半导体板块的 VX 指数高位，而市场宽度 breadth 处于低位，感觉市场正在计价一些重大事件，应该跟本周七巨头有四家要发财报有关：苹果、Meta、微软和亚马逊。 说个题外话，如果有数十年级别的冬眠技术，在入睡前你们最想买入的资产是什么？

务必留意10.29日进行的 #BuildKey# 发射( Curve上赚钱 发射机制主打绝对公平:(前两期收益爆表,机器人多) 推出 Build Key Fair Launch 说简单点就是参与的人机会均等，不用抢时间，Bonding Curve开盘通过抽签形式购买，从发射机制上来杜绝机器人和狙击手的作弊行为 关于Build Key Fair Launch参与的详细图文教程（操作简单） - 输入构建密钥数量（最多 200 个） - 确保已勾选“公平启动押金” - 点击“抽奖购买”按钮 - 退款(失败订单的费用和所有押金均可100%退还) 参与详细说明和指南： 中文版教程： BuildKey 发射平台： Bonding Curve 是什么 利用智能合约和数学公式根据代币供应量动态调整的代币价格 BuildKey 发射台是什么 1. Aspecta（币安第七季孵化）推出资产发射平台 BuildKey，说简单点把高潜力/成长期项目资产抽象化后进行定价与交易，有别于 MEME 类型资产的极高风险和备受诟病的高 FDV 资产的新型发射方式，机会就在这里填补这两者间的空白 2.购买 Keys 的用处 以更高价格出售 Key 套利 持有 Key 以兑换项目未来资产 获取 Aspecta Points 换取潜在空投 3.目前的普遍状况大多数人能感受到 项目快速发展的早期红利阶段，我们很少有机会能直接接触和参与，等项目能上交易所咱们只有接盘的命，现在可以通过 BuildKey 发射平台接触到早期高潜力和成长项目 4.Aspecta平台会对发射的项目资产进行考核筛选 Build Key 资产发射提供【足够早期、快速成长、高质量】的资产，由经过背景验证的项目方启动，如果发射平台想要发展起来，平台的利益是和用户的利益捆绑的，挑选项目是有保障的，前几期实际发射的项目潜力收益情况足以证明

SMCI：订单大增很重要，客户mix更重要 SMCI今天公布了两个数字：Q4新增订单超过600亿美元，毛利率指引从8.2–8.4%直接上修至15–17%。 股价应声大涨，给接下来的财报季起了个好头 ——AI需求正在从Depth（少数头部客户持续加码）走向Breadth（越来越多客户开始部署）。 毛利率大幅提升，是由于供需关系发生变化。公司给出的解释：favorable customer and product mix。 翻译一下，就是Blackwell开始真正放量，液冷整柜和Rack-scale系统占比提升，高ASP产品成为收入主体；Hyperscaler之外的高利润客户增加；GPU供应改善后，公司开始从“抢订单”变成“挑订单”。 Q4新增订单（New Orders）超过600亿美元，对于一家全年收入约400亿美元的公司，一个季度新增订单已经超过600亿美元，说明未来几个季度限制公司的已经不是需求，而是交付能力。 订单为什么突然爆发？不是因为一家客户，而可能是整个行业开始进入部署周期。 "favorable customer and product mix" 这里重要的是“mix”，如果订单不仅仅来自于一两家头部，而是更广泛的客户类型，这就意味着需求的广度在增加。但面前仅凭管理层的一句话，我们很难猜测。 明天google的财报，可能会给我们这一点上更清晰的picture。 如果Google Cloud能不仅依赖Anthropic实现高速增长，这对判断这次市场的反转，将增加更有利的逻辑。

90%以上的投资者，是非理性的，这是华尔街能持续收割的理由。如果你买了一批投资组合，放着不动，只看收入和利润增长，或者说只看PE，城堡、高盛、大摩、间街，是收割不到你的。或者你学小编，分两个账户：一个账户(70%)只买指数基金，长线定投，只买不卖；另一个(30%)炒作中期或短期，要亏钱都很难。当然，也可以70%买其它你能理解，能产生稳定现金流的资产。 长线帐户买什么？我们说过几百次了。比较过美股、地产、黄金、国债等等。最后回答一个技术问题：今天，华尔街波动率(IV/VIX)这么高的反弹，是假反弹？不一定。要验证反弹的真伪，重点观察几个期权与市场微观指标的演变：VIX期限结构、偏度(Skew)、市场宽度(Breadth)、成交量结构。所以，切忌盲目追高或做空，因为高IV意味着市场对单边突破缺乏共识。但如是长线投资，的确可以补充一些业绩好的仓位，或者只补充纳指大盘指数。

推荐这篇文章。一个 agent 评测系统被自己的评分骗了整整一周——两个标准在互相拉扯，总分却看起来正常。 Similarweb 的高级 AI 工程师 Liora Korni 在 7 月 29 日 LangChain 博客上分享了一篇实战文章：如何评估一个生成长篇研究报告的 agent 系统。文章的价值不在方法论本身——LLM-as-judge 和 rubric 都不是新概念——而在他们把评估当作产品架构的一部分来做的具体教训。 两种输出，两种评估方式 Similarweb Data Studio 是一个 agent 系统：用户用自然语言提问，agent 规划、调用数据工具、检索数字、写出答案。它要处理两类完全不同的输出： 普通对话：聚焦问题，答案形状可预期。评估方法简单——golden answer + semantic judge 判断"是否表达了同样的意思"。 深度研究报告：长文输出，包含来源、解读、建议、风险提示和叙事结构。同一问题可能有多种好的答案。Golden answer 不适用——匹配 gold answer 只会奖励相似性而不是质量。 Rubric 方案 深度研究报告的评估用 rubric prompts：每个质量维度有自己的评分锚点。例如 source_integration 标准： • 0.0：纯粹依赖单一数据 API，无外部上下文 • 0.3：模糊引用"行业报告"但不点名 • 0.8：引用多个带名称、日期、数字的来源 • 1.0：广泛使用归因明确、融入叙事的来源 每个维度返回分数 + 解释 + 差距说明。不只是一个数字。 除此之外还加了 faithfulness check：每个声明是否真的来自检索数据？还是 agent 夸大了来源支持的内容？ 最贵的教训：花了整整一周跟自己的评估打架 文章里最值得读的部分：一次 prompt 的小改动让总体评分下降。 他们花了一周反复 revert、调整、re-run。报告每次看起来都很好，但数一直在说不。最后有人打开逐标准评论才发现——新版报告引用了更多来源（提高了 source breadth），但这些来源都是模糊的（拉低了 attribution）。两个标准互相拉扯，总分隐藏了冲突。 修复了评分锚点后（从"引用更多来源"改为"引用命名、可验证的来源"），同一个报告的分数从 0.7 降到了 0.3，数值终于匹配了评论一直在说的东西。 核心教训：一个校准错误的评估比没有评估更糟糕，因为它给你虚假的信心。 最终的评估循环 1. 从假设开始 2. 跑一个小评估获取信号 3. 检查反馈评论和 traces 4. 跑完整 benchmark 并重复 5. 与 baseline 或 A/B 输出对比 6. 决定合并、迭代还是重新校准 原文： #AgentEvaluation# #LLMasJudge# #LangSmith#