与「本多力」相关的搜索结果

我越来越发现三个水枪手做的节目挺有意思，有的分析也挺有深度，这期通过对比中国、日本、美国的高校借阅榜和图书畅销榜，深入剖析了各国的阅读习惯，并得出了相对悲观的社会学结论。 一、 各国大学生及社会畅销书榜单对比 1. 中国：停滞在20年前的老书与网络爽文 山东农业大学（代表普通高校）：文学类前十名全是经典老书，如《杀死一只知更鸟》《嫌疑人X的献身》《活着》《我与地坛》《围城》。社科类前十名则充斥着“心理鸡汤”（《被讨厌的勇气》《蛤蟆先生去看心理医生》）以及《毛泽东选集》和多本《明朝那些事儿》。 清华大学（代表顶尖高校）：年度借阅榜单依然是《毛泽东选集》《红楼梦》《明朝那些事儿》《三体》《哈利波特》《平凡的世界》《乡土中国》《天龙八部》等老书。 社会总榜（当当网、微信读书）：无论怎么看，中国人买得最多的依然是这几本“老三样”（《活着》《三体》等），以及大量的教辅书、考公考证资料和儿童绘本。 网络文学榜：主播特别提到，中国大众真正阅读量极高的是晋江、起点等平台的“网络爽文”（如霸道总裁、修仙逆袭、耽美等），这些书名夸张，内容通常不需要深度思考。 2. 日本：更新极快，兼顾轻娱乐与深度哲学 东京大学：前十名借阅榜中包含大量的哲学、语言学和社科类科普书。例如《思考的整理学》（教导逻辑思维）、《闲暇与无聊的伦理学》（斯宾诺莎哲学普及）、《中动态的世界》（语言学概念），以及探讨犹太人历史的书籍。 社会总榜：日本是一大出版强国，畅销榜上的书几乎全是当年出版的新书。日本人的阅读面极广，既有海量的轻小说、推理小说、连载漫画等休闲读物，但同时，获得“本屋大赏”等严肃文学奖项的作品也能迅速在全社会大卖。 3. 美国：紧跟当下社会现实与人物传记 由于缺乏大学图书馆数据，主播主要参考了纽约时报和Goodreads的畅销榜。 非虚构类（Non-fiction）：美国人极度偏爱最新的人物传记和回忆录。榜单上充斥着格莱美得主、播客主持人、参议员的回忆录，以及关于苹果公司50年历史、AI（人工智能）前沿探索、神经科学等紧贴时代脉搏的书籍。 虚构类（Fiction）：绝大多数也是最新出版的当代小说、科幻小说（如《挽救计划》）和悬疑小说。 二、 各国人民读书习惯分析 1.美国人：通过阅读了解“现在” 美国社会的阅读习惯将其作为了解当下世界运行规律的重要窗口。读者渴望知道现在社会发生了什么，前沿科技到了什么地步，成功人士是如何思考的。因此，新出版的传记、科技科普和当代小说占据了绝对的主流。 2.日本人：将阅读作为公共生活习惯 日本人的阅读习惯是深入骨髓的。虽然在地铁上很多人看的是漫画或轻小说，但庞大的读者基数支撑起了一个健康的出版金字塔。即使是极其深度的社会学和哲学书籍，在日本也有稳定的受众。他们能够做到“娱乐阅读”与“严肃探讨”的并行。 终生阅读量极低：主播认为，绝大多数中国人可能一辈子就读了5-10本最著名的经典（如《活着》），一旦完成这些“打卡式”阅读，就不再接触新书，转而投入短视频的怀抱。中国缺乏一个持续为新书买单的成熟读者群。 功利与逃避：读书主要为了考试（教辅）或缓解心理压力（心理鸡汤）。 对真实世界的集体回避：中国读者极少阅读探讨当代社会现实深层次问题的新书或当代人物真实传记。底层大众更是沉迷于无需动脑的网络文学中寻找虚拟的情绪价值。 三、 原因 主播们在视频最后得出了一个非常悲观的结论：中国社会的整体深度阅读习惯正在走向崩溃。他们将这一现象归结为以下几个根本原因： 1.出版审查制度的负面影响：严苛的审查制度使得中国极难出版真实的当代人物传记或具有深度的非虚构社科著作（容易碰触历史定论和现实红线）。出版社为了规避风险，只能一遍遍地再版四书五经、四大名著等“安全”的老书。 2.缺乏专业权威的引导：中国缺乏像日本那样具有公信力的民间文学奖项来引导大众阅读严肃文学，导致图书市场“泥沙俱下”。 3.思辨能力的退化：在短视频的冲击和网文的包围下，年轻一代越来越排斥需要较高门槛、会带来阅读困难和认知挑战的深度严肃书籍。真正的“读书”（即通过阅读去质疑权威、探求历史真相）在中国具有一定的痛苦感甚至危险性，因此大多数人选择了回避。 PS: 1, 发达国家跟发展中国家其中一个最大的差异，还真的是民众的读书习惯和数量！多年前的一张图片，展示发达国家的人民在地铁里只看书不玩手机，后来被调侃为是因为外国的地铁手机信号差。其实信号差不差，发达国家的人民在地铁里读书的场景确实比发展中国家要常见的多。 2，发达国家的另外一个特点，就是各个群体的兴趣点非常的多样和庞杂，有喜欢看短视频的，也有喜欢看书的，相互之间基本影响不到，并且各个群体都非常的大，发展中国家就更趋于单一化，从众化。 3，我个人看书比较集中的时期只有一个就是高中阶段，为了找作文的金句和素材看通俗经典。后来大学时期以及出国后，开始看更多外国经典，但数量有限。

#Nikke# 💕 Nikke兔女郎主题写真本终于来咯🥰 实体本收录了五套兔女郎造型 这次尝试制作了更多亚克力周边 电子收藏集有额外的隐藏服饰哦💕

Andrej Karpathy 是 OpenAI 联合创始人、前特斯拉 AI 总监，也是全球最有影响力的 AI 研究者之一。他刚刚发布了一篇 2025 年 LLM 年度回顾。 第一个大变化：训练方法的范式升级 2025 年之前，训练一个好用的大模型基本是三步走：预训练、监督微调、人类反馈强化学习。这个配方从 2020 年用到现在，稳定可靠。 2025 年多了关键的第四步：RLVR，全称是 Reinforcement Learning from Verifiable Rewards，翻译过来就是「可验证奖励的强化学习」。 什么意思？简单说，就是让模型在「有标准答案」的环境里反复练习。比如数学题，答案对就是对，错就是错，不需要人来打分。代码也一样，能跑通就是能跑通。 这和之前的训练有什么本质区别？之前的监督微调和人类反馈，本质上是「照葫芦画瓢」，人给什么样本，模型学什么样本。但 RLVR 不一样，它让模型自己摸索出解题策略。就像学游泳，之前是看教学视频模仿动作，现在是直接扔水里，只要你能游到对岸，怎么划水我不管。 结果呢？模型自己「悟」出了看起来像推理的东西。它学会了把大问题拆成小步骤，学会了走错路时回头重来。这些策略如果靠人类标注示范，根本标不出来，因为人自己也说不清「正确的思考过程」长什么样。 这个变化带来一个连锁反应：算力的分配方式变了。以前大部分算力砸在预训练阶段，现在越来越多算力用于 RL 阶段。模型的参数规模没怎么涨，但推理能力飙升。OpenAI 的 o1 是这条路的起点，o3 是真正让人「感觉到不一样」的拐点。 还有个新玩法：推理时也能花更多算力。让模型「想久一点」，生成更长的推理链条，效果就更好。这相当于多了一个调节能力的旋钮。 第二个大变化：我们终于搞懂了 AI 是什么「形状」的聪明 Karpathy 用了一个很妙的比喻：我们不是在「养动物」，而是在「召唤幽灵」。 人类的智能是进化出来的，优化目标是「在丛林里让部落活下去」。大模型的智能是训练出来的，优化目标是「模仿人类文本、在数学题里拿分、在评测榜单上刷分」。 优化目标完全不同，出来的东西当然也完全不同。 所以 AI 的智能是「参差不齐」的，英文叫 jagged intelligence。它可以在某些领域表现得像全知全能的学者，同时在另一些领域犯小学生都不会犯的错。上一秒帮你推导复杂公式，下一秒被一个简单的越狱提示骗走你的数据。 为什么会这样？因为哪个领域有「可验证的奖励」，模型在那个领域就会长出「尖刺」。数学有标准答案，代码能跑测试，所以这些领域进步飞快。但常识、社交、创意这些领域，什么是「对」很难定义，模型就没法高效学习。 这也让 Karpathy 对基准测试失去了信任。道理很简单：测试题本身就是「可验证环境」，模型完全可以针对测试环境做优化。刷榜变成了一门艺术。所有基准都刷满了，但离真正的通用智能还差得远，这是完全可能发生的事。 第三个大变化：LLM 应用层浮出水面 Cursor 今年火得一塌糊涂，但 Karpathy 认为它最大的意义不是产品本身，而是证明了「LLM 应用」这个新物种的存在。 大家开始讨论「X 领域的 Cursor」，这说明一种新的软件范式成立了。这类应用做什么？ 第一，做上下文工程。把相关信息整理好，喂给模型。 第二，编排多个模型调用。后台可能串了一堆 API 调用，平衡效果和成本。 第三，提供专业场景的界面。让人类能在关键节点介入。 第四，给用户一个「自主程度滑杆」。你可以让它多干点，也可以让它少干点。 有个问题被讨论了一整年：这个应用层有多「厚」？模型厂商会不会把所有应用都吃掉？ Karpathy 的判断是：模型厂商培养的是「有通用能力的大学毕业生」，但 LLM 应用负责把这些毕业生组织起来、培训上岗，变成能在具体行业干活的专业团队。数据、传感器、执行器、反馈循环，这些都是应用层的活。 第四个大变化：AI 搬进了你的电脑 Claude Code 是今年最让 Karpathy 印象深刻的产品之一。它展示了「AI 智能体」应该长什么样：能调用工具、能做推理、能循环执行、能解决复杂问题。 但更关键的是，它跑在你的电脑上。用你的环境、你的数据、你的上下文。 Karpathy 认为 OpenAI 在这里判断失误了。他们把 Codex 和智能体的重心放在云端容器里，从 ChatGPT 去调度。这像是在瞄准「AGI 终局」，但我们还没到那一步。 现实是，AI 的能力还是参差不齐的，还需要人类在旁边看着、配合着干活。把智能体放在本地，和开发者并肩工作，才是当下更合理的选择。 Claude Code 用一个极简的命令行界面做到了这一点。AI 不再只是你访问的一个网站，而是「住在」你电脑里的一个小精灵。这是一种全新的人机交互范式。 第五个大变化：Vibe Coding 起飞了 2025 年，AI 的能力跨过了一个门槛：你可以纯用英语描述需求，让它帮你写程序，完全不用管代码长什么样。Karpathy 随手发了条推特，给这种编程方式起了个名字叫 vibe coding，结果这个词火遍全网。 这意味着什么？编程不再是专业程序员的专利，普通人也能做。这和过去所有技术的扩散模式都不一样。以前新技术总是先被大公司、政府、专业人士掌握，然后才慢慢下沉。但大模型反过来，普通人从中受益的比例远超专业人士。 不只是「让不会编程的人能编程」。对会编程的人来说，很多以前「不值得写」的小程序现在都值得写了。Karpathy 自己就用 vibe coding 做了一堆项目：用 Rust 写了个定制的分词器、做了好几个工具类 App、甚至写了一次性的程序只为找一个 bug。 代码突然变得廉价、即用即弃、像草稿纸一样随便写。这会彻底改变软件的形态和程序员的工作内容。 第六个大变化：大模型的「图形界面时代」要来了 Google 的 Gemini Nano Banana 是今年最被低估的产品之一。它能根据对话内容实时生成图片、信息图、动画，把回复「画」出来而不是「写」出来。 Karpathy 把这件事放到更大的历史脉络里看：大模型是下一个重大计算范式，就像 70 年代、80 年代的计算机一样。所以我们会看到类似的演进路径。 现在和大模型「聊天」，有点像 80 年代在终端敲命令。文字是机器喜欢的格式，但不是人喜欢的格式。人其实不爱读文字，读文字又慢又累。人喜欢看图、看视频、看空间布局。这就是传统计算机为什么要发明图形界面。 大模型也需要自己的「GUI」。它应该用我们喜欢的方式跟我们说话：图片、幻灯片、白板、动画、小应用。现在的 Emoji 和 Markdown 只是初级形态，帮文字「化个妆」。真正的 LLM GUI 会是什么样？Nano Banana 是一个早期暗示。 最有意思的是，这不只是图像生成的事。它需要把文本生成、图像生成、世界知识全部绞在一起，在模型权重里融为一体。 Karpathy 的总结是这样的：2025 年的大模型，比他预期的聪明，也比他预期的蠢。两者同时成立。 但有一点很确定：即使以现在的能力，我们连 10% 的潜力都没挖掘出来。还有太多想法可以试，整个领域感觉是敞开的。 他在 Dwarkesh 的播客里说过一句看似矛盾的话： > 他相信进步会继续飞速推进， > 同时也相信还有大量的工作要做。 两件事并不矛盾。2026 年系好安全带继续加速吧。

整个加密行业走到今天这个局面，是几年前绝大多数人都没有想到的。 Web3 发币项目批量死亡。 几乎没有哪个发币项目创始人没有经历过维权、诉讼或社区清算。不可否认，其中有一部分 Founder 的初心是真正想做好产品、做好生态，但雪崩发生时，很少有人能够独善其身。 头部 CEX 逐渐失去行业影响力。 即便交易量不断创新高，本质上也越来越像一家传统券商，负责交易，却不再掌握资产发行和定价权。与 Nasdaq 这样的资本市场基础设施相比，差距反而越来越大。 一级市场投资机构集体退场。 不是没有资金，而是没有退出机制。一部分机构默许项目方操纵币价，与项目共同完成价值转移；另一部分则直接离开这个行业。没有长期回报，也没有情绪价值，还不如去投资其他赛道。 雪崩之下，没有任何一片雪花是完全无辜的；但每一片雪花承担的责任，并不相同。 在我看来，有几片雪花尤其沉重。 第一，FTX 与 Luna。 它们在行业最繁荣的时候接连崩塌，摧毁了传统资本对整个行业的信任，也让大量机构资金至今仍然望而却步。 第二，头部 CEX。 行业最辉煌的时候，本应承担起领头羊的责任：建立更高的上币标准，帮助市场筛选优质项目，倡导长期主义，形成健康的行业文化。 但现实恰恰相反。短期利益压倒了一切，发币集团批量制造空气币、快速收割流动性成为主流玩法。平台赚到了上币费和交易量，却也透支了整个行业的信用。当潮水退去，没有赢家，所有人都在同一条船上。 第三，Ethereum 基金会。 我始终认为，从 PoW 转向 PoS 是一个被严重高估的决定。它确实降低了能源消耗，但节省的成本，与因此失去的发展机会相比几乎微不足道。 如果 Ethereum 继续沿着 PoW 演进，并持续推动算力基础设施的发展，它本有机会成长为全球最大的、基于区块链的 AI 算力网络，在 AI 时代占据更加重要的战略位置。而转向 PoS，则让这种可能性提前结束了。 那么，这个行业还有机会吗？ 当然有。 但相较于上述几个决定行业方向的因素，能够真正扭转趋势的变量已经不多。 我认为，未来真正可能重新开启新一轮繁荣的，或许只有两件事： 一是美国将 BTC 纳入国家战略储备，并持续进行实际购买，重新建立全球资本对加密资产的信心； 二是链上真正诞生一个拥有数亿用户、能够创造真实价值的超级应用，让区块链再次证明自己不仅能发行资产，更能创造需求。 除此之外，其他利好都更像是周期性的反弹，而不是新的时代。

马来西亚华人正在“静悄悄”地消失，不是死于刀枪，是死于特权制度。吉打州务大臣沙努西公开发表言论，华人有中国可以回去，印度人有印度，马来人只有脚下这片土地。孟德斯鸠曾说，显要人物的特权的光荣恰恰就是平民的耻辱。马来西亚宪法153条赋予马来人特殊地位，长久推行土著优先的各项规则。 公立大学实施族群名额划分，预科阶段非土著名额上限控制在一成。2025至2026学年公立高校合计录取二十五万名学生，土著占据二十二万多人，不少拿到满分成绩的华裔学生，依旧无缘心仪专业。 当地七成中小企业由华人经营，富豪榜单前十当中九人为华人群体，持续贡献大量税收。政府体系中华人从业者占比极低，经商门槛、房屋购置政策都存在差异化安排，土著购房能够享受七到十五个百分点的优惠。 2026财政预算当中，面向土著的专项资金达到一百八十四亿令吉，华人新村获得的拨款仅有九千万令吉。可供华人选择的政治代表力量处境尴尬，马华公会难以争取足够话语权，民主行动党加入执政联盟后，也难以满足华裔群体的诉求。 2026年第一季度马来西亚华裔人口占比跌至二十二点一个百分点。2015到2025十年间，接近九点七万民众放弃本国国籍移民海外，其中八成八点一为华人。大量华裔世代在这片土地生活，祖籍只是遥远的概念，马来西亚本就是他们唯一的家园。 不存在激烈的冲突与武力驱赶，长年的制度性差别待遇不断削弱民众归属感。持续努力却难以拥有平等发展机会，大批人才选择远赴他国，这是一场悄无声息的人口流失。

看完这段视频，我忽然有了不少新的感悟。 那些跟我相似的人其实不少：十几岁就离开校园踏入社会，混到二十多岁依旧毫无建树，身上背着各种污点和债务。可自从走进web3这个圈子，我心里一直坚信，总有一天能冲破困境，扬起自己的风帆。 至于那位年仅十四岁就做跨境电商的少年，这类例子在我眼里本不稀奇。可他展现出的见识、魄力以及说话的分寸，却远远超出了这个年纪该有的水准。我得老实承认，他比我强多了。 说到底，环境才是塑造一个人的关键力量。这个少年接触到的世界，比同龄人宽广太多。人不过是一滴水，落进大海就融入海水，流进江河就成了河水，掉进脏水就染上污浊。你现在是什么样其实不重要，重要的是你想成为什么样的人。

原帖逻辑：借“诺奖得主本庶佑”之口，称日本对中国多领域深度渗透、掌控发展方向，甚至战时仍有实力战胜中国，故“不要小看日本实力”。 逻辑链条不完整且源头断裂： 1. 引述为虚假信息。本庶佑从未发表该言论，其秘书已明确否认；台湾事实查核中心、日本事实查核中心等多方查证，日本媒体及京都大学官网均无记录，系2023年起中文网络流传的伪造截图。 2. 即使假设为真，免疫学诺奖专家对地缘军事与情报渗透的判断缺乏专业背书，帖中也未提供任何具体数据或证据。 3. 整体 reliance 于诉诸权威+情绪渲染，跳跃至“可怕”结论，缺少 verifiable 支撑。 警惕他国实力与影响力有其道理（日本科技、产业、盟友等客观存在），但应建立在真实信息之上，而非伪造引述。

据悉，在今年完成首轮融资后，DeepSeek开始筹备下一轮融资。 据知情人士透露，新一轮融资投前估值约710亿美元，公司已开始接触新的投资机构，同时启动IPO准备工作，最快今年递交上市申请，目标2027年完成IPO。 而本次泄漏的投资人闭门会议信息，主要有这几个方面： ①梁文锋表示，最强模型未来也会开源，真正的竞争力不是模型参数，而是算力管理、数据质量、工程能力、成本控制、组织效率，即使有其他团队拿到模型，也未必能做到同样的成本完成训练、部署和持续优化。 ②DeepSeek不会什盲目追逐热门方向，而是集中资源做好基础模型，不做AI视频、不做超级App、不追求用户量第一等等。 ③Sweet Point（甜区）理论，梁文锋认为，创业公司太小，没有资源；大公司虽然资源丰富，组织效率下降，而DeepSeek当前的团队规模正处于兼顾研发能力与组织效率的最佳阶段。 ④关于盈利，他说：我们只赚六倍利润。他表示，公司目前采用约10个月回本的定价策略，对应约6倍毛利。在这一前提下，即使坚持开源，也不会影响公司的商业模式。但如果想赚取100倍利润，开源确实会有影响，因为第三方独立部署可能以20倍成本实现。 据报道，因为此次投资人会议内容外泄，DeepSeek暂停了正在推进的新融资流程，要求团队重新审查关于信息披露流程、投资人管理制度、保密机制等。 信息的泄露，首先是影响了投资人之间的信息公平。在融资过程中，所有投资机构获得的信息应该是一致的，如果，一旦出现信息不对等的情况，容易引发投资人对于信息公平性的质疑。 IPO阶段最怕的就是信息失控，如果DeepSeek切实正在准备IPO，那此后的招股说明书、监管审核等不同信息被传播，可能增加解释成本，并对融资工作带来一定影响。 而会议中也提到了公司未来战略、产品方向及商业模式等尚未正式公开的信息，让竞争对手对DeepSeek未来的战略有了更多的判断。

梁文锋非常自信，他几乎自曝了商业秘密，把现在DeepSeek最赚钱的生意公之于众。 DeepSeek的API调用生意，10个月左右就可以回本，可以产生6倍利润。 年化120％收益，这无疑是当今最暴利，最好的生意。 比之前的房地产更暴利，甚至比FD都更暴利。 这个怎么理解呢？ 就是DeepSeek花钱买GPU，再用DeepSeek的开源模型给客户提供API接口，10个月就能收回成本。 这批GPU可以使用3-5年，在这段时间内，这批GPU产生的利润，可以达到投入成本的6倍。 当年的房地产，都没有这么赚钱。 梁文锋把这个商业秘密公之于众，但他一点也不担心别人做，因为他绝对自信。 DeepSeek的团队有能力做好成本优化，别人再怎么做，成本都会是DeepSeek的20倍，所以即使自曝商业秘密，别人也抢不走他的生意，也打不过他。 这就是AI时代最有意思的地方，一大堆手握重金的老登，他们有钱不知道投什么生意，即使知道搞算力卖Tokens很赚钱，但他们也没有能力赚到这个钱，因为赚这钱的门槛太高了。 想想以前老登们搞房地产，门槛多低啊，有钱有关系就能搞，都能赚大钱。 时代真不一样了，蒙眼狂奔粗放赚钱的时代一去不复返了，高精尖真正搞科技的人赚大钱的时代来临了。

✍️想明白自己的后手 挺有意思的一个行为，最近的行情，真的有种叫人难以接受，因为涨一天，跌一天，你钻一天就没一天😮‍💨。 想明白如果行情和自己预计的相反，自己能出什么牌。 🌟发币平台比韭菜多 这个 @RobinhoodApp 都不知道咋玩，每天都有一堆的发币平台出来，每天都有第一个币发射出来。 各路链的发射台都跑过来玩一遍，就看哪一家的发射平台舍得花钱拉盘造声势了。 反正太多的都是雷声大雨点小，看着唬人，最后一看怎么一个拉盘的都没有。 要么就学会以小搏大，追高什么的就算了，没什么赔率。 毕竟 $CASHCAT 都只剩下25%了，更别提其他最高都没到它现在这么高的了。 甚至兄弟们凌晨时间还跑到 @Stable 上玩了一波，说要Fork Robin Hood 🌟股市何时反弹回本呢 全球股市都在向下中，只要没回到高点都是回调中。 不知道什么时候能回本了，高位站岗的兄弟们好冷啊。 这个每次反弹都不到前高，每次都套一批追高的，怎么办啊。 发现一旦想回到高点跑，好像除非突破了，就再也回不去的样子。 难怪兄弟们都开始和我聊价值投资了。 话说长鑫要上了，xdm又和我说清仓a股，等长鑫开盘梭哈进去，然后赚个翻倍就跑，真的吗，别骗我啊，我他妈的好担心最后又剩下我一个人了啊。 按照目前 @HypeliquidX 的盘前定价，似乎7-8x的价格，市值差不多30000亿多。 美股在光和玻璃还有存储里等回本。 a股站在光和算力里等回本。 没事抖机灵还去套了下韩国海力士和美国海力士，结果一看“跨链桥”已经满了，无法搬砖，G。 难过的事情好多啊。 🌟加密跌麻的都V了 最近好几个跌麻了的天王级项目都V回来了。 @zama 都从破发60-70%，到现在底部起来300%了，满屏幕的推文也出来了。 @KaitoAI 也从底部起来400%了，从之前被 @x 给ban到今天又和 @x 合作，只能说莫名其妙。 @Stable 从被众人嘲讽，也慢慢底部上来300%了，基本上毫无波澜。 看起来天王级还是有天王级的道理，只要不是ICP这种开盘过高的，想让VC回个本或者公募回个本，或者想让发广告的人回个本的，都有点想法？ 想不明白，不过确实是有“保护垫”。 所以 @megaeth 不会等1年后解锁，我能回本吧？ ✍️不做有时候似乎最佳方案 看不懂，就不做，没必要为了怕踏空紧急fomo进去。 伟大的德州专家 @MetaHunter168 说降低入池率，或许就是这个意思吧。 伟大的 @mingyue00001 交易之神明月也说或许不动是一种智慧。 想了想自己亏的多的交易，都是硬上，强追，最后不止损被干了。 在大趋势都是向下的情况下，无论怎么抄底不跑都是白忙活，还不如跌多了炒一笔反弹了跑了，能赚一点是一点。 多做多错，少做少错，不做不错，方是也。