与「3」」相关的搜索结果

任何人想要优质的流量，看到这条帖子，请立即把 GitHub 前 3650 个高星项目，用 Codex / Claude Code 拉出来，整理好，接下来每天发 10 条 最好和 Skill 相关，或者和 PPT, 写作，去 AI 味强相关，多了不说，1个月 3,5000 的粉丝可涨 每个时代都有自己的鸡蛋要领，这话，含金量天天涨

注意到 V4 预览版论文里的 Table 6，V4 Pro (Preview) 和 Opus-4.6 的 SWE Verified 跑分， 80.6 比 80.8 正好差 0.3%。 这也不能说有些做中介的人写一句什么“性能跻身全球第一梯队，编程能力仅弱于 Claude 旗舰0.3%”是在纯瞎编是吧？

这也太爽了吧！躺在床上说说话就把小说写了，还能赚钱？ 视频演示了 WorkBuddy 从七猫扫榜到自动写小说的完整链路： 📊 扫七猫新书榜 → 找选题、找热门书、找对标书 🔍 拆解标杆前3章 → 提炼能复用的套路 ✍️ 按拆解出的设定 → 自动写出小说正文 从选题到写作，全自动化 ✅ 写出来自己能看，也能直接发到小说平台，流量跑起来还能赚钱 💰 感兴趣的朋友，蹲一下我后续的完整教程 👇

我妈晚上告诉我 我们隔壁胡姓村 有 3-40 个光棍男青年… 把我吓一跳 在我的印象中应该不会超过十个啊 怎么一下子蹦出 30-40 个 细问之下才知道 我妈把 18 岁之后未婚都叫光棍儿🤣🤣🤣🤣

从太子集团的陈志到硬件钱包Coldcard，全部都因为随机数导致私钥被破解，那随机数和私钥有什么关系？为什么他们的随机数会出问题？ 首先比特币私钥本身就是一个256位的随机数，而这也是比特币最安全的核心保障，因为这个数字的组合总共有10的77次方，远远大于地球上沙子的数量，大约等于整个可观测宇宙中的原子总数，这种天文数字即使动用地球上所有的计算资源都不可能暴力穷举出来。 那既然规模如此之大，陈志和Coldcard又是怎么被盗的？ 核心就是在于，私钥安全的前提是因为它是个随机数，而如果你的私钥生成的过程根本不随机，那根本用不到什么量子计算机，随便一台电脑跑几个小时就能把你的私钥算出来。 随机数分为两种，伪随机数和真随机数，简单来说凡是通过一定的数学公式使用代码生成的都是伪随机数，而通过物理现象产生的随机数才是真随机数。 比如你使用Python的random()函数生成一个随机数是214，你以为真的是电脑给你随机选了一个数字，实际上这个数字是通过一个数学公式生成出来的，比如下一个数字=当前数字*7+3-5，那么你只要知道计算的公式就可以穷举出来这个公式能生成出的所有结果。 这时候问题来了，你会奇怪那为什么计算机不真的给我一个随机数呢？因为对于软件来说，任何结果都不可能平白无故的直接产生，你得有输入信息，并且配合程序运算，才可以有输出结果。 所以真正的随机来自于不需要软件和数学公式的物理世界，比如你投出的一个骰子，或者下一个雨滴掉落的位置。 所以对于私钥来说，想产生安全的随机数，只有软件不够，必须要配合硬件，比如提取CPU的电子噪音来作为完全无法被预测的输入信息，现在成熟的手机和电脑本身已经提供了硬件层面的安全随机接口可以调用，所以你用OKX、币安和Metamask生成的钱包都大概率使用了硬件噪音产生真随机数，主流硬件钱包自己本身也会读取硬件数据获得随机数。 陈志的钱包被盗是因为雇的程序员水平太差，直接用了最初级的随机数代码，估计是从哪个野鸡学校绑过去了一个刚毕业的大学生，抽了几鞭子就开始干活了。 Coldcard本身其实已经使用了硬件层面的随机数，但因为一个版本出现漏洞导致没有调用到硬件信息，而是采用了纯软件生成。 所以现在的问题是，你的钱包生成随机数的过程，到底随机不随机，完全是个黑盒，你压根不知道。 最有效安全的方式，就是你自己拿个骰子扔100次，记录下来每次的数字，然后把它转换成256位的二进制编码，再使用BIP39算法转换成24个英文单词，也就是你的助记词。

做完磷化铟和钨矿这波3连板之后，下一阶段我更想提前埋伏的AI上游稀缺资产，就是氮化铝。 市场最近其实已经把路径走得很清楚了：资金不再只盯着算力硬件本身，而是在不断向更上游、更稀缺、更具供给约束的材料端做扩散。磷化铟炒的是光通信和化合物半导体，钨炒的是高端制造和战略资源，本质上都是AI需求外溢到上游稀缺资产的重估。 那么沿着这条逻辑继续往下挖，氮化铝同样具备高导热、高绝缘、先进封装和功率半导体等多重AI属性，而且市场认知度还没有完全打满，反而更有预期差。 前面的磷化铟和钨，都是等市场涨起来之后大家才开始研究；真正有超额的，永远是题材还没全面发酵之前就把逻辑想明白。 所以接下来，氮化铝值得重点跟踪。

Palantir CEO：模型只有结合 FDE 和应用层，才能在企业中真正创造价值 2026 年 8 月 3 日，Palantir CEO Alex Karp 在接受 CNBC 采访时表示，美国应当通过竞争推动本土开放权重模型追上中国模型，而不是依靠限制客户选择来保护本国模型公司。不过，他认为模型来自美国还是中国并不是最关键的问题，因为模型本身并没有外界想象中那么高的企业价值。只有在 FDE（Forward Deployed Engineer）、应用层、现场部署经验以及对企业“部落知识”的保护共同作用下，模型才能进入真实工作流并产生商业成果。该观点表明，Palantir 的核心壁垒并非拥有某个基础模型，而是将不同模型部署到复杂企业系统中的工程与组织能力。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。

更新了BTC全历史的四周期图【图2】， 可以看到之前3个熊市周期， 时长和跌幅都在很接近的右下圆圈范围， 而26年熊市还在上面圆圈， 时长和跌幅还不够。 根据历史数据拟合， 四周期的下跌比例分别是： 86.9%，84.1%，77.6%，65.1%（本轮预测）， 对应BTC价格 44016【图1】。 至于要不要刻舟求剑法， 对的话，你就次次对， 不对的话，你只会错一次， 盈亏比划算得很， 怎么选那不明摆着嘛 ： ）

逛 HN 的时候，看到了这一篇挺有价值的帖子，作者从 5 万多个书签里，整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前，大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程，AI 时代来临以后，还有人会做同样的事吗？ HN 原帖： 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU 用游戏学习 Git 分支 用游戏学习 CSS Grid SQL 侦探游戏 另一个 SQL 解谜游戏 从零组装一个神经网络 机器人实时 3D 仿真 🧠 AI / 机器学习 交互式理解 Transformer 可视化理解 K-means 聚类 视觉 Transformer 图解 机器学习可视化入门 线性回归、逻辑回归与神经网络 神经网络的前向传播与反向传播 FAISS 向量检索原理 💻 编程 / 计算机基础 算法可视化 从零实现 React 从零“造”一块 NVIDIA GPU 一次请求如何从浏览器到达服务器 网络七层模型 限流算法 椭圆曲线密码学 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 用 Rust 和 Bevy 搭建 3D 编辑器 Vulkan 图形管线 碰撞检测、着色器、渲染与剔除 📐 数学 / 物理 交互式概率论 线性代数与向量 引力如何工作 ⚙️ 工程 / 硬件 内燃机工作原理 芯片制造流程