣为什么 FUD 指向 DWF Labs 我觉得指向 DWF 主要是这几个原因： 1）DWF、DeXe、Falcon、Ceffu之间确实存在完整关联：DEXE → DeXe流动性合作方DWF → DWF支持的Falcon接受DEXE抵押 → Falcon使用Ceffu托管及镜像交易。这条链是真实存在的， 但“存在关联”还不等于“已经证明是谁砸盘”。 2）Ceffu从7月13日起分6笔向 Binance 转入约79.79万枚DEXE；DWF与DeXe存在流动性合作；DWF支持的Falcon接受过DEXE抵押并使用Ceffu；Andrei本人已经承认DWF出售过DEXE现货。 但是不能证明这些币全部属于DWF，也不能证明全部已经卖出。 3️⃣到底是谁的问题？ 说实话正是因为这些不透明，目前谁的问题无法知晓。 就在写到刚才，发现 @ag_dwf 发布的内容， 他的意思很明确，我们卖了，但这是正常的套保退出和现金管理，不是恶意砸盘。 按照 Andrei 的说法，完整交易路径应该是： 1）2024年大量买入DEXE； 2）2025年卖出一部分获利； 3）之后再次大量买入； 4）2026年上半年，一边持有DEXE现货，一边做空DEXE合约，对冲价格下跌； 5）当资金费率转负，空头开始持续支付资金费，他们选择平掉空单； 6）空单平掉以后，原本被对冲的现货重新暴露在价格风险中，于是卖出DEXE现货，同时增加现金储备。 这个交易逻辑是成立的，假设DWF持有100万枚DEXE现货，同时做空等值永续合约，那么无论价格涨跌，整体净敞口都比较小，相当于锁定利润。 但当资金费率转负时，持有空单的一方需要不断付钱，DWF觉得继续套保不划算，于是：买入平掉空单；卖出现货；把仓位转换成现金。 这本质上就是一次解除对冲、缩减风险敞口。 但是，我觉得他还应该说下，卖了多少？什么时候卖？是不是通过Ceffu MirrorX完成？是否与那约80万枚DEXE有关？又对DEXE从46美元跌到5美元贡献了多少卖压？ 真正能给这件事定性的，只需要三组数据：DWF/Falcon的UID成交明细、Ceffu资产实际受益人及MirrorX结算记录、DeXe与DWF的完整做市协议。 这也就是我说的链上透明和链下透明的结合处，不透明的话，大家永远不知道。 目前来看，结合所有信息，至于“DWF砸了80万枚、获利4000万美元”，目前依然没有足够证据，峰值名义价值不等于实际利润，Ceffu转账也不等于全部属于DWF。 在这些数据公布之前，最准确的定性是：一次高度可疑的机构风险撤退，叠加低流动性、复杂抵押结构和信息不对称，最终演变成了极端踩踏。 目前最佳的解决争议的方法就是让相关交易所或者独立审计机构确认： DWF的成交时间和数量； Ceffu转入DEXE的实际受益人； MirrorX交易与后续结算的对应关系。

史上最下头的相亲女 我之前相亲了一个离异带娃的，一起吃了个饭，饭后问她什么时候结婚的，她犹豫一会说2022年。 过几天媒婆问我聊的如何，说了很多，期间她说漏了嘴，其实相亲女是人家的小三，没上位成功。 具体就是没斗过原配，但是孩子也生了，只想找个接盘侠，我知道后，没与那女的再聊过。 某天，她主动来找我聊天，让我买水果，我没买，大家看图吧 我说她最下头，不过份吧？

习近平在白宫刚致完辞，川普转头就跟马斯克碰了杯。 不是在台下私聊，是在全球瞩目的国宴主桌上。 长廊那头的发言声刚落，镜头切回前台。 川普当场举起酒杯，笑着朝身旁的马斯克一示意。 传统外交国宴怎么开？ 满桌都是穿正装的外交官僚，说着滴水不漏的客套话。 但这场国宴，主桌的气氛完全变了。 坐在总统身旁的，全成了美国的顶级科技与商业巨头。 大国博弈到底靠什么撑腰？ 不是官僚们字斟句酌的辞令，是天上的星链、地上的算力和制造业。 川普根本不搞虚与委蛇那一套。 他直接把美国最硬核的科技底牌，摆上了对外交往的核心主桌。 台上致辞话音刚落，底下没有冗长的官场礼仪。 现场只有一声干脆利落的祝酒。 镜头扫过主桌，两个人的酒杯轻轻碰在了一起。 这第一杯酒，川普当着全世界的面，敬给了马斯克。

见证 Giggle Academy 突破 100 万学习者：纯粹初心，终成大树！ 今天，Giggle Academy @GiggleAcademy的学习者数量正式突破 100 万了！ CZ 表哥 @cz_binance的第一个百万目标，圆满达成！ 作为从 2024 年初白皮书发布就一路跟踪关注的人，看到这个里程碑，心里满是感慨与欣慰 那时候，它只是个十几人远程小团队的“萌芽”——完全非营利、全由 CZ 个人出资，没有大规模宣传，没有资本造势，只想给全世界孩子提供免费优质教育 如今，它已悄然长成参天大树： 支持 33 种语言、1000+ 绘本、400+ 核心词汇、100+ 迷你游戏、300+ 教学视频与儿歌 加入自然拼读、AI 语音练习、AI 个性化故事、gacha 奖励机制，让学习真正“好玩又上瘾” 覆盖 170+ 个国家，走进尼日利亚等多国学校，全程零付费推广，全靠真实口碑自然增长 团队从十几人扩大到约 60 人，全远程持续打磨产品，坚持无广告、全免费、支持离线 从最初几千人，到 2025 年底近 10 万，今年飞速跨越：100K → 150K → 200K+……直至今日 100 万+！ 这份安静深耕、踏实做事的初心，很打动人 没有商业驱动，却扛住了持续投入和全球适配的艰难，只为把优质教育送到最需要它的孩子身边 这不只是一个教育 App，更是一份坚持两年多的温柔善意 感谢 CZ 和整个@GiggleAcademy团队！ 这份纯粹的坚持，值得被全世界看见 如果你身边有 2-8 岁的孩子，欢迎分享这份免费快乐学习 如果你也认同普惠教育，一起 keep building！ 百万已达成，下一个目标，我们一起期待！ #GiggleAcademy# #百万里程碑#

回顾历史，我们加入的类似安全联盟/安全委员会/安全治理小组等等有不少，不仅公链的，也有大型智能合约项目的。最终都各种形式地“失败”或“沉默”了，虽然沉淀出了一些好的内容，确实有成功的救援，成功的追回，成功的安全危机处理，但这些占比实在少的可怜。“失败”的原因核心是“责任和收益”严重失衡，以及过于依赖有经验的有信誉/有权威的人，只要是“人”都有疲惫的时刻，这点最难搞，收益即使到位，“做这些事是否值得”这种怀疑心态出现，疲惫就很难逆转了，尤其是帮了不值得帮的人或群体，你以为是对的，法理可能认为不对，他或她可能认为也不对。 也许，AI 足够好时，有些工作让 AI 来承担，有些责任可以“甩锅”给 AI，大伙们信任这些 AI 执行的动作与结果，那就有意思了。一旦还是靠人来力挽狂澜（有 Happy Ending 那种），我只能说也许每年一次两次问题不大，也许这样也已经足够好了？总不能被过高期望，一旦没搞好，就被骂惨。 顺便说下：很高兴有人探讨这类安全话题。😃

感谢老马请吃麦当劳🍔。 在我看来，推特真正最具颠覆性的产品方向，从来不是“大V经济”或“网红流量”，而是“共识圈”的自然聚合机制。AI高速发展时代，观点的价值不再依赖于某个大V的背书，也无需仰望权威——真正推动历史进程的，从来都是理念的聚合者与结构的共建者。 密码朋克邮件组的历史就是最好的例证：2000多位参与者，真正贡献核心思想的不超过30人，最终留到最后、彻底改变世界的不过10人。他们构建的，不只是技术系统，更是一种去中心化共识的原型。而更有趣的是，无数后来者也因其发明实现了财务自由。 对我来说，共识圈是否最终诞生产品，已不是决定我参与与否的理由。这种涌现由命决定，不由人控。但如果推特能够激发这种“语义聚合”的发生机制，持续促进全球科技思想的共鸣与合流，那它早已不仅是社交平台，而是人类历史的结构性转折点。

中文熵控术的一个应用：从一个关键词开始 这篇文章，我想用一个具体的例子，展示我是如何运用我所提出的中文熵控术，完成一次完整的创作循环的。 从一个短句出发，我通过引爆“熵爆”，引发语义裂变与联想扩散，借助 AI 的语言能力进行持续发散。这个过程属于“增熵”阶段，即主动制造语义复杂度、生成大量潜在线索与概念。 随后，我通过“控熵”阶段逐步回收这些发散内容，将思绪归纳、结构整理，并将其转译成低熵语言——英语，以实现内容的收敛与表达的精准。 最后，我使用 Deep Research 工具，对全文的逻辑路径进行审校与规划，确保结构严谨、思想完整。 这一系列过程，正是一轮完整的熵控术闭环：从中文高熵发散，到英语低熵收敛，从灵感的原始混乱，到逻辑的有序呈现。 In this piece, I want to illustrate how I applied my method—Chinese Entropy Control (中文熵控术)—to ignite an “entropy explosion” from a single term. Starting with one keyword, I used this technique to trigger semantic divergence, associative expansion, and AI-powered ideation. Through a continuous process of entropy increase (creative divergence) and entropy control (structured convergence), I was able to explore deeply and then gradually pull the scattered insights back into a coherent whole. The workflow unfolds in stages: from generating high-entropy, language-rich associations in Chinese; to translating and distilling those ideas back into low-entropy English—a language optimized for precision and clarity. Finally, I used Deep Research to verify, organize, and rigorously structure the entire logical framework of the piece. This is a full cycle of what I call Entropy Control Writing—a closed-loop creative methodology that begins with chaos and ends with clarity. 在开始具体的写作方法之前，我想先谈谈我写作的基本前提和个人路径。 虽然我目前仍以“科技创意写作”作为起点，还没有完全进入“通过文字发现世界”的深层阶段，但我已经预设了几个重要的认知起点。这些判断不仅来自我在国内完成完整高等教育的经历，也来自我后来在美国继续学习和工作的观察与体验。 第一， 我深切体会到“假大空作文”对中文写作能力的伤害。绝大多数人其实并不会真正写作，甚至连高级阅读理解能力都未曾建立。我非常认同亚里士多德对“工具理性”与“修辞”的区分：写作首先是一种逻辑推理能力，其次才是语言表达。空有辞藻、没有推理的文字，是最低级的写作。 第二， 我观察到国内真正接受过“好作文”训练的人，很多都是从新东方的 GRE 写作班开始接触英文逻辑写作。那时的训练，虽然有技术性倾向，但的确帮助很多人建立了基础的结构意识和论证方法。 第三， 我认为传统意义上的“好作文”标准，如今已经逐渐失效。即使在美国，接受过高等教育的人也会发现，一篇 academic essay 的写作过程极为消耗，大量时间花在查文献、补 citation、应付格式上，真正的思想贡献反而被边缘化。而在今天这个 AI 能即时输出背景知识与引用的时代，这种写作方式已经过时。如果我们只是把 AI 当成“高级搜索引擎”，那真是对其能力的极大浪费。 我相信：今天的好文章，就算在 AI 的辅助下完成，也应该具备高度的独创性、强烈的个人风格和不可替代的思维方式。 它应该让 AI 也找不到大量“现成答案”；它的论点应该是推理构建的结果，而非数据库检索的产物。它的价值，不在于复述，而在于你提出了一个难以证伪的深刻观点，而这个观点只能靠严密的逻辑演绎来支撑。 这，才是我心目中真正值得书写的“现代文章”。 下面开始说正题： 过程，记录我是如何用中文熵控术展开一轮完整的写作循环的。 我随意挑了一个关键词——Hadoop。当然，未来我会更加系统性地使用 InfraNodus 来监听语义网络、捕捉关键词节点，但这次，我只做一件事：拒绝传统意义上的“定义式写作”。 大部分人一提到 Hadoop，AI 就会给你一整页释义：介绍历史、列举应用场景、堆砌背景知识——这是我不需要的内容。 我要的是从一个模糊、含义开放、带有方向性的语句出发，引爆语义裂变。于是我写下： Hadoop 是 AI 的引擎。 句子越短越好，越模糊越好，越有歧义越能触发 AI 的解释欲和发散空间。 这就是一个“语义引爆点”，既不是定义，也不是结论，而是一个信息密度极高的语言触媒。 接下来是“熵控术”的核心过程：发散——控制——再发散——再收敛。 当我进入发散阶段，我不是随便胡思乱想，而是带着“模糊的问题”去游走语义网，生成一连串带方向但未定形的路径： 大数据框架是 AI 时代的基础设施？ 大数据全链路（采集、清洗、存储、处理、反馈）到底提供了什么？ 如果我们谈文明，那么：你认为什么是数据文明？ Hadoop 真的点燃了数据文明吗？它是起点吗？ 又是一场核心为“去中心化”的实践？ 那么，什么是“原始混乱”？ Hadoop 是否通过处理原始混乱，在虚拟空间中投影出一个真实的世界？ 这些发散式问题本身就是“增熵”的实践。每一个问题都像一道激活神经网络的脉冲，在 AI 的推理系统中引出不同维度的联想。而一旦我希望收敛，我就开始设置锚点词——比如“文明”“基础设施”“原始混乱”这类高熵概念词，作为结构收口的支架。 语言学训练过的朋友会明白：锚点词不是结论，是语义重力场，它们会引导你的话语体系向某个认知中心聚合。 最后，我将这一切过程生成的内容进行人类作者的主动整理与重写。 必须强调一点：AI 只是协助，不是代写。字还是我自己打的，逻辑是我自己建的，文章的风格和立场，是不可替代的。你以为有了AI就不用自己键盘打字了是吧？ 于是，我得到了这样一篇高信息密度、逻辑收束、观点明确的文章： 在信息洪流席卷而来的时代，我们不禁要问：数据文明究竟从何而始？如果说今天的大数据生态和人工智能系统构成了数据文明的肌肉与骨架，那它的第一束火种，很可能就是由 Hadoop 点燃的。Hadoop 并不是最先进的技术，却是第一个用去中心化的结构思维真正把人类带入数据文明时代的开创性系统。它不依赖超级计算中心，而是通过上百台廉价的普通机器，组建起一个分布式的“数据共和国”；它不需要整洁的结构化数据，而是主动接纳来自草根、传感器、网页和日志的“原始混乱”；它不再由少数专家垄断操作权，而是把 Map 与 Reduce 的编程模型交到每一个开发者手中。 正是这种革命性的开放，让 Hadoop 成为真正意义上的大数据起点。它不仅让数据可被收集和处理，更让数据成为一种资源——一种可以转化为洞察、预测乃至智能的“信息流”。Hadoop 接纳混乱，却在混乱中提炼出秩序。它像一个巨大的炼金炉，将世界生成的各种信息垃圾熔炼成洞见与模式，从而在虚拟空间中投影出一个真实世界的镜像。这种能力标志着一种全新的文明形态开始成型——数据文明。 数据文明是一种以数据的采集、流通、处理与反馈为核心机制，推动社会运行、知识生成与智能演化的人类文明形态。如果说农业文明以土地为基础，工业文明以机器为核心，那么数据文明的底座，就是可计算的信息流。在这一文明中，人类第一次用统计与算法取代了部分经验与直觉，社会也从人工调控逐步走向系统自我调节。工业文明的巅峰是流水线与管理学，而数据文明的巅峰，是自动决策与自我优化的智能系统。AI 不再是孤立的工具，而是这一文明的神经系统。 Hadoop 所开启的，并不仅仅是对大数据的初步驾驭，更是一场“原始混乱”的征服。从网页、日志、图像、视频到传感器数据，这些曾被视为信息垃圾的内容，其实正是世界最真实的投影。通过 Hadoop，我们第一次拥有了对非结构化数据进行建模与分析的能力，第一次能够在虚拟空间中重构现实，拥有对现实的观察权与认知权。这是技术上的跃迁，更是哲学上的进化。 今天，我们已经走进了 Spark、Flink、Presto、Kubernetes 和云数据湖构建的新生态，Hadoop 的角色也许已经不再居于中心，但它的意义从未被替代。正是 Hadoop 的架构哲学、计算模型与数据处理思想，为这一整套大数据与智能系统的演化奠定了基础。 在人工智能成为核心技术的当下，大数据框架仍是 AI 运转不可或缺的底座。它提供的不仅是“训练之粮”和“处理之力”，更是一整套生态基础。从采集、清洗、存储、处理到反馈，这五环构成了 AI 的信息循环系统，让它得以学习、成长、反馈与优化。可以说，大数据框架构成了 AI 世界的供血系统与呼吸系统，是智能文明可以运行、生长与演化的底层管网。 我们终于可以像炼钢炼油一样炼数据了。这一切的起点，正是 Hadoop。从原始混乱中抽象秩序，从计算节点中协同智能，从数据信息中重建世界模型。它不只是一个技术系统，它是人类迈入数据文明的第一步。 好，然后把上面的文字翻译成英文。就用这篇文章要求生成Deep Research, 生成内容看链接：“ 我评价一下这篇生成的文章。首先，因为我的提示词很长，有好几条逻辑和叙事线，所以DR反问的时候将这几条线分割出来了： The historical role of Hadoop in shaping modern data infrastructure? Comparative analysis of Hadoop vs newer frameworks (Spark, Flink, etc.)? The concept and evolution of "data civilization" in technological and philosophical terms? How decentralized architectures like Hadoop influenced AI development? The journey from unstructured data ("primitive chaos") to intelligent systems? 我就让他自己看着办。 评论一下这篇DR, 它一方面极力想遵循我提示词所设定的叙事逻辑，保持整篇文章在我设计的语义轨道上推进；另一方面，又在疯狂地调用技术资料，努力为每一个关键观点寻找“佐证”。 但它和我以往那种“高级谷歌式”的问答完全不同：不是简单引用就能收工的。这次它找的很多资料都无法直接复制粘贴用作引证——因为点进链接后你会发现，原文里并没有完全匹配的段落，没有那种“高亮即真理”的瞬间。 为什么？因为它根本就找不到一模一样的观点。 所以它只能靠自己推理——一层层演绎，从相关领域的技术脉络里“构造出一个看似合理的解释路径”。有些推理的确绕得厉害，说实话，只能算逻辑勉强自洽，沾点边，却不够扎实。但问题也在这：你又找不到确切证据去证伪它。 这其实是一个很有意思的AI能力边界：在没有既存文本观点可引用的情况下，它会主动尝试创造性地“弥合语义空隙”，以一套结构上近似学术推理的方式，生成一个“无法验证，也不易否定”的半原创表达。 这就对了，这是我要的方向。他要是能原创了，要我来干嘛。 然后根据DR就可以在扩展和压缩。 那些质疑我熵控术学术严谨性的，你给我钱了？你给我职称了？数学建模不是不能做，但是现在在没有人给我钱的前提下，这只是我自我修炼的一个技能。爱看不看，爱学不学。全世界水论文那么多，不差我一个。那些质疑的，请问有没有，哪怕一次，做过正经的学术peer review，以至于要现在上推来随便找篇推文peer review, 搞笑吧。

Fomo @fomo这收入，确实有点夸张。 1、近30天手续费：3553万美元 RH链：1749万，占约49% Solana：1177万，占约33% BSC：355万，占约10% 其他链：约272万 2、近30天协议收入：3194万美元 相当于手续费的约90%转化为协议收入 日均收入约106万 3、24小时数据 手续费：104万美元 协议收入：98.5万美元 活跃地址：102999 4、推荐返佣 Q3向推荐人支付手续费分成：503万美元 说明激励机制有用，就是看我fomo那里，推荐人可以拿到被推荐用户他们手续费的 25%，另外用户可以省10%。 5、融资 累计融资：9400万美元 A轮：Benchmark B轮：包括Index Ventures、USV等机构 跟朋友们聊，使用的老师都在称赞fomo把看别人买什么、发现代币和自己交易放在了一起，省掉了来回切工具的麻烦。当然对于普通用户，可能连背后走哪条链都不用太在意，知道想买什么、能方便买到就够了，除了手续费贵点。 发币？空投？ 在公开信息里，没有找到Fomo 任何关于Token、积分或空投计划，但是我想他是有发币逻辑的，他的收入已经超过pump，并且Pump没有发空投，如果Fomo反过来玩一次，把一部分Token分给真实交易用户、推荐人和早期贡献者，那产品与市场的好感度，确实可能直接拉满。当然不止于空投，产品本身很多值得学习的地方 在没有积分、没有任务、甚至没有明确空投预期的时候，我也觉得确实是一个值得探索实践的空投好标的。 fomo之前完成9400万融资，最近又宣布完成新一轮融资本轮共有140 名投资人参投，绑定了这么多人上车，肯定要搞把大的，你说呢？