Naadam archery competition: Grassland men show their skills and perform "piercing a willow leaf from a hundred paces" in China. 那达慕射箭比赛，草原汉子各显身手，上演“百步穿杨”。#那达慕大会# #射箭比赛# #草原汉子# #传统体育# #中国文化（人民日报记者赵景锋）#

大家可以关注机会 按过去一周 Kaito 上的 Smart Follower 增长排名 增长最快的 12 个项目： 1、PaperStrategy： 收购并质押 $PAPER 的财库策略。 2、Sparsity： 链上研究与持有者分析。 3、Permanent Cards： 即将推出的项目，产品细节尚未公布。 4、AntSeed AI： 点对点 AI 服务市场。 5、Metric： BNB Chain 上的代币化股票与 ETF 去中心化交易所（DEX）。 6、Trench： Memecoin 交易终端。 7、Bordrless： Solana 上的 DEX 与发射平台，支持可编程代币钩子。 8、Orbio： AI 推理额度交易市场。 9、Mecka AI： 面向机器人的真实世界训练数据。 10、1000x Productions： 加密喜剧制作项目。 11、Wormhole Labs： 跨链协议 Wormhole 的核心贡献者。 12、MNX： 股票、AI 估值、营收与经济数据的交易市场。 #Circle上半年营收约14亿美元# $BNB

现在 AI 创作越来越方便，但做出来的作品怎么赚钱？怎么让更多人看到？这其实是很多创作者都会遇到的问题。 最近我关注到一个项目叫 @KorProtocol，而且它的代币 $KOR 已经上架 Bybit 了，今天就来简单聊一聊它。 KOR 是一个建立在 Base 上的项目，主要帮助创作者展示作品、寻找合作机会，还有完成收款。 现在做音乐、图片和各种内容都容易多了，但作品想要被更多人看到并不简单。KOR 想做的就是帮助创作者解决这些问题。 目前 KOR 已经有 Pacer、Korus 等产品。比较值得一提的是，官方披露产品侧毛收入已经超过 200 万美元，说明项目不只是停留在想法上，而是已经有实际产品和收入。 融资方面，KOR 完成了 750 万美元 A 轮融资，估值约 1 亿美元，投资方包括 1kx 和 Blockchain Capital。 另外，KOR ID 在 Base 上已经铸造超过 15 万个。最近 KOR 基金会也正式亮相，官方陆续公布了代币经济学和白皮书等信息，项目正在一步步推进。 代币方面，KOR 总量是 100 亿枚，TGE 初始解锁约 22.87%。团队和投资人在上线时没有代币解锁，锁仓一年后才开始释放。 这次上架 Bybit，对 KOR 来说也是一个新的进展，让更多人有机会了解这个项目。 我个人比较认可 KOR 的发展方向。它不只是发行一个代币，而是真的在做产品，也在慢慢建设自己的生态。 现在创作者越来越多，如果 KOR 能把产品做好，吸引更多创作者和用户加入，我觉得后面还是值得期待的。 感兴趣的朋友可以先关注起来，看看 KOR 后续会带来什么惊喜。 #KOR# #KORProtocol# #Bybit# #Base#

最近跟一个做音乐的朋友摆龙门阵，他说了句话： 现在做一首歌，快的话一个晚上就能出demo，但要从demo走到钱拿到手，少说几个月，中间全是各种套路。 什么沟通、授权、对分成、追结算，创作本身反而最轻松。 所以最近为啥一直玩 KOR @KorProtocol 的资料，因为它在Base上把创意资产的发现、核验、对接和稳定币结算串起来，能少绕几道弯。 而且Pacer和Korus已经在跑，官方披露产品侧毛收入超过200万美元； 7月拿了750万美元A轮，1kx、Blockchain Capital这些名字也在里面； KOR ID在Base上 mint 了15万+。 之前La Zic这事情。Zodiac Circus IV收了400多份投稿，社区投了5000多票，最后六位独立音乐人上了Beatport年度Hype厂牌； 还有之前的Pacer还把What Grows in the Dark带到了ADE阿姆斯特丹现场。 所以社区不只是听歌的人，也能变成帮好作品冒头的人。 另一个我觉着值得留意的点是Korus接x402，AI是我一直看好的方向。 AI Agent可以直接为创意资产和服务付钱，虽然规模还小，但场景是新的 ——以后帮你干活的Agent顺手把素材授权和结算一起办了，这不就是我想要的基础设施吗，哈哈哈 代币总量100亿固定，TGE解锁约22.87%，团队和投资人TGE零解锁、锁一年； MiCA白皮书也发了，公开信息摆在那儿。 我不是说KOR一定成。 但是让创作者把时间花回创作上，让作品被看见之后能顺顺当当结到钱 —— 这才是行业真正缺的。 KOR在做的事，是让未来那些嫌麻烦的人，也能被AI Agent 带着走完该走的路。 @KorProtocol #KOR# #KORProtocol# #Base#

注意力是最贵的资产，所以只有我选中的 6 个优质信息源更新时，Airtap @airtap_ai才能通过 iMessage 来找我。 先把号码放这儿，想试的直接存下来发消息：+1 (650) 248-0408 iMessage / RCS 都能发，中文指令就行，不用装任何 App。 这个号是我从官网领的，人多可能被发爆，超过5分钟没回你，就去 自己领一个专属号，30 秒搞定，现在还免费。 上次用 Airtap，我更多把它当成一个选题助手。这次我给它换了一份工作：替我守住注意力。 比如，YouTube平台最大的问题不是没有好内容，而是好内容和大量推荐混在一起。 我只是想知道 OpenAI、Anthropic、Google DeepMind、Two Minute Papers、Matt Wolfe 和 AI Explained 有没有更新，却经常在打开首页后，被推荐流带去看完全不在计划里的东西。 最后花了半小时，真正想检查的频道反而可能漏掉。 所以我给自己的信息入口设了一份白名单。 我先在 Airtap 的云手机里登录好 YouTube，然后通过 iMessage 发了这条任务： “每天检查这 6 个 YouTube 频道的 Videos 页面，每个频道读取最新 2 条视频。第一次运行时保存标题和 URL，建立基线。以后只汇报从未出现过的新 URL，不要重复汇报旧视频。结果附频道、标题、链接、页面可见播放量和发布时间。” 消息发出后，我没有再打开 YouTube。 在 Airtap 网页端，可以实时看到云手机开始执行。 它先打开 OpenAI 的频道，读取最新视频；再切到 Anthropic，然后继续检查其他白名单频道。 这不是在聊天框里生成一段“看起来像搜索结果”的文字。 它真的在云手机里打开 YouTube、进入频道、查看页面，再把变化送回 iMessage。 这次它一共检查了 6 个频道、12 条最新视频。 最后只汇报了 1 条相对上次运行的新内容： Two Minute Papers 的《Another DeepSeek Moment Has Arrived》。 页面显示约 2 万次播放，发布于 4 小时前。 报告第一行写的是： “CHECKED 6 · COMPARED WITH LAST RUN · NEW 1” 这套工作流最重要的地方，不是它找到了这一条视频。 而是另外 11 条没有变化的旧内容，没有再来占用我的注意力。 第一次运行建立 URL 基线。 从第二次开始，它只汇报发生了什么变化。 如果白名单频道都没有更新，它只回复：“NO NEW SIGNALS。” 检查结束后，任务会同步出现在 Airtap 网页端的 Tasks 里。我可以回看执行结果，以及云手机最后停留的页面。 最后，我把整个流程保存成了 Routine。 现在它每天早上 9 点自动打开 YouTube，检查这 6 个频道，对比上次记录。 只有白名单里的信息源真的更新了，结果才会主动发到 iMessage。 Airtap 背后是一台可以保持登录状态的云手机。担心主账号风控，也可以专门登录一个小号。 以前是我打开 YouTube，在推荐流里寻找值得看的内容。 现在是我先决定哪些信息源值得信任，再让 Airtap 只把变化送到我面前。 我不是让 AI 帮我看得更多，而是让它帮我拒绝更多。 最新可用号码需要在官网领取，现在还是免费哦：

论文下载了一堆躺在文件夹里，找的时候全靠回忆文件名。这 6 个把找、读、管三件事分别解决： 1、【Zotero】 文献管理的标准答案。浏览器上看到论文点一下插件，PDF、标题、作者、期刊信息全部自动存进库，写文章时在 Word 里一键插入引用并生成参考文献列表，换个格式要求也是点一下的事。完全免费开源。 2、【Connected Papers】 输入一篇论文，它画出一张关系图，把和它高度相关的几十篇按相似度和时间摆开。进入一个陌生领域时，用这个比顺着参考文献一篇篇翻快得多。 3、【Semantic Scholar】 免费的学术搜索引擎，收录两亿多篇文献，会自动生成摘要要点，还能看到某篇论文被引用时别人具体说了什么。 4、【Elicit】 用来做文献综述。提一个研究问题，它去论文库里找相关研究，并把每篇的样本量、方法、结论抽成表格排好，一眼能看出哪几篇结论互相矛盾。 5、【SciSpace】 读论文时的解释器。选中看不懂的公式或段落，它用大白话讲一遍，还能追问。跨领域读文献时省很多力气。 6、【ResearchRabbit】 定位是文献推荐。把已经读过的几篇放进去，它持续推送相关新论文，还能顺着作者和引用网络往外扩。免费。 先用 Zotero 把库建起来，其他工具都是围着这个库转的。

每天刷两小时推特，看到的还是二手转述。这 12 个源直接看一手，建议收藏： 1、AI News — 每日自动汇总各大社区和论文动态的日报，一篇顶你刷半天 2、The Batch — 吴恩达团队的每周简报，观点比资讯多，适合建立判断 3、Hugging Face Papers — 每天社区投票选出的热门论文，带简介 4、alphaXiv — 论文讨论区，能看到同行对一篇论文的质疑和补充 5、arXiv — 最原始的论文源，追某个方向就订阅对应分类 6、LMArena — 大模型盲测竞技场排行榜，看真实对战胜率而不是厂商自测分 7、Artificial Analysis — 各家模型的速度、价格、质量横向对比，选型时直接看这里 8、OpenRouter Rankings — 按实际调用量排的模型使用榜，能看出开发者到底在用什么 9、Simon Willison's Blog — 每个新模型发布他都会实测并写清楚能干什么，几乎不吹 10、Latent Space — 深度访谈和技术拆解，适合了解工程侧的真实做法 11、Interconnects — 训练和后训练方向的深度分析，偏研究 12、SemiAnalysis — 算力、芯片和数据中心的产业分析，看清楚上游发生了什么 如果只留两个：日常追进展看 AI News，选模型看 Artificial Analysis。

每天刷两小时推特，看到的还是二手转述。这 12 个源直接看一手，建议收藏： 1、AI News — 每日自动汇总各大社区和论文动态的日报，一篇顶你刷半天 2、The Batch — 吴恩达团队的每周简报，观点比资讯多，适合建立判断 3、Hugging Face Papers — 每天社区投票选出的热门论文，带简介 4、alphaXiv — 论文讨论区，能看到同行对一篇论文的质疑和补充 5、arXiv — 最原始的论文源，追某个方向就订阅对应分类 6、LMArena — 大模型盲测竞技场排行榜，看真实对战胜率而不是厂商自测分 7、Artificial Analysis — 各家模型的速度、价格、质量横向对比，选型时直接看这里 8、OpenRouter Rankings — 按实际调用量排的模型使用榜，能看出开发者到底在用什么 9、Simon Willison's Blog — 每个新模型发布他都会实测并写清楚能干什么，几乎不吹 10、Latent Space — 深度访谈和技术拆解，适合了解工程侧的真实做法 11、Interconnects — 训练和后训练方向的深度分析，偏研究 12、SemiAnalysis — 算力、芯片和数据中心的产业分析，看清楚上游发生了什么 如果只留两个：日常追进展看 AI News，选模型看 Artificial Analysis。

一张B200，带着14台Mac训练模型 最近看到 Pluralis Research 做了个挺有意思的实验：他们用分散在四个国家的 14 台 Mac，给一个 8.3B 参数的 MoE 模型做 RL 后训练。其中一台，还是研究员自己天天用的 MacBook。 简单说，这套系统是： - 14 台分散在巴黎、苏黎世、都柏林和多伦多的 Mac，负责让模型不断做题、搜索论文、生成回答，也就是产生 RL 所需的 rollouts。 - 一张数据中心里的 NVIDIA B200，负责真正的梯度更新。 - 两边不直接连接，只靠一个 Cloudflare R2 对象存储中转模型权重和 rollouts。 - 最后，模型在 PaperSearchQA 上的 held-out pass@1 从 29% 训到了 63%。 为什么这么分工？因为 agentic RL 里最耗时间的往往不是反向传播，而是生成 rollouts，很多任务能占掉整场训练 90% 以上的时间。而生成 rollouts 要的是大量推理和足够大的内存，不一定非得动用最贵的训练卡。 Mac 的统一内存刚好适合干这个。尤其是 MoE，模型很占内存，但每个 token 只激活一部分专家，计算量没总参数看起来那么吓人。于是 Mac 用 MLX 跑 int8 推理，B200 用 Megatron 跑 bf16 训练。 当然，这还不是“在家用Mac训练大模型”，但很有意思，这跑通了一种很有意思的算力分工：少量昂贵的训练卡负责梯度更新，大量消费级设备负责最耗时间的生成。以后那些白天开会、晚上吃灰的 Mac，说不定真能兼职给模型打工了？