RSI和区块链是完美搭档 你提供算力给AI，AI进化，AI赚钱，然后AI分一部分给这个网络中确权的幸运儿 这场游戏的最终获胜者，是制定游戏规则的人 也就是RSI的奖励目标到底是什么 RSI的奖励系统如何设计 如果这个东西搞不清楚，最终奖励就会酿造悲剧 因为Reward Hacking一直在 你一直鼓励什么，最终就会走向鼓励的反面 所以这套奖励机制是一套内源内生的拮抗系统 它是一对阴阳，也需要互相平衡制约 当系统失效之后，AI就会变得可怕，可怕过头了，就会发生灾难，然后一切归零，再度进入一次循环

上周，当标普RSI达到75，纳指RSI达到78，半导体ETF SMH达到82，所有主要市场指标同时达到多年来的最高超买水平，技术性超买需要一个合理的解决。 今天，技术性回调到来。股市回落，情况看起来很糟，但与此同时，今天公布的每一项基本面数据都继续证实了看好AI的立场。 回调本身并不是重点，基本面才是，而基本面从未像现在这样分化。

46.5亿美元估值的RSI：“最顶级的资本还是看人” 一家还没有产品的AI实验室，为什么能融到6.5亿美元、估值46.5亿美元？ 田渊栋的回答很直接：最顶级的资本，还是看人。在AI变化极快的阶段，具体产品和商业模式都可能被新模型迅速改写，真正稀缺的是团队的判断力、执行力和调整方向的能力。 这也是RSI选择从“自动化AI科研”切入的原因：不急着做一个短期赚钱的垂直应用，而是押注更底层的自我进化范式。AI创业的核心，可能不是先做什么产品，而是谁能在范式变化里一直活下来。 这是我们专访Recursive Superintelligence联合创始人/前Meta基础AI研究（FAIR）团队研究总监田渊栋的精华节选，感兴趣的话欢迎观看完整版。

90%的CFD交易者，都把RSI用错了。 真正高胜率的用法，根本不是看超买超卖，而是图里这两个指标。 保存这张图，提升你的RSI使用效果 👇

这几天了解学习了一下 RSI，感觉这个或许是 Coding Agent 之后 AI 应用层下一个最大的方向。 RSI 的全称是 Recursive Self-Improvement，递归自我改进，这个概念在 AI 里非常重要，这意味着一个临界点。 在 AI 迭代的过程中，人类已经不是主角，旧一代的 AI 开始参与甚至主导新一代 AI 的训练过程，AI 自己发现自己的缺陷，自己提出改进方案，自己做实验，自己评估效果，这是一个完整的研发自动化闭环。 我想到 RSI 最大的一个优势在于，AI 不需要休息，不需要吃喝拉撒，单位时间的产出远远大于人类。 一个研究员每天有效工作时间可能是 8 个小时左右，但一个 AI Research Agent 理论上可以 24 小时不间断运行，而且在算力供应足够大的情况下，可以被复制出来成千上万个 agent，并行完成整个研发工作流。 这意味着 AI 科研从过去的碳基驱动变为硅基驱动，以算力为核心的 AI Infra 会变得越来越重要。 之前 OpenAI 传出来的内部讲话，Sam Altman 告诉员工，公司可能会推迟上市到 2027 年，其中一个理由就是大模型 RSI 递归自我改进，技术和世界可能会以意想不到的方式变化，而保持私有公司，对于 OpenAI 来说是更加有利的。 如果 AI 自己开始参与主导下一代 AI 的研发，那么像 OpenAI、Anthropic 这些模型厂商的估值逻辑，都会发生巨大的变化。 而从投资者的角度出发，AI 产业链的供需逻辑会被再次重估，算力、存储、电力甚至各大基础材料的瓶颈会越来越明显，上游卖铲子的这些公司仍然有着最高的确定性。

币安这个小游戏确实不错，深入浅出能把rsi背离都解释了，超买不一定跌，拐头再下再说，这就是我们常说的右侧交易。很多人涨了就空然后麻，那就叫左侧。。。

第三种策略，是用成交量和RSI的背离去确认趋势的反转。 RSI表示的是市场是否出现超买和超卖，成交量则是市场活跃度的直接体现。 当价格出现新高，但是RSI和成交量却越来越小，就表示市场超买后，动力也开始减弱，持续买入的资金开始减少。 这种背离状态出现后，价格出现反转的概率就比较高。 当K线的收盘价跌破趋势线，或者第二根均线的时候，就是平仓或者入场空单的信号。 这里均线的参数是7，20，50，100，120，200日均线。 各位不能开多指标的，可以在TradingView的指标搜索栏搜半神MACD的全称，指标内有5条均线合成一个的均线指标，把其他功能都关掉就可以当均线使用。 在Flight看来，持续上行趋势的标志，是在触及趋势线的时候，伴随成交量的增加快速远离。 如果K线像这种持续在趋势线或均线附近震荡，接下来就极有可能会开始下跌。