与「52」相关的搜索结果

@bitget has engaged SlowMist’s security team to investigate the September 25 hot wallet asset theft. As of September 29, our investigation has identified malicious activity involving certain third-party security products and a wallet application host, as well as a highly customized withdrawal tool used by the attacker. 🔎 Key findings include: 1. Malicious activity on a certain third-party product involving exploitation of a zero-day vulnerability. 2. Unauthorized access to a certain third-party products management platform on September 25 using an internal employee identity. 3. Recovery of a customized withdrawal tool designed to interact with the wallet system’s withdrawal logic. 4. On-chain activity begins at 02:31 on September 25, with transfers across multiple blockchains over approximately 2 hours and 52 minutes. 5. Subsequent attempts to manipulate withdrawal records and trigger additional BTC withdrawals. We are continuing to investigate how the attacker moved between the affected systems. All date references are to UTC+8. 📄 Read the details of the investigation:

Anthropic 放出了 Sonnet 5.5 的完整跑分，最抢眼的一行是 Terminal-Bench 4.0：Sonnet 5 是 10.3%，Sonnet 5.5 是 70.6%，一代之内涨了将近七倍，还超过了 Opus 5.5 的 66.4%。 几个关键数字： OSWorld 2.1 电脑操控：57.0% 到 80.1%，Opus 5.5 是 81.8%。 GDPval-AA 职场知识任务：1844，Opus 5.5 是 1846，GPT-6 Sol 是 1487。 图表识别 Chartography：15.6% 到 61.6%，Sol 是 53.6%。 价格 $2/$10，和 Sonnet 5 一样，是 Opus 5.5 的一半。 很多人看这张表最大的误区，是以为 Sonnet 5.5 已经全面追平 Opus 5.5。脚注里有三处要读： Terminal-Bench 上 Sonnet 用的是 max 档，Opus 用的是 xhigh 档，档位不一样。 独立机构 Artificial Analysis 自己跑出来是 64%，比官方低。 FrontierCode 上 Sonnet 是 46.2%，Opus 5.5 是 54.4%，Sol 是 49.3%，Sonnet 在这一项排在两者后面。 这张表真正讲透的一件事是：便宜的 token 不等于便宜的任务。max 档下，Sonnet 5.5 每个任务要输出约 19 万 token，比 Opus 5.5 还多约六成。独立测下来，最高档的单任务成本已经超过 Opus 5.5。而且拉满也不一定更强，FrontierCode 上 xhigh 是 52.1%，max 反而掉到 46.2%。 所以同样用 Sonnet 5.5，一律拉到 max 的人，账单可能比用 Opus 还高；按任务选档的人，才吃到它便宜的那一半。 你上一次选模型，是看跑分表，还是看自己任务的账单？挑一个真实任务，high 和 max 各跑一遍，对比 token 和结果，再决定。

Why Tokenization Could Be the Most Important Economic Innovation of Our Lifetime | Bruce Fenton @BruceFenton is a longtime Bitcoin advocate since 2012, securities professional, and one of the early pioneers of tokenized securities. He is the founder and CEO of Chainstone Labs and founder of Atlantic Financial. Alongside Overstock founder @PatrickByrne, Bruce was involved in some of the earliest efforts to bring securities and financial-market infrastructure onto blockchain rails. In 2018, he tokenized equity in his own company, Chainstone Labs, on the Ravencoin blockchain—years before tokenization became one of Wall Street’s biggest narratives. In this episode, Bruce breaks down naked short selling, the plumbing behind traditional securities markets, and why he believes much of the problem is ultimately a ledger problem. We dive into questions such as: Who actually owns the stocks sitting in your brokerage account? How can shares be lent and rehypothecated? What role do brokers, clearing firms, DTCC, and Cede & Co. play in determining who owns what? And could blockchain replace an opaque system of claims and intermediaries with a transparent ledger showing exactly where an asset is and who owns it? We unpack what “tokenized stocks” actually means—and the important distinction between a token that simply gives you exposure to a stock’s price and a security issued natively onchain, where the token itself represents the actual share and the ownership rights that come with it. Bruce discusses how tokenization could allow smaller businesses to tokenize ownership and have their stock traded globally without needing to be listed on a traditional exchange like the NYSE, as well as what a future without KYC could look like. Finally, we get into Wall Street’s embrace of tokenization, the SEC’s evolving approach to tokenized securities, and one of the biggest questions surrounding the future of this technology: who ultimately controls these new financial rails? Remember to subscribe and hit the bell “🔔” icon to get notifications 0:00 Bruce Fenton & Patrick Byrne: Pioneers of Tokenized Securities 3:36 Naked Short Selling Explained 6:28 Who Actually Owns the Stocks in Your Brokerage Account? 12:00 Tokenization Solves Wall Street’s “Ledger Problem” 15:48 What Are You Actually Buying With Robinhood’s Tokenized Stocks? 16:48 Real Tokenized Stocks: When the Token IS the Share 21:46 Tokenization Could Open U.S. Markets to the Entire World 22:52 Why Companies May No Longer Need the NYSE 26:29 Could Tokenized Markets Exist Without KYC? 29:31 Bruce Tokenized Equity on Ravencoin in 2018 30:53 Will Blockchain Make Clearing Houses & DTCC Obsolete? 33:17 Could Tokenization Have Prevented the GameStop Crisis? 38:19 Wall Street Is Embracing Tokenization — Who Gets the Power? 40:20 The SEC’s New Tokenized Securities “Innovation Exemption” 42:57 Why Robinhood’s Tokenized Stocks Don’t Qualify 47:01 Could Everything Eventually Be Tokenized? 51:02 The Dystopian Side of Tokenization: Surveillance & Asset Seizure

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

斯坦福大学课程 CS329A: Self-Improving AI Agents 课程 9 讲视频都已发布在 Youtube，第 1 讲 52 万观看，第 9 讲 1.5 万。趁假期坚持看完 9 讲视频，你就超过了中间的 50 多万人，和连第 1 讲都没看过的无数人 😂 开玩笑，虽然 AI Agent 已经强大到很多人觉得不需要再学习，什么问题都可以直接问，到顶级大学的基础课程，系统学习下来，还是会很有收获，全局认知的提升。 课程主页： 视频列表：

【《纽约时报》：21世纪最佳电视节目100部】 《纽约时报》发布“21世纪最佳100部电视剧”（The 100 Best TV Shows of the 21st Century）榜单，评选范围涵盖2000年1月1日至今播出的所有电视剧集。该榜单由500多名明星演员、剧集运作人及其他电视从业者共同投票产生，排名有先后之分。 在超过500名参与投票的人中，既有伊丽莎白·莫斯、亚当·斯科特、布莱恩·科兰斯顿、萝丝·拜恩、科尔曼·多明戈和杰森·贝特曼等演员，也有达蒙·林德洛夫、莉娜·邓纳姆、莉娜·韦瑟和诺亚·霍利等剧集主创。 榜单显示，《绝命毒师》位居榜首，《火线》和《广告狂人》分列第二、三位。《继承之战》与《伦敦生活》跻身前五。《权力的游戏》《副总统》《我为喜剧狂》《抑制热情》《亚特兰大》进入前十名。具体排名如下： 1、《绝命毒师》 2、《火线》 3、《广告狂人》 4、《继承之战》 5、《伦敦生活》 6、《权力的游戏》 7、《副总统》 8、《我为喜剧狂》 9、《抑制热情》 10、《亚特兰大》 11、《办公室》(美版) 12、《发展受阻》 13、《都市女孩》 14、《胜利之光》 15、《六尺之下》 16、《办公室》(英版) 17、《美国谍梦》 18、《我可以毁掉你》 19、《切尔诺贝利》 20、《王冠》 21、《白莲花度假村》 22、《迷失》 23、《归来记》 24、《朽木》 25、《守望尘世》 26、《黑镜》 27、《风骚律师》 28、《兄弟连》 29、《基和皮尔》 30、《人生切割术》 31、《幸存者》 32、《安多》 33、《醍醐灌顶》 34、《富家穷路》 35、《真探》(第一季) 36、《匹兹堡医护前线》 37、《太空堡垒卡拉狄加》 38、《国土安全》 39、《守望者》 40、《混沌少年时》 41、《路易不容易》 42、《绝望写手》 43、《浴血黑帮》 44、《马男波杰克》 45、《幸福谷》 46、《大城小妞》 47、《双峰：回归季》 48、《纸牌屋》 49、《正常人》 50、《公园与游憩》 51、《善地》 52、《唐顿庄园》 53、《怪奇物语》 54、《传奇办公室》 55、《不安感》 56、《救援高手》 57、《蒂姆·罗宾逊短剧：还不快走》 58、《查普尔秀》 59、《笔写青春》 60、《窥视秀》 61、《鲁保罗变装皇后秀》 62、《慢马》 63、《幕后危机》 64、《安东尼·波登：未知之旅》 65、《东城梦魇》 66、《彩排》 67、《使女的故事》 68、《黑钱胜地》 69、《安东尼·波登：无国界》 70、《盾牌》 71、《怒呛人生》 72、《鱿鱼游戏》 73、《巴瑞》 74、《熊家餐馆》 75、《足球教练》 76、《某人某地》 77、《摩登家庭》 78、《费城永远阳光灿烂》 79、《傲骨贤妻》 80、《约翰·威尔逊的十万个怎么做》 81、《后翼弃兵》 82、《更美好的事》 83、《火线警探》 84、《地球脉动》 85、《英国烘焙大赛》 86、《幕府将军》 87、《保留地之犬》 88、《嗜血法医》 89、《驯鹿宝贝》 90、《体育老师笑传》 91、《大祸临头》 92、《罪夜之奔》 93、《第11号站》 94、《头号外交官》 95、《豪斯医生》 96、《奔腾年代》 97、《废柴联盟》 98、《先见之明》 99、《吉尔莫女孩》 100、《丑闻》

一段上涨开始回调，怎么判断它只是暂时走弱，还是原来的趋势也开始变了？ 有个好用的工具，Ichimoku Cloud，一目均衡表。 可以把短期变化和较长时间的走势放在一张图里，帮你逐步观察。 看懂它，可以先从两条线开始。 这个指标在TradingView 中的默认参数是 9，26，52，指的是 K 线根数，在日线上对应交易日，在小时线上对应小时。 转换线取最近 9 根 K 线的最高价和最低价，算出中点；基准线用同样的方法，统计最近 26 根。 比如最近 26 根 K 线的最高价是 110，最低价是 90，基准线就在 100。期间价格怎么来回波动，只要统计范围内的最高价和最低价没变，这条线就可以保持水平。 它表示的是这段价格区间的中间位置，和把每天收盘价加起来求平均的均线，计算方式不同。 转换线看的时间较短，通常变化更快。 它向上穿过基准线，说明短期价格区间的中点已经高于较长区间的中点，可以理解为近期走势在转强。 但这究竟是上涨在延续，还是下跌中的一次反弹，还要结合云层来看。 云层由两条边组成。 一条取转换线和基准线的平均值，另一条取最近 52 根 K 线的最高价和最低价中点，再把它们向右移动 26 根 K 线，中间填上颜色，就形成了云。 所以，图表右侧提前出现的云，依然是用已经发生的价格算出来的。它把这些参考位置画到前面，等后面的价格走过来，再观察两者的关系。 云越厚，说明两条边相隔越远，不能直接理解为那里有更多买盘或卖盘。 实际使用时，先看价格在云的什么位置，注意对照的是价格所在时点的云。价格在云上，走势偏多，在云下，走势偏空；反复穿进穿出，方向就还不清楚。 有了这一层判断，再看两条线的交叉就更容易理解。 同样是转换线上穿基准线，发生在云上，可以作为上涨走势中短期转强的信号；发生在云下，则可能只是下跌过程中的反弹。 它另一个实用的地方，是把回调的过程分开来看。 比如价格原本在云上，回落时先跌破转换线，但还在基准线之上，说明短期开始走弱。 如果接着跌破基准线，再进入云层，就需要重新检查原来的上涨趋势是否还在延续。这样看的是价格一步步退到了哪里，不必看到一根阴线，就急着判断趋势反转。 图里还有一条迟行线，它把当前收盘价向左移动 26 根 K 线，让你直接比较现在的价格和之前那段行情的位置。 它在过去的 K 线上方，说明现在的价格已经高于那时对应的位置；还缠在过去的 K 线中，就说明价格尚未明显拉开距离。 但是，读历史图时要注意，这条线是后来画回去的，不能把它当成当时就已经出现的信号。 它比较容易遇到的问题是横盘。 价格反复穿云，两条线也来回交叉，一段窄幅波动就可能给出多次方向变化。如果每次交叉都跟着操作，就容易在同一个区间里反复进出。