0x2ebd7703c4a8c1e859e6a1a6eb326cadf8d17777 #EVOLVE# 目前市值112k，蝴蝶社区人员编写 机制（可在蝴蝶官网查看，已通过审计）：实时投票决定机制滑点分配，可以质押分红股票、定时自动回购销毁、回流LP（全部可自定义）、赎回扣5%进黑洞 工厂合约：（UI已审计，人人可部署）

AI Agent 终于可以自己进化了？ 这个 Evolver 用 Genome Evolution Protocol，让 Agent 具备自我迭代能力。 GEP-Powered Self-Evolution Engine，名字就很疯。

翁家翌新 blog：超越梯度的学习 昨天看到翁家翌（前 OpenAI 研究员）新写了一篇 blog《Learning Beyond Gradients》，挺有意思的，分享一些我读下来的感受。 原文较长且偏技术，下面这版做了不少删减和重组，建议感兴趣的同学直接读原文 · · · 翁家翌：超越梯度的学习 持续学习（Continual Learning）之所以一直很难，很大程度上是因为神经网络的顽疾：灾难性遗忘。那如果我们不只盯着权重更新这一条路呢？ 随着 LLM agent 越来越强，写代码这件事变得又快又好。但翁家翌注意到一个更有趣的现象：agent 可以反复读取失败信息、修改策略代码、添加测试、回放录像，让整套程序在不动任何网络权重的情况下持续变强。 · · · 这个视角让他重新审视了一个老朋友：heuristic，也就是手写规则和程序化策略。之前很多 heuristic 不是没用，而是维护太贵了，而coding agent 改变的正是这条维护曲线。那些曾经用完就扔的一次性补丁，开始变得值得长期拥有。 凡是能被持续迭代的东西，都开始变得更可解，这也恰恰是持续学习一直追求的目标。 它有没有可能成为继 pretraining → RLHF → 大规模 RL/RLVR 之后的下一个范式？ · · · 翁家翌用 Codex（gpt-5.4）做了实验，纯写规则版本，完全不碰神经网络。结果超出预期： — Atari Breakout 的打砖块分数从 387 一路升到 864，达到理论最高分； — MuJoCo 四足和跑步机器人任务中，纯 Python 策略也跑进了常见 Deep RL 结果的量级，HalfCheetah 五轮均值 11836.7； — 跑完 Atari 全部 57 个游戏后，在相同的环境交互步数下，中位数得分已经远高于 PPO 这类标准算法。 这里被更新的对象早就不是单纯的策略函数了，而是一整套带着记忆、反馈入口和回归机制的软件系统。翁家翌把它叫作 Heuristic Learning（HL，启发式学习）。 （我自己也做过 evolve，但不训练神经网络，纯靠规则约束，感觉系统怎么都智能不起来。其实不管 RL 还是 HL，能不能跑起来都是看一件事，优化结果的评分能不能清晰定义。） · · · Heuristic Learning（HL） 是什么？HL 怎么持续学习？ HL 的核心是用 coding agent 维护一个 Heuristic System（HS）。 和 Deep RL 的差异： — 反馈来源：不是 loss 函数，而是测试结果、环境奖励、日志、视频、失败模式分析； — 更新方式：不走反向传播，agent 直接改 policy、状态检测器、测试、配置或记忆结构； — 维护对象：不止一个 trace（黄金轨迹）、环境 wrapper 等。 以前怎么没人搞？专家系统 70 年代就有，但人维护起来是噩梦：加一条规则修好 case A，case B 崩了；规则堆到几百条后，除了原作者没人看得懂。 而 coding agent 不怕堆规则。它能同时读所有代码、跑全量测试、对比日志，把维护成本打下来。用翁的比喻说，就像纺纱机改变纺线成本曲线一样：手工纺贵得要死，机器一上来就塌掉了。 · · · Heuristic Learning 怎么做 Continual Learning 神经网络把经验压进权重，忘没忘、怎么忘的都是黑箱。HL 的历史则是显式的：版本 diff、回归测试、replay、视频、golden trace 全透明。新增能力前先固化旧能力：跑回归测试、跑固定种子回放。如果新规则破坏旧 case，agent 能直接定位到哪行代码引入的 regression。 但规则叠太多、agent 自己都维护不动的时候，就需要"历史压缩"，把一堆 case-specific 的补丁合并成更通用的逻辑，否则系统迟早变成没人敢碰的代码泥球。 · · · 当然，HL 不是万能药。因为 Heuristic Learning 并不能做所有神经网络能做的事情。它的上限卡在代码的表达能力：比如复杂感知和长程泛化。翁家翌也坦率地说，他想不出有哪个 agent 能纯靠 Python、不用网络去搞定 ImageNet。 所以真正的问题变成了：怎么把神经网络和 HL 结合起来，同时搞定在线学习和持续学习？ 最有希望的方向是：用 HL 快速处理在线数据，把在线经验变成可训练、可回归、可筛选的数据，再周期性地更新神经网络。以机器人为例，借用 System 1 / System 2 的说法，一种可能的分工是： — 专用浅层 NN 作为 System 1 的一部分：快、便宜，负责感知、分类、物体状态估计； — HL 也可以当做 System 1 的一部分：负责最新数据处理、规则、测试、回放、memory、安全边界、局部恢复； — LLM agent 作为 System 2：负责给 HL 提供反馈、改进数据，并周期性把 HL 生成的数据拿过来更新自己。 · · · Agentic coding 改变的不仅是写代码的速度，更改变了"哪些代码值得被长期拥有"。过去很多 heuristic 看上去没前途，不是它们太弱，而是维护不起。 coding agent 改变的就是这条维护成本曲线。 规则、测试、日志、记忆和补丁，原来只是散落的工程材料，现在开始能组成一个持续进化的 Heuristic System，去解决在线学习和持续学习一直没搞定的事。 欢迎来到下一个范式。 · so，skills + instruction following = AGI？

《牛回，人回！请查收下半年Web3跑会指南》🔥 BTC早间冲破8w心理大关，一下子带回了大半的Web3话题度。而作为行业情绪最直接的晴雨表，市场热度回升也正在迅速传导到线下——属于Web3的下半年跑会季正式开场。🥳📈 📅未来几个月的全球加密日历几乎排满。小编为大家梳理了下半年重要大会的时间、官方信息，以及值得重点关注的精品周边活动。 🔥想找项目、拉投资、谈合作，或提前捕捉下一轮叙事，这份跑会指南建议提前收藏！👇 1⃣YZi Labs EASY Residency S4 Demo Day ⏰️时间：2026年8月26日，北京时间11:45 AM起 📺 形式：直播为主（可报名观看），源自不丹夏季cohort ⭐ 亮点：CZ（@cz_binance）开场，与Ella Zhang（@ellazhang516）fireside chat，随后25位创始人展示stablecoins、payments、DeFi、AI及前沿科技项目。YZi Labs孵化项目，聚焦Web3+AI+生物科技交叉。 🔗报名链接： 2⃣Bitcoin Asia 2026 ⏰️时间：2026年8月27–28日 🗺️ 地点：香港会议展览中心（HKCEC） ⭐ 亮点：亚洲最大比特币专属大会，预计10,000+人、125+国家、150+演讲者。讲者包括CZ、Balaji Srinivasan、Justin Sun、Gracy Chen等。覆盖机构采纳、企业国库、基础设施、亚洲监管等。含Art Gallery（Ordinals数字艺术）、Expo Hall、Open Source Hub、Card Expo等。 🔥精品周边活动： ·Institutions & Capital Markets Symposium + Deal Day（8月27日，GA+/Whale通行证，机构匹配与1对1会议）。 ·各类侧边：AI x BTC Side Event、Bitcoin & Faith（8月30日）等。 🔗官网＆购票链接： 3⃣Origin Seoul 2026 ⏰️时间：2026年8月31日–9月2日 🗺️ 地点：首尔（Lotte World Tower SKY31 Convention + Bitcoin House Origin） ⭐ 亮点：Bitcoin-only，VIP Day（8月31日闭门）、Industry Day（9月1日）、Public Day（9月2日）。60+全球讲者，聚焦挖矿、基础设施、资本与亚洲比特币生态。与Bitcoin Asia有官方Bitcoin Week合作（跨会通行证优惠）。 🔥精品周边活动：Origin Week工作坊、 Bitcoin Running等。 🔗官网＆购票链接： 4⃣第十二届区块链全球峰会（万向区块链 / 上海区块链国际周） ⏰️时间：2026年9月23日 🗺️ 地点：上海外滩茂悦大酒店 ⭐ 亮点：主题“区块链新经济·智链共生”，聚焦合规、支付结算、RWA（代币化存款/股票）、AI+隐私计算。讲者含肖风、香港立法会议员邱达根、摩根大通等产学研代表。 🔥精品周边活动：技术分享、项目路演、主题研讨会、晚宴（如Sui等赞助）、Open Day类展示。 🔗官网＆购票链接： 5⃣Korea Blockchain Week (KBW2026) ⏰️时间：2026年9月30日–10月1日 🗺️ 地点：首尔Walkerhill Hotels & Resorts ⭐ 亮点：亚洲顶级加密大会，由Upbit, 0G, Stable, Tria赞助。演讲者包括Joseph Lubin、Balaji、Arthur Hayes、Hyperliquid CEO、Upbit CEO等，聚焦政策、基础设施、机构资本。 🔥精品周边活动：9月29日Upbit Institutional Summit（邀请制） ·全城300+侧边活动、机构论坛、派对与meetup。 🔗官网＆购票链接： 6⃣TOKEN2049 Singapore 2026 ⏰️时间：主会2026年10月7–8日；TOKEN2049 Week约10月5–11日 🗺️ 地点：Marina Bay Sands ⭐ 亮点：全球最大加密活动之一，预计25,000+人、300+讲者、500+展商、160+国家。覆盖DeFi、AI x Crypto、代币化、机构等。 🔥 精品周边活动：TOKEN2049 Origins 36小时黑客松（高奖金）、NEXUS Startup Competition（全球舞台）、AFTER2049官方闭幕派对（10月9日SkyPark Observation Deck）、1,000+侧边活动（VC mixer、工作坊、产品发布）。 🔗官网＆购票链接： 7⃣Devcon 8 ⏰️时间：2026年11月3–6日 🗺️ 地点：孟买Jio World Center ⭐ 亮点：以太坊基金会旗舰开发者大会，面向builders、研究者、协议团队与开源社区。多舞台、工作坊、社区空间。 🔥 精品周边活动：Community Hubs（隐私、安全、P2P、DeSci、MEV等主题）、Road to Devcon区域预热、黑客松与协作空间。 🔗官网＆购票链接： 8⃣Binance Blockchain Week 2026 (币安区块链周) ⏰️时间：2026年11月28–29日 🗺️ 地点：曼谷Queen Sirikit National Convention Center (QSNCC) ⭐ 亮点：主题“EVOLVE”，聚焦比特币机构化、稳定币支付、机构DeFi、RWA/代币化股票、跨境支付、AI融合与监管。讲者含Richard Teng、何一等币安高管。早鸟票低价。 🔥精品周边活动：相关networking、机构session与本地生态活动（具体随官方更新）。 🔗官网＆购票链接：

Agent 自进化，并不会每一轮都变得更强。 这篇《Rethinking Self-Evolving Agent Skills》专门研究 Skill 在多轮迭代里到底是怎么进化的。 作者做了 42 组 evolution run，一共生成 388 个候选 Skill，真正刷新验证集最好结果的只有 55 个。 也就是说，大部分修改其实没有带来有效提升，很多轮次会停滞、退化，最后被回滚。 还有一个很有意思的结果： 最终被选中的 11 个进化 Skill，全部使用了失败轨迹作为反馈；只看成功经验的方案一次都没有胜出。 失败轨迹更像是在告诉 Agent「哪里需要修」，成功轨迹则更适合保留已有能力。 这也说明了自进化更像一场带验证和回滚机制的搜索。 重点不在多迭代几轮，而在每次修改之后，能不能证明这条经验真的值得留下。 📎 arxiv:

叠加循环能让 Karpathy 的训练闭环效率提升 5 倍。 这种方法通过在原有迭代逻辑上再套一层外部反馈，彻底解决了单一循环的收敛瓶颈。两名香港学生整理了 18 页的技术文档，详细拆解了这一机制的具体实现步骤： 1. 建立基础 Karpathy Loop：构建原始的自我演进/训练闭环。 2. 引入第二层嵌套循环：在第一层输出的基础上，叠加一层更高维度的反馈逻辑。 3. 实现非线性增益：通过这种“循环套循环”的结构，让模型在迭代过程中获得指数级的优化效率。 如果你正在构建自我演进（Self-evolving）的 AI 系统，不要只盯着单层闭环，双层嵌套才是实现 5 倍性能跃迁的关键。

昨天我听了一期关于 AI 的播客访谈，感触非常深。访谈嘉宾是 Replit Agent 的负责人，讲了最近前沿大模型的使用体验、AI 技术的发展，还有很多关于 AI 的思考。 我听下来，感觉无论是 AI 的外行或者内行，都能学到一些东西，算是雅俗共赏的一期访谈，强烈推荐大家去听听。 访谈嘉宾提到了这么几个点，让我印象很深刻。 第一点是，Self Evolving Agent 是他未来 12 个月最看好的 AI 方向。 这和我之前推文聊到的 Recursive Self Improvement 是类似的概念，也是我认为继 Coding Agent 之后 AI 应用层下一个最大的方向。 形成自我闭环的 Agent，理论上可以全年 24 小时不间断运行。一旦这个方向真正落地，背后涌现的 Token 需求比现在还要再大几个数量级，可以想象到背后的投资机会。 不过目前 RSI 的现实阻力还是多于实际进展，我觉得可以持续观察下去。 第二点是，目前全世界 99% 的人还没有上车 AI。 嘉宾提到了一个自己走访的案例，他在美国休斯顿打车的时候，故意去和这些司机聊关于 AI 的东西，结果发现没有一个人听说过 Vibe Coding，甚至有一半人连 ChatGPT 都没有用过。 正好我昨天晚上和一个准备做 AI 创业的朋友吃饭，他说他身边绝大多数人只用过豆包，甚至很多人没有听说过 ChatGPT 或者 Claude，这和访谈中的观点不谋而合。 我也瞬间意识到自己落入了一个信息茧房，推特油管上经常看我的观众，一定都听过这些大模型，很多人也拿出了 20 美元订阅，每天高频使用，我经常误以为前沿大模型已经在全世界普及了，但事实完全相反。 如果在中美这样的大国，很多人都还没有用过大模型，不知道 Vibe Coding 是什么，其他国家更无从谈起，AI 市场的潜力远远比我们想象的还要大的多得多。 第三点是，打开 AI 的想象力天花板。 嘉宾提到人的想象力是目前 AI 最大的瓶颈，当年爱迪生发明灯泡的时候，他绝对不会想象到目前人类可以在电的基础上发明出来电脑。 我自己一直这么觉得，相比起之前几次科技革命，AI 最大的特点在于它是一个全新的物种，而非工具，两者是完全不同的概念。历史上人类发明了很多工具，但创造新物种是头一次，这背后包含了无限的想象力。 如果没有想象力、只盯着现有的 AI，那么最直观的感受就是觉得 AI 马上就要走到头了，这是典型的悲观主义者，短期永远是对的，长期绝对是错的。 马斯克经常说到，宁愿乐观的犯错，也不愿悲观的正确，我自己非常认同这句话，AI 的发展一直加速再加速，可能我们已经身处下一个科技奇点，又有什么理由不乐观呢。

🎉 FameEX 8周年快乐！💜 @FameEXGlobal @fameexzhn 八年在场，焕新向前！✨ 从2018年创立至今，穿越牛熊，始终陪伴全球154+国家和地区800万+用户，累计交易额突破4100亿美元 今天正式发布全新品牌主张：Always Here, Evolving Forward 可爱吉祥物 FaFa 😈 也强势上线，品牌年轻化全面升级 接下来我们还将亮相日本WebX、韩国KBW、印尼Coinfest、新加坡TOKEN2049等全球顶级峰会，还有8周年专属福利和周边等你来领 感谢一路走来的每一位家人❤️ 让我们继续并肩，Start Exploring Your Crypto Journey 🔗 官方8周年详情： #FameEX八周年# #FameEX# #FaFa# #加密货币#

豆包大模型 2.1 Pro 发布 0915 版本更新，API 已在火山方舟全量上线。这次升级集中在四个方向：Agent 任务交付、多模态写代码、多模态理解、以及推理成本。 Agent 方面的改进 模型在需要多轮调用工具、联网查资料再出报告的场景里，强化了证据溯源和数据核验能力，幻觉明显减少。官方给的例子是金融投研：模型能自主拆解研究需求、检索数据源再建模分析，产出的底稿接近分析师水平。为了核实某车企财报里的一个说法，模型调度了 500 多个子 Agent、检索超 1000 个网页，还交叉比对了海事航迹、卫星影像等多源信息。这类"不采信单方通稿、多源交叉验证"的能力，对企业做尽调、出研报有直接价值。 多模态 Coding 这次最实用的变化可能是看图写代码。模型现在能直接读懂设计稿、图纸甚至操作录屏，把视觉信息转成前端代码。官方演示了一个场景：给模型一段录屏加几张草图，让它给一个没有文档的老 ERP 系统开发移动端页面——模型读懂了 28 万行 Java 代码，直接还原出可运行的移动端页面。 在代码仓库理解上，模型对开源游戏 Luanti（约 38.7 万行代码）做了自主修复测试，83% 的任务达到了可合并标准。对经常要在大型项目里定位问题、跨文件修 bug 的开发者来说，这个数字值得关注。 其他升级 多模态理解方面，视频推理能力增强，能在视频里定位证据、跨帧整合；图像理解在 3D 物体识别（CAD 工件、游戏引擎元素）和密集图文解析（工程图纸、财报表格）上有明显提升。 成本方面，图像和视频推理的 Token 消耗比上一代减少 30% 以上。 API 使用上有两个入口：调用 Doubao-Seed-2.1-pro-0915 可以锁定版本；调用 Doubao-Seed-Evolving 则自动跟进最新版本，不用换 Model ID。豆包工作和 TRAE 也已同步接入。 官方文章：