与「Metya」相关的搜索结果

🥁 #币安 LIVE# 丨 MetYa 深度聊 「MetYa × 行业深度对话 从 Gate 到 OKX Boost，MetYa（$MY） 的下一站？」 📌 本期对话拆解四个关键问题： 1）OKX Ventures 从最早期陪伴 MetYa成长，说明了哪些方向被看好？ 2）为什么 $MY 在 Gate 能多次蝉联现货交易量榜首？ 3）在此阶段，OKX 为什么会把 Boost 稀缺名额给到 MetYa？ 4）从专业 KOL 的角度，MetYa 当前的增长结构，离上币安还有多远？ 让我们通过这次币安直播拆开MetYa这些“节点”，从数据、用户、产品结构里面找出共性。 三大行业头部KOL嘉宾阵容： @JYdmnLFG @Alieneth99 @octopusycc 📅 直播时间：11 月 27 日 20:00（UTC+8） 📍 Binance Live｜币安广场 🎙预约直播：

体验了一下 OpenAI 今天发布的 dot，没有 Meta 的 Muse 那么丝滑简单，也没有 Grok Bot 那么 geek 有趣（一个 VPS 都可以玩半天）可能是访问人太多，现在 dot 背后的电脑基本上处于不可用状态！最讽刺的是 已经被 Elon Musk 拿下给 Grok Bot 了😜 现在我的 7x24 Agent 主要是 Muse 和 Grok Bot 这两个，再加第三个肯定我自己就切换不过来了！Muse 辅助日常生活助理，日程安排、 Trip 和购物；Grok Bot 来做学习研究，可以创建多个 agents 互动，可云端可本地，还可以调用 Claude 和 Gemini，最关键的是我可以在 Tesla 上使用它，FSD 之后的乐趣😅 不过 Personal Agent 大战已经开启，这是巨头的战场，创业者慎入，倒是可以想想，如何把自己的服务给 Agent 化然后接入进去。这是个很有趣、很有前途的方向✨

Anthropic、Meta、Google 签署白宫 AI 安全协议：内部审查加外部审计，企业自愿执行 9 月 29 日，Anthropic CEO Dario Amodei、Meta CEO 扎克伯格、Google CEO Sundar Pichai 在白宫与特朗普会面，之后一起在白宫外对媒体讲话。扎克伯格说，几家公司当天签署了一份"白宫 AI 安全开发协议"。 协议内容来自扎克伯格在现场的概括。各公司要建立内部控制机制，用来发现 AI 出问题的情况。在此之上设多层审计：先是公司内部的风险审查，再请外部审计方和评估机构检查，审计报告交给各公司董事会独立审阅。 扎克伯格说，这样做是为了让美国公众和客户相信，AI 是按公司设计的方式在运行。他也说这只是一个开始，不是唯一会做的事，是整个行业都能接受的一份协议。 Pichai 拿公司财务管控作类比：财务有一套成熟的流程和审计制度，这次是把类似做法搬到 AI 开发上。他说总统要求行业"站出来"，要确保产品安全推出。 记者把 Dario 请到前面，提到他此前曾呼吁放慢 AI 发展。Dario 说 AI 好处很大，比如在医疗方面；他认同特朗普"谁赢下 AI 谁就赢"的说法，但技术风险是真实存在的，应对风险的具体机制"仍在讨论中"。他的原话是"我们可以赢，而且可以安全地赢"。 这份协议由企业自愿执行，没有外部强制。视频中，协议全文和签署公司的完整名单都没有公布。 记者两次追问特朗普：企业自我监管够不够，公众为什么该相信它们。特朗普的回答是，这些人很优秀，出了问题他们的公司就完了，所以他们不会让这种事发生；各家公司会"互相监督"。

Meta's deal to buy Manus got blocked, so I gave Meta's Muse a Manus 2.0-style launch film instead. Left: the official Manus film. Right: Claude Opus 5.5 + Seedance 2.5 from one URL. (Unofficial concept.) Want one for your product? Reply with your URL. First 5 are free.

如何解决 AI 写文章的 AI 味儿？ 现在的 AI 写数学题或写代码很厉害，但在写学术论文、小说或百科文章时，经常产出空话连篇、表面流畅但缺乏真正深度的文字，这种低质文本常被称为“AI 废话”（AI slop）。 出现这个问题的原因在于，常用的 AI 评分系统很难辨别真正优秀的文字。研究人员发现，如果让目前的先进模型给文章打分，或者让它们自由制定打分标准，模型给出的分数往往偏向 AI 生成的内容，甚至给 AI 文本的分数远高于人类专家的原著。打分裁判本身偏好废话，训练出来的写作模型自然就会写出更多废话。 为了解决这个弊端，META 提出了一套名为 RL-XAR 的新训练方案，核心思路分为三步： 1）准备参照标杆：收集高水平的人类写作范例，比如真实的科研论文、名家小说和维基百科精选词条，截取前半部分作为上下文，分别让人类专家和 AI 模型顺着往下写。 2）训练评分规则：让 AI 裁判反复调整打分标准，直到这些标准能准确把人类高手的文本评为高分，把 AI 生成的文本评为低分，真正拉开两者的差距。 3）针对性强化训练：用这套校准后的高难度评分规则去重新训练写作模型，不断循环这个过程，逼迫模型改掉毛病。 META 在三个领域测试了这种方法： · 学术论文写作：模型需要补写论文中被拿掉的摘要、引言或结论。经过新方法训练的模型，不再像以前那样把整篇论文翻来覆去复述一遍，而是学会了精简和突出重点。原作者进行盲测评估时，新模型的胜率达到了 89%。 · 文学小说续写：续写普利策奖和诺贝尔奖得主的作品。模型改掉了乱用陈词滥调的比喻这一常见毛病，盲测胜率达到了 95%。 · 维基百科编写：根据标题直接写出正文内容。这项任务难度最高，模型虽然也有进步，但因为现有的 AI 裁判能力有限，提升幅度不如前两项明显。 所以，想让 AI 写出更像人类高手的深刻文字，关键在于先训练出眼光挑剔的评分标准，避免让模型用平庸的标准自我满足。 原文：

Muse 上线约 15 天，美国下载量已经突破 300 万。 对比各产品发布后的同期表现，它的增长曲线明显高于 ChatGPT、Meta AI 和 Gemini。 Meta 的消费级产品分发能力，再次被低估了。

8. Meta 眼镜新增两款设计：一款象牙白 Kylie 联名，一款 Lisa 联名，镜腿末端有她的星星标志，配定制镜盒和挂饰。 到年底会有超过 100 款样式上市。

1. Meta 的个人智能体 Muse，现在支持语音和实时视频。 你说话的时候，它在后台把任务干完。这套能力还会上 Meta 眼镜，让你全天免手动操作。