与「看见微光」相关的搜索结果

#看见微光##【##男子落水警察跳入湍急水流施救##】近日，云南西双版纳磨憨镇一群众不慎落水，移民管理警察陶国柱果断跳入水中施救，辅警岩温香用竹竿协助救援，最终合力将群众安全救上岸，所幸无大碍。网友：##为西双版纳跳水救人的警察点赞##！# ＃见义勇为 ＃感动瞬间

【#好人就是哪怕他已经过去了##】近日，浙江杭州。货车高速路上掉落铁架，险些砸中后方车辆。一司机冲入车道徒手拖动80斤重的铁架，及时化解险情。为你点赞，也一定注意安全！##司机高速徒手拖80斤铁架###看见微光# #感动瞬间#

货车高速路上掉落铁架，险些砸中后方车辆。一司机在确保自身安全的情况下，冲入车道徒手拖动80斤重的铁架至硬路肩，及时化解险情。为你点赞！ #看见微光#

EvoOntology：给数据智能体一个会成长的语义层 数据智能体（Data Agent）面对异构数据时，能“看见”的往往只有表名、列名和文件路径；指标如何定义、实体如何关联、业务上有何约束，这些语义都藏在数据之外。让智能体每次从零探索，代价高且易出语义错误；把人工维护的语义层全量注入提示词，又难以扩展、随数据漂移而失效。这就是论文中的 agent-data gap。 中国人民大学 ruc-datalab 提出的 EvoOntology（arXiv:2609.15779）给出了新解法：首个面向数据智能体的自进化本体层（Self-Evolving Ontology Layer）。核心洞察是把本体当作“可训练的智能体状态”：不更新模型权重，而让语义知识随真实使用持续积累、验证、版本化演进，每次变更可检查、可比较、可回滚。 本体以三层结构封装为 MCP 服务器，供智能体运行时主动查询： · Schema Layer 定义本体的表示边界（节点族、语义关系、引用模式）； · Content Layer 是类型化语义图，由 Terms / Mappings / Constraints / Evidence 四类节点构成，每个语义对象都有工作负载证据支撑，落地验证后才提交； · Tool Layer 仅暴露 browse_semantics 与 resolve_semantics 两个 MCP 工具加紧凑会话 manifest，智能体按需检索当前步骤所需语义，而非全量注入上下文。 本体遵循 Build → Use → Evolve → Evaluate → Publish 生命周期：构建器智能体从真实工作负载推导候选概念并对照原始数据验证；交互轨迹被持续记录；进化时诊断重复行为、归因到具体层级并生成局部补丁；候选版本只有在相同数据、相同智能体、相同解码设置与交互预算的配对评估中可复现地胜过父版本，才会发布。 在 BIRD、DDR-10K、InsightBench 三个基准、四个 LLM 骨干（GPT-5.5 / GPT-5.6-sol / Claude-Sonnet-5 / Claude-Opus-4.8）上，EvoOntology 一致优于无本体 ReAct 与静态初始本体。其中 DDR-Bench 上仅“自进化”环节就贡献了 +7.7（81.8 → 89.5），验证了持续演进相对静态语义层的增量价值。 论文： 代码：

胜率49%，一半都不到。 51天，18.2万美元。 他在Polymarket上跑一套会自己改门槛的量化模型，专做BTC Up/Down。 公开账本： 51天，已实现约+182,403美元，日均大约3,500。 36,473次预测，胜率约49%。 均笔不大，靠同一套设置，每小时重复约30次往外刮。 模型只干一件事： 噪声越大，信号必须越强，才允许下单。 阈值随波动走： H = k × σ σ，当前短期波动率。 k，敏感度参数。 H，进入所需的最小信号强度。 盘面安静，H下调，小信号也能过。 波动抬升，H上调，同样的方向直接丢掉。 举个例子： 信号1.8，阈值1.2，下单。 信号1.8，阈值2.3，不做。 同一段走势， 在一种环境里是订单， 在另一种环境里，当没看见。 他不追求神准。 49%的胜率够用—— 过滤掉的是噪声里的假突破， 留下来的才动手。 这个模型最反直觉的地方： 它不预测方向，它只改证据的门槛。 人亏钱，常常是在市场最吵的时候，用最松的标准冲进去。 他反着来： 市场越吵，动手前要的证据越硬。

用Claude Opus 5.5 做的小动画！故事叫《他的糖葫芦》⬇️ 读研的时候有位老师超级较真，改作业一点情面都不留，课上经常把我们说得下不来台。我还偷偷觉得他的翻译观念，太执着于“忠实”了，所以一直不太喜欢他哈哈。 结果有一天吃完饭出食堂，一抬头看见他就走在我们前面：高高的个子，头发稀稀的，背着个双肩包，手里居然举着一根糖葫芦！边走边吃，开心得不行 😂 我和同学当场就决定偷偷跟上去，一路憋笑憋到发抖。到现在还记得这一幕，非常可爱。 把这一幕做成了小动画，用了上次的“散步纸偶”风格 ↓

研究 UNI 之前，我以为它快追上 HYPE 了。 花了一周把它的销毁机制拆完，结论有点反过来：UNI 这波从 2 块多涨到 9 块多，涨的不是 Uniswap，是 Robinhood 链上的 meme。 它从底部起来快四倍了，我一点没买，涨进我视线的时候已经是这个价了。 几个我觉得得先搞清楚的事实。 它的基本面去年 12 月就变了。费用开关打开，协议抽的手续费全进一个罐子，谁想把罐子里的钱取走，得先烧掉一笔 UNI。这个信息公开快一年了，但知道这个信息的人，先要从公告的高点吃一个 77% 的回撤，才等到 6 月的底。公告当天冲进去的，到今天差不多刚回本。 我想说「知道基本面变了」和「能拿住」完全是两回事。 它的销毁比 HYPE 复杂得多。HYPE 简单，100 块手续费差不多 97 块拿去回购。UNI 得先看池子：0.01% 和 0.05% 的低费池抽 1/4，0.3%、1% 的高费池和 v2 抽 1/6。听起来低费池抽得更狠，但算到罐子里正好反过来，同样 100 万美元的交易量，稳定币池给罐子进 25 美元，1% 的 meme 池进 1667 美元，差 67 倍。 所以 UNI 涨，不是因为 Uniswap 总交易量涨了，是 Robinhood 上的 meme 全走 1% 的池子，量大费高，烧得多。看交易量是错的，要看进罐子的钱。现在 Robinhood 一条链占了 UNI 近四成的周收入，按 30 天算是六成。meme 熄火，销毁就下来，除非别的地方冒出更大的量接上。 这么细算下来，它和 HYPE 差得还很远。HYPE 一年回购几个亿美元，已经扛过一轮熊市；UNI 今年真实进罐子的钱是五千万美元这个量级。 那些乐观结算「年化两个多亿」其实是把最好的一周乘 365 投影出来的。 但有一件事确实不一样了。它从一个只能投票的治理币，变成了跟链上交易量绑定的周期资产。 周期资产我自己的建仓会倾向：数据在涨，但是价格不动 比如 UNI 进罐子的钱在涨、价格还没动的时候买。今年 6 月 2.4 块那会儿就是，销毁创纪录，价格趴着，我没看见。现在是反过来，价格涨完了，最近 7 天的收入已经比 30 天低了两成。 我还特意做了个监控，我做的面板给的结论是「不动」。 目前 meme 的热度明显下来了不少，就看之后的 meme 行情能不能起来了，这里交易量能否起来我觉得比价格重要。 最后，研究完的收获不是买不买，而是知道它大概什么时候算便宜。

今天又去扫了趟城中村～ 发现：巷子再窄，也挡不住烟火气；楼再旧，也住着认真生活的人。 记录这些，不是为了怀旧，是想告诉大家—— 城市的另一面，也很值得被看见。#城中村#