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。

吴说获悉，模块化区块链网络 Celestia 宣布推出高性能 EVM 兼容链 Eden，作为 AI Agent 链上交易与支付的实验环境。Eden 基于 Evolve 技术栈构建，使用 Celestia 提供数据可用性，并以 TIA 作为 Gas 代币。Celestia 表示，首个实验项目 bot fun 的封闭测试允许 AI Agent 自主发币及交易，所有模型推理调用均通过 x402 完成链上支付，使 Eden 一度跻身 x402 交易笔数最多的网络之列。项目将继续探索 AI Agent 交易行为及其对区块空间的需求。

这篇论文很有意思！现在连 RSI 都开始有自己的「实验场」了。 Evolvent AI 和 NUS 这篇论文提出 RSIGym，一个专门让 Agent 研究「怎么改进 AI」的实验环境。 它把训练、推理、数据生成、评测和沙盒都封装成服务。Research Agent 可以直接调用这些能力，然后不断循环： 分析问题 → 改数据 / 训练配置 / Harness → 训练 → 评测 → 根据结果继续修改。 更有意思的是，它把自我改进拆成三种模式： Data 只允许改训练数据； Harness 只改模型外的运行系统； Joint 则把数据、训练配置和 Harness 一起开放给 Agent。 作者还提出 RSI-Index，衡量系统在 SWE-bench、Terminal-Bench、AIME、GPQA 和 SkillsBench 上填平了多少「距离满分的差距」。 在每个 benchmark $500 的预算下，6 个前沿研究模型都能让初始系统变强。 其中 Opus 5 的 RSI-Index 最高，达到 0.4809；SWE-bench Verified 从 17.67% 提升到 50.33%，AIME 从 31.67% 提升到 97.78%。 还有一个挺有意思的结果，只改 Harness 就能带来明显提升，而单独增加训练数据的效果很有限。 看完这篇，我觉得 RSI 正在从一个很抽象的概念，慢慢变成可以真正做实验的系统问题。 接下来值得看的，就是这些「改进」能不能被继承，并继续帮助下一轮产生更好的改进。 📎 arxiv:

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：