与「05」相关的搜索结果

还能这样玩，一个卡车老板卖半挂卡车的租约，一年半收走了超过 1.05 亿美元，受害人超过 500 个。 一辆车投 2.5 万到 4 万美元，买车，招司机，上保险全归他管，投资人每周保证拿 1000 到 1250 美元。 他号称手里有 2000 辆卡车，司法部起诉他后说实际只有约 20 辆，不少还是坏的，超过7500 万被指控拿去给老投资人发收益，超过 2500 万花在了买跑车买珠宝，包机和赌场上，已经花了。 1.05 亿里真正花在卡车生意上的，约 200 万。

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。

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

大家好，我是MEXC被盗事件的当事人，以下是被盗事件经过 MEXC 确认我的账户被盗、冻结了账户、帮我找回——却漏掉了攻击者留下的 API。24 小时提币限制解除 27 分钟后，34 万美元资产被提空。 1/ 先说结果 2026 年 9 月 27 日 04:12–04:25（北京时间，下同），我的 MEXC 账户被提走 322,110 USDT 和 9,133,999 ONE，合计约 34 万美元。 两天前，MEXC 已经确认我的账户被盗，冻结了账户，帮我找回。我按要求改了密码，换了谷歌验证。但攻击者控制账户期间创建的一个 API 一直没有被撤销，MEXC 也从没告诉过我它的存在。 2/ 攻击者是怎么拿到账户的 9 月 25 日 03:10，我收到 MEXC 邮件，说我的账户「正在申请重置安全项，操作为换绑邮箱，解绑谷歌」，「将于1个工作日内处理完毕」。10 分钟后，03:20，申请通过。 这个申请不是我提交的，用的证件照片和手持视频也不是我提交的。 MEXC 客服事后书面答复：「经过审核资料是符合要求的，所以通过了更改邮箱的申请，但是在复审时，由于发现了此次申请涉及风险，所以紧急冻结了账号，同时回调为您初始的邮箱。」 图：09-25 03:10、03:20 两封邮件；客服答复截图 3/ 攻击者控制账户的七个半小时 账户的「安全操作历史」和「登录历史」显示： · 03:22 重置登录密码；03:23 从印尼雅加达的 IP 187.40.232.161 登录 · 04:19 绑定攻击者自己的谷歌验证 · 05:03 再次修改密码；05:04 再次登录 · 05:05:42，账户里创建了一个 API（客服被盗后告知），距攻击者登录只有 83 秒 · 10:55，MEXC 复审发现风险，冻结账户，把邮箱改回我的 MEXC 当时只改回了邮箱。攻击者绑的谷歌验证、改的密码，是我第二天自己申请才改掉的。那个 API，没有人动过。 图：安全操作历史、登录历史（我自己的 IP 已打码） 4/ 我做了所有被要求做的事 客服当时告诉我：「由于更改安全项之后会有24小时的提币限制，所以在此期间您的资金是无法提出的」，「我们的相关安全设置会尽最大可能的保护用户的账号安全」。 9 月 26 日，我解绑了攻击者的谷歌验证（03:34 获批），重置了密码（03:41），绑定了新的谷歌验证（03:45）。我想把资产转走，被 24 小时提币限制挡住了。 5/ 24 小时一到 按 MEXC 的规则，修改谷歌验证后 24 小时内禁止提币。我最后一次修改是 9 月 26 日 03:45:07。 9 月 27 日 04:12:45，第一笔提币：1 USDT，是测试。随后 13 分钟里，又提了 4 笔 USDT、1 笔 ONE，全部提到同一个新地址。【当时我在睡觉】 登录历史里，这段时间没有任何新的登录。 提币限制锁住了我，没有锁住那把后门。 图：提币记录 6/ 为什么一个 API 就够了 MEXC 帮助中心写着：冻结账户后，「与账户关联的所有 API 密钥将失效」。 MEXC 2023 年的公告写着：通过 API 提币「默认不启用提币白名单，即可以提币到任何地址」。 也就是说，API 提币不需要谷歌验证码，也不需要邮箱验证码。我改密码、换谷歌验证，对它都没有作用。 MEXC 冻结过我的账户，那这个 API 当时失效了吗？如果失效了，为什么解冻后又能用？如果没失效，MEXC 的紧急冻结到底冻结了什么？ 我没有办法知道这个 API 存在：它被创建时，账户绑定的邮箱已经换成攻击者的，通知不会发给我；我能看到的「安全操作历史」里也没有这条记录。我是 9 月 27 日问了客服才知道的。 目前 MEXC 客服表示，无法查看这几笔提币是从 APP、WEB 还是 API 发起的，问题已转交相关部门（工单 M2026092712031）。 图：客服对话截图 7/ 我要求 MEXC 回答 ① 不是我提交的重置申请，为什么 10 分钟就通过了？提交的是什么材料？复审发现了什么风险？ ② 10:55 紧急处置时，为什么只改回邮箱，不同时撤销攻击者的谷歌验证、密码和 API？ ③ 这个 API 是从哪个 IP 创建的？有哪些权限？冻结时它失效了吗？解冻时是不是又恢复了？ ④ 6 笔提币分别通过什么渠道、用什么凭证发起？ ⑤ 一个刚被盗过的账户，禁提到期半小时内就被提空到一个新地址，风控为什么没有拦？ 8/ 我的诉求 请 MEXC：保全全部相关日志；书面回答上面的问题；返还被盗的 322,110 USDT 和 9,133,999 ONE。 我已经向 MEXC 提交正式索赔，并已尝试报警。 9/ 如果你也收到过 MEXC「申请重置安全项」的邮件 有 MEXC 用户给我发来截图：最近几天，他们也收到了「申请重置安全项」的通知，有的因为「证件正面照片与账户身份信息不一致」「手持证件视频人脸与本人不一致」被驳回。我无法核实这些情况和我的事件有没有关系。如果你也收到过，或者已经受损，欢迎联系我。 建议所有 MEXC 用户现在就去【API 管理】看一眼，有没有自己没建过的 API。 图：其他用户提供的邮件截图（已征得同意，邮箱已打码）　【发布前确认对方同意公开，并给邮箱打码】 #MEXC# #账户安全# #资产被盗#

「从零手写大模型」系列完结了 推理篇 15 篇，训练篇 5 篇，共 20 篇 从模型的基本结构 到如何生成文字，再到损失、梯度与参数更新 把学习过程整理成了一套完整笔记 每一篇都有可练习的代码示例 📖 推理篇 · 15 篇 01｜LLM From Scratch：整体大纲路线 02｜Tokenizer：分词器 03｜Embedding：嵌入层 04｜Positional Encoding：位置编码 05｜Self-Attention：自注意力机制 06｜Multi-Head Attention：多头注意力机制 07｜Residual Connection：残差连接 08｜LayerNorm：层归一化 09｜FFN：前馈神经网络 10｜Activation Function：激活函数 11｜Transformer Block：Transformer 模块 12｜Transformer Stack：Transformer 堆叠 13｜Loading Pretrained Weights：加载预训练权重 14｜Text Generation：文本生成 15｜Interpretability：可解释性 🛠 训练篇 · 5 篇 01｜Loss Function：损失函数 02｜Backpropagation：反向传播 03｜Gradient Descent：梯度下降 04｜Adam Optimizer：Adam 优化器 05｜Learning Rate Scheduling：学习率调度 推理篇，理解模型如何一步步算出下一个 token 训练篇，理解模型如何从误差中学习、更新参数 欢迎一起学习、交流，也欢迎指出笔记里的问题

为什么 Bitget 今天遭遇安全事件后，会有超过百位 KOL 自发声援，币安、Bybit、MEXC 等多家交易所高层也公开发推支持？ 1. 创新 Bitget 本身就是一家敢于创新的交易所。2025 年率先提出并落地 UEX（Universal Exchange）全景交易所，随后上线美股代币和美股合约。进入 2026 年，美股和 TradFi 也成了多家头部交易所重点布局的方向。 2. 口碑 2024 年 10 月 7 日， $BGB 价格闪崩。平台币出现这种事故，对任何交易所都是一次考验。Bitget 在 24 小时内公布全额赔付方案，在 72 小时内完成赔付。 2026 年 8 月 9 日， $TUT、龙虾 $LOBSTER 和 $BICO 合约出现异常价格波动，导致部分空头仓位被强制平仓。Bitget 随后启动赔付，据公开报道，赔付规模约为 4000 万美元。 3. 高效 从家印入职第一天开始，他就把“今日事今日毕”当作工作准则。对他来说，明天不是区块链的节奏，今天的问题就要今天处理。 4. 种善因，得善果 2025 年 Bybit 被盗约 14.6 亿美元后，据 Ben Zhou 后来回忆，Bitget 是第一个出手帮助的交易所。Bitget 向 Bybit 转入 4 万枚 ETH，当时价值约 1.05 亿美元，而且没有要求抵押，也没有收取利息。 5. 人格魅力 家印一直把 Bitget 当成自己的事业，CEO Gracy 也是。安全事件发生后，两人第一时间投入处理，持续发推、回复用户，几乎连轴转。Bitget 还承诺每小时更新一次进展，持续安抚用户并更新进展。 站在一个普通人的立场，发生这样的事情肯定非常痛心，这也属于难以预料的突发事件。我觉得，在力所能及的情况下，出于人道主义考虑，只要自己的资金安全，就应当向 Bitget 伸出援手。@Bitgetyaya @Bitget_zh @xiejiayinBitget @GracyBitget

众所周知，硅谷又叫小杭州！ 在这个人杰地灵的地方，很开心借着云栖大会认识到这么多厉害的好朋友。 很多平时只在群里和推特上互动的大佬面对面坐在一起，真的能聊出很多火花。 人都感觉圈子是碰出来的，朋友是聊出来的，机会是搜索出来的，给大家推荐一下场上的好朋友们。 如果你也在 AI 博主这条路上，欢迎大家点个赞交朋友，而且一定要线下去交。 麦当的AI定向博主指南第一季来咯！ @useless_liu 饭局牵头人是杭州松果剧场主理人囧老板。非常大气地提供了 松果 OPC 空间，龙老板非常支持 AIPC。大家后面如果有任何 OPC 活动或者播客录制，可以找囧老板借场。 @cgnot996 我们曹家铁柱哥。Grokbot 资深玩家，马斯克都得不到的真男人！女儿叫曹吉美，可爱到什么程度呢？就这么说，吉美只要起号，一天就是百万量级。 @fuxiucoding 福秀，专注 AI 信息差的徐汇区教育局AI 课程赋能主讲。base上海 @xmmxovo 西门聪明蛋这个介绍腻了，我的前同事、AI 自媒体博主宗门圣体。单条视频涨粉四万，AI 自媒体相关任何事情都可以看一看西门老师的思路和想法。最近也在做课可以支持她一下！ 但是啊，不要听他说的“起号很简单”，这种说法只限于这种“天赋怪”。 @bbkirstry 小晚，国内毛绒品牌内容负责人。也是我的起号搭子！内容运营账号定位这一块儿，绝对 TOP 级。他有一个叫“赛博小晚”的 skill，大家可以关注一下。用于做内容分析和选题，据说广受好评，（虽然我没用过🥲。 @rionaifantasy Rion澳洲旅居回来的推特大帅哥。外网说明很吃得开，最近在考虑做国内的内容，大家可以看一下他的账号。分享了他在澳洲旅居时的惊天地泣鬼神经历，这号他的内容如果发小红书绝对火。 @gkxspace 余温，可惜没有参加我们的二场。余温老师不用介绍了，顶流，绝对顶流。 @Astronaut_1216 阿杭 最早认识阿杭是看他那个《月入百万的 GPT 代充生意》。提示词工程师&AI 产品经理。优质博主速速关注。 @gengdaJ 逸尘 也是顶流，不介绍了，06 年的法学AI战士。跟着学就完事儿了。 @bozhou_ai 泊舟 Agent实战，伯舟老师的账号感觉好像就是我梦中想把自己账号做成的感觉。又干又专业又有趣！ @ChaoSpacecallum CYC 又是一位大湾区顶帅。悉尼大学 AI 硕士高材生。最近回国了，base深圳我的女粉可以冲一下。 @JiangK82705 云何，西门聪明蛋的男朋友也是目前 AI 初创团队的负责人。想要追更腹肌哥和西门的爱情故事的可以找我，报名人数够的话我开付费直播，哈哈哈哈哈。 @ShengzheSeanxu 晟哲，北大辍学，硅谷创业二代天才少年。敢信只有05？ 还有些老师我没找到账号。 后面慢慢给大家补充上♥️。

🚨 ترميم البيوت 🚨 متخصص في تحويل البيوت القديمة إلى تحفة فنية بأقل التكاليف وأعلى جودة للإطلاع على مشاريع عملائي قبل الترميم وبعد الترميم تواصلوا معي الآن 👇🏻 الهاتف الثابت : 0115256478 الجوال : 0569885096 واتساب :