与「74「友達のお母さんがやってきた」が配信されました！」相关的搜索结果

#74「友達のお母さんがやってきた」が配信されました！# 今月のゲストは山崎怜奈さん！ すみません、急に友達のお母さんが来ちゃいました。 #ミスターTBS# #永野#

📢『#BOYNEXTDOOR# TOUR 'KNOCK ON Vol.1' ENCORE IN JAPAN』会場 ONEDOOR Membership (JP)ブースのお知らせ みなさまのお越しをお待ちしております！🚪 ※ONEDOOR Membership (JP)ブースは17:45まで実施いたします。 ※メッセージ横断幕は開場後、会場内入場後のスペースにて実施いたします。 ※新規入会＆お友達紹介キャンペーンにご参加される方は、キャンペーンサイトにて特典受け取り申請後、特典受取QRコードの有効期限をご確認ください。 #BND# #KNOCK_ON_Vol_1# #KNOCK_ON_Vol_1_ENCORE_IN_JAPAN#

这波看来大家都赚到钱了，虽然BTC 才 $83K 出头，但获利盘已经坐不住了。 据 Glassnode @glassnode 最新周报显示，74% 的供应处在盈利状态，已实现盈亏比一周从 0.8 跳到 1.43。 意思是链上卖出的币，赚钱离场的远多于割肉的。 也就是说，近期这波拉升，老韭菜都在趁机下车。 这种时候追高，接的就是他们的货吧？

特别的惊喜来了，这次参与 @axisrobotics 人赢麻了！ 这次在Sonar上打新共2472名参与，目标1,000,000U，最终以2,394,209U超募完成。分配比例大致为41.77%，也 也就是说你参与 100U，最后真正大概分配 41.77U。原来Tge释放10%变成了25%，外加额外的 Community Bonus。 这个Bonus 不是一个固定比例，而是根据你的原始 commitment 动态变化： 100U → 约 24.97% Bonus 1000U → 约 21.2% 2472U → 15% 5000U → 约 9.82% 10万U → 接近 5% 很明显，这套机制是在照顾小额参与者，多号的赢麻了！ 例如 100U 按目前 41.77% 的 pro-rata 算，最终 allocation 约 417.67 AXIS，再加 104.28 AXIS 的 Community Bonus，TGE 释放 208.7 AXIS。也就是说200M 开盘就能回本，剩余的能领6个月工资。 2472U 则对应约 10,324.91 AXIS allocation，Bonus 约 1,548.74 AXIS，TGE 释放约 4,129.96 AXIS。250M回本，剩余的能领6个月工资。 小额的优势在 Bonus 比例，大额的优势在绝对 allocation。 另外，最终还是要等结算后的真实 pro-rata 才能确定最终拿到多少，官方规则也是超募后按比例分配，多余 USDC 自动退回。 这套机制的核心不是“无脑梭哈”，而是 commitment 越小 Bonus 越高，越往大额走 Bonus 越接近 5%；而目前 41.77% 的 pro-rata，才是决定最终实际拿多少 AXIS 的第一变量。

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。

周末行情很无聊，波动也小，从4小时结构看 bitcoin:native 确实有向上蓄力的迹象，但还不能确认新一轮上涨已经启动。 低点持续抬高，价格重新站上短期均线，并形成小级别上升三角，持仓量处于低位，资金费率也比较温和，说明市场暂时没有明显的杠杆拥挤。 ETF已经连续七日净流入，现货承接仍在。 现在的问题只有一个：成交量还没起来。 多头虽然占优，但价格、成交量和外部市场还没有形成共振。明天美股开盘后，方向可能会更清楚。 如果纳指走强、美债收益率保持稳定，BTC放量站稳8.55万美元，先看8.74万美元，突破后再看8.9万美元。 如果冲高无量，或者科技股重新转弱，BTC可能先去清理8.3万美元附近的流动性，这里失守，下方看8.1万至8.2万美元。 短线偏多，但8.55万美元才是启动线，站上之前只是震荡，放量突破以后才算行情。

周末横住了，缩量横盘，只是在等周一美股给方向。 8.74万冲高回落后，价格始终被锁在8.3万至8.5万，RSI回到50，KDJ中位钝化，MACD空头柱缩短，说明追涨力量退潮，主动抛售同样有限。 现在不是蓄力突破，也不是趋势转空，而是多空等待新的定价信号。 ETF连续七日净流入，证明机构仍在接货；但单日流入降至约1.34亿美元，只能托住价格，暂时推不动突破。 未来两天大概率继续震荡，真正的方向选择在周一美股开盘后：站稳8.5万并放量，先看8.6万，再试8.74万；跌破8.3万，则回踩8.15万至8.2万。 我的判断：短线略偏多，但没有突破8.6万之前，所有上涨都只是区间反弹，周一重点盯纳指与美债收益率，谁先打破平衡，BTC就往哪边走。

Everyone's reposting two AI soundbites today: Gates says AI can kill "a billion people," Jensen says kids won't need to learn math. 600K, 700K views — like/view ratios of 0.37% and 0.74%, dead last on the board. People are resharing the emotion, nobody's reading it. The two tweets nobody reposted are the ones pricing $BTC: 30Y Treasury yield at its highest since 2004, and Meta's data-center bonds getting marked down to junk at 7.5%. By the time the AI story needs a celebrity shouting "a billion deaths," the credit market is already pricing its debt. Sentiment at the top, rates at the door. #Bitcoin# #Crypto#

今天全网在转两句 AI 金句：盖茨说 AI 能杀"十亿人"，黄仁勋说以后孩子不用学数学。 60 万、70 万阅读，赞阅比 0.37% 和 0.74%——全榜垫底。大家只是转情绪，没人真读。 没人转的那两根，才在给 $BTC 定价：30 年美债收益率创 2004 年来最高，Meta 的数据中心债被打到垃圾级 7.5%。 AI 的故事讲到名人喊"十亿人死亡"的时候，信用市场已经在给它的债定价了。 情绪在顶部，利率在门口。 #Bitcoin# #Crypto#

【《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》