Hermes 全网程序员又集体进化了！ 智能多源搜索，像素世界桥接、AIOps 运维军团、Web 指挥平台、macOS 原生桌面……全网程序员把 Hermes 玩成了下一代 Agent 搜索大脑 + 元宇宙居民 + 生产值班官 + 军团指挥部 + Mac 神器。宝藏收藏： 1️⃣ hermes-web-search-plus （ 10 引擎智能路由 + 质量报告 + 研究模式 + 缓存回退。 “搜索终于会动脑了”实锤！ 2️⃣ hermes-miniverse（ 像素世界桥接：Agent 住进 Miniverse，实时状态 + 跨 Agent 聊天。 太 meta 了，像素小人版 Hermes 上线😂 3️⃣ RunbookHermes（ Hermes-native AIOps：证据收集 + 审批门 + runbook 自学习。 生产事故值班军团就位！ 4️⃣ provision-core（ Vue 3 Web 管理平台：任务板 + 工具 + email 全可视化。 Agent 军团中央指挥部实锤！ 5️⃣ scarf（ macOS 原生 GUI，多窗口 + SSH 远程管服务器。 CLI 玩具进化成 Mac 桌面神器！ // 为什么这些新进化体这么炸？ 这些项目全部已验证公开开放，共同点：全吃 Hermes 底层循环当 DNA，社区再疯狂补搜索大脑、像素元宇宙、AIOps 军团、Web 指挥部、Mac 原生界面……生态卷速肉眼可见。

📊 Tollan Universe S5｜第八周结算 💰 总收益：0.1538 ETH（~$286.14） 💸 总成本：0.0873 ETH（~$162.38） 📈 利润：0.0665 ETH（~$123.76） 🎯 平均每场分数：70,575 分 （加宝箱分数） 这周冲榜真的是一个正确的决定！🔥 单单排行榜奖励就赚了约 $27，而之前没冲榜基本都是亏的，还得靠任务奖励去填那个窟窿 😂 再加上这周 ACG 奖励 和 Tollaner Raffle 发放的皇冠真的很多，直接刷新了我个人的 单周收益纪录 🎉 ---------------------------------------------------------- ⚡ 第九周更新重点 凤凰 🔥 - 灼烧敌人回复血量：50% → 60% ❤️ 科学家🧪 - 等级上限提升至 55级 - 40级 → 50级 的经验积分正常结算 -经验加成：55% → 65% 📈 武僧🥋 - 移速加成：60% → 40% - 被动激活时间增加 20%，需要站立更久才能触发被动 ✨ 技能改动 - 火球和水球伤害 +40% 🏆 排行榜改动 前10名奖励占比 | 36% 总奖池 → 40% 总奖池 💰 ---------------------------------------------------------- 💭 个人看法 这周感觉可以无脑主玩 凤凰 + 科学家。 凤凰本来就已经很强了，结果官方还继续加强 之前我比较少玩科学家，主要是因为没有经验积分；但这次经验积分改动后，科学家大概率会成为我接下来主玩的职业之一 至于 火球 / 水球 +40% 的加强，目前还不确定只升到 5级 时伤害是否已经足够，应该还需要再测试几把看看效果 希望这周还能继续保持正收益，顺便看看能不能再刷新一次单周纪录 🍀 @TollanUniverse @abstractcn_game @AbstractChainCN

币安Alpha 2.0 将会支持Baby Shark Universe （BSU）品牌变更至BabyShark （BABYSHARK）的计划。 自2026年05月14日10:00（东八区时间）起，币安Alpha 2.0已暂时关闭BSU的交易来执行此次代币置换。代币置换将会根据1:1的比例来执行。 币安Alpha 2.0将于2026年05月14日16:00（东八区时间）恢复BabyShark （BABYSHARK）的交易。 感谢您的理解和支持。

持续学习到底怎么落地？Mind Lab 用 LoRA 给了个解法 刚看 Mind Lab（Mindverse 旗下前沿实验室，成立还不到一年）出了 Macaron-V1 正式版。路线挺特别的，重点不在卷参数，是想让模型能从经验里接着学。 做法是用 LoRA 做后训练 RL，成本只有全参微调的 1/10。LoRA 模块像可插拔的经验单元：聊天、代码、UI、个人助理各训一个，基座共享，跑任务时按需组合（他们叫 MoL）。这么一来，模型就不再是训完定死的一套权重，能不断分化、把新经验吃进去。 感觉挺长一段时间里，LoRA 都被默认成“全参微调的打折平替”。他们这里有个我觉得挺有意思对 LoRA 的重新理解：base model 承载共性，adapter 承载个性（偏好、技能、工具习惯），说白了就是一块可写入、会随交互慢慢变的记忆。也是continual learning 这条路线，我目前看到最工程化的一份答卷。 Macaron-V1-Venti = 744B 的 GLM-5.2 基座 + 4×1B LoRA，一共 748B，原生支持 2M context： L0 Chat 管对话和指令 L1 Agent 管长程、动态工具任务（并入了Preview的OpenClaw LoRA） L2 Coding 管代码、SWE、终端 L3 UI/A2UI 管UI4A渲染和操作 至于为什么要拆成好几个 LoRA，他们的想法是：这些能力的思考流程差太远，全塞进一套 post-training 权重会互相干扰。MoL 让相似的技能共用一个 LoRA，差太多的各自单独训，再路由、组合；新增领域就加一个 adapter。 等 adapter 多起来，再让它们分工、组合、投票，就是他们所说的群体智能。 这条路也不是 Mind Lab 首创，John Schulman（OpenAI 联创、Thinking Machines首席科学家）那篇《LoRA without Regret》就是同一个方向。但全球能开万亿参数模型 RL 训练的 infra，目前就 Mind Lab 和 TML 两家。 不过Mind Lab是直接用国内最好的开源模型，最早2025年底在万亿参数Kimi K2上验证过RL后训练，Preview用GLM-5.1、Venti用GLM-5.2、Tall用Qwen-3.7-35b。拿这些现成的强基座来做，比 TML 从头做 Inkling 会更快（Inkling 现在的表现也明显还打不过 GLM 和 Kimi）。 商业化也很快：据团队披露，7 月启动商业化后2周达到 1000 万美元 ARR。 其实我会关注 Macaron-V1，很大一个背景是持续学习这个方向本身。 持续学习想解决的，是模型部署之后就不再进化这个老问题，让它能在真实使用里边用边学。 这方向最近越来越多重量级的人在点名。之前强化学习之父 Sutton 和 David Silver 提出“the era of experience”，说下一代 AI 拼的不再是喂数据，是从真实经历里持续学，他自己也去创业做了 Oak Lab 专攻这个。梁文锋最近四小时闭门会流出来，他给 DeepSeek 排的路线是 CoT → Agent → 持续学习，还说下一代模型不能持续学习，就不配叫下一代。 Macaron-V1 至少证明了这条路能工程化、也能商业化跑通。这种方向靠一两家撑不起来，挺期待接下来更多团队砸进来、多拿几个硬成果。真卷起来，应该会挺有意思。

方寸瓷片藏天地，一器风雅连中法。 中国瓷 世界行 中国当代陶瓷艺术海内外巡展，法国站。 China Porcelain Global Journey In every tiny shard of porcelain lies a universe. In each graceful vessel flows the connection between China and France. Chinese Contemporary Ceramic Art International Touring Exhibition. France stop. #China# #jiangxi# #赣出新精彩#

近期出沒注意！🤩 那些說想戀足的想抱抱的想撞的，都給我來喔！ 不要當說說哥嘿😤 互動菜單已經做好啦！ 7/18 @cu_verse Cosplay Universe feat. T-one 7/26 飛機杯展售見面互動會 飛機杯✈️預購： 8/8-9 @TREtaipei 台北國際成人展 feat. 渡邊傳媒 @DobanMedia

Honkai: Star Rail-Black Swan 崩壞星穹鐵道 黑天鵝 Cn.紫玥桃 攝影&後製建模by Janan #MultiverseVistas# #崩壞星穹鐵道# #HonkaiStarRail# #黑天鵝# #BlackSwan#