Galaxy Research 对历次比特币熊市进行回测，采用“收盘价跌幅超过 50%、持续至少 90 天”的标准，统计了 2011 年以来 6 次完整熊市和当前周期。结果显示，50 日均线（50d MA）收复速度快但信号噪音较大，6 次熊市中共有 43 次收复失败并创更低收盘价，且首次 50 日均线收复均未能确认底部；相比之下，50 周均线（50w MA）的信号更可靠，13 次收复中仅 2 次失败。历史上，底部形成后比特币通常会在 5–56 天内重新站上 50 日均线，但收复 50 日均线并不代表熊市结束。50 周均线确认则更滞后，在长期熊市中通常发生于底部后 130–284 天，此时价格已上涨 63%–80%。目前 BTC 价格约 77,500 美元，较 6 月 30 日低点上涨 32.4%，50 周均线位于 82,470 美元，若周线重新站上该位置，可能成为当前周期底部形成的更强确认信号。

Grayscale Research 表示，随着稳定币、区块链应用和人工智能推动金融透明度提升，隐私保护可能成为数字货币领域的重要需求。Zcash 是类似 Bitcoin 的去中心化数字货币，通过零知识证明支持隐藏交易发送方、接收方和金额，使其具备类似现金的隐私属性。报告指出，Zcash 经过多年协议升级，屏蔽交易使用率正在提升，钱包和基础设施也在发展，但隐私赛道仍面临监管、技术升级和生态采用等风险。目前 ZEC 市值约 80 亿美元，仅占加密货币“数字货币”板块约 0.6%；若其未来在该市场中占据 5% 份额，理论估值空间可能扩大约 9 倍。Grayscale 认为，Zcash 的核心投资逻辑在于市场是否会重新评估隐私在数字货币体系中的价值，而非取代 Bitcoin 成为主流货币。

Galaxy Research 表示，美国加密市场结构法案《CLARITY Act》在 2026 年内通过的可能性正在下降，立法前景的不确定性促使 SEC 与 CFTC 加快通过规则制定、解释性指引及监管豁免等行政手段，为数字资产发行、交易和市场监管提供更明确的规则。Galaxy 指出，这些措施可在国会立法停滞期间暂时填补监管空白，但其法律效力和持久性弱于正式立法，未来政府仍可对其进行修改或撤销，因此难以替代国会建立的长期监管框架。

Galaxy Research 研究主管 Alex Thorn 表示，Coldcard 漏洞相关攻击仍在持续，尚未迁移资产的受影响用户应尽快转移资金。其称，目前已识别的三轮大规模攻击（Wave 1、2、3）涉及的被盗比特币仍停留在攻击者地址，尚未发生转移。此外，被盗 BTC 在被盗前平均休眠时间为 3.18 年，中位数为 3.55 年，显示多数受害者为长期持币者。

Galaxy Research：Coldcard漏洞造成的损失升至8860万美元，涉及超4500个地址 Galaxy Research 分析称，针对 Coldcard 生成的地址出现了第三波攻击，其中 207.7294 个比特币被盗。目前预计 Coldcard 攻击的总损失规模为 1,367.05 个比特币（约合 8860 万美元），涉及 4,585 个地址。

如果 Research Agent 只能把 leaderboard 分数刷高，那它离真正做研究还差很远。 真正有价值的 ML 方法，需要换设置、换规模后依然成立，也要经得起复现和泛化检验。 这篇论文提出的 MLS-Bench，就是为了评估这个能力。 它覆盖 12 个核心 ML 领域、140 个任务。每个任务都放在受控 scaffold 里，让 Agent 改进一个具体 ML 系统，并在多个泛化设置下评测，最后和同一环境里复现的人类 SOTA 方法直接比较。 这样做的重点是防止 Agent 走捷径：比如改 evaluator、改数据管线、扩大模型容量，或者只在可见验证集上刷分。 结果很现实： 即使强 baseline 已经给到模型，当前 frontier agents 依然没有超过最强 human SOTA。Human SOTA 平均分是 42.6，最好的 Agent 是 Claude Opus 4.6，分数为 36.0；Gemini 3.1 Pro 是 34.9。 更多迭代和更大 test-time search 可以缩小差距，但很难真正弥合差距。模型目前更擅长调参、工程优化和重组已有组件；一旦要求它提出能稳定泛化的新机制，短板就会明显出现。 我觉得这篇论文把 Auto-Research 的门槛讲清楚了。 低成本 verifier 下的大规模搜索，可以帮模型找到更高分的候选方案，但真正的科研还需要科学判断力：知道该验证什么、怎么分配有限算力，以及如何把局部结果变成可信证据。 未来 Research Agent 的核心能力，可能会从「生成 idea」走向「构建证据」。 能写出一个 proposal 只是开始。能在昂贵、不完整、需要复现的验证条件下，把一个方法真正证明出来，才更接近机器学习研究。 📎 arxiv:

Binance Research发布了稳定币报告，里面有几个有意思的点： 1/  自2022年以来币安Earn已向稳定币持有者分发12亿美元。 太平洋没加盖，人往哪游说明哪里更文明，区块链也没加盖，稳定币往哪里转，说明用户信任哪里。 Binance Earn已经提供了具备可持续性、安全、稳定的收益，Boost里面长期保持多种年化10%+产品共选择；站内提供了很多次20%+的稳定币活动，同时你的资金还可以获得Alpha积分、BoostDrop、VIP权益。你的钱在BN可以获得银行8倍、链上DeFi协议2倍的收益率，甚至BN还是你最信任的平台，那怎么选？ 2/  交易所成为稳定币的枢纽。币安持有530亿美元的稳定币储备，接近第二的五倍。 这个结果有三个最重要的原因： ①安全且更高的收益，前面已经讲过了。 ②BN已经成为了稳定币交换的枢纽，支持所有主流稳定币、最好的深度、并且主流币对0交易费，有一个更有意思的事情是你如果使用Binance Wallet聚合跨链桥，很多时候会被路由到Binance站内，也就是先充值再提现，这样成本会比链上桥低很多。 ③Exchange The World，你可以在站内使用稳定币购买到主流加密货币、股票、合约、贵金属、链上资产、期权，交易的首选自然成为AUM的首选。 3/  支付金额持续上升。 支付毫无疑问是这轮周期的确定性机会，到现在U卡、数字银行已经在圈外大规模普及，你在小红书、抖音、微信、知乎都能刷到大量内容。 还有个有意思的事情是在欧洲和日本，很多华人买房都会使用U交易来避税（PS：请遵守所在地法律法规）。期待Binance Pay和Card普及更多国家和场景👀👀 全文➡️

AI-research-feedback，一个给 Claude Code 用的学术审稿技能。 核心能同时跑六个审稿智能体，分别盯语法、前后一致性、公式、图表和论证漏洞。 还能指定 QJE、AER 这类期刊，模拟对应审稿人的挑剔程度，最后合成一份结构化审稿报告。 GitHub： 除了完整审稿，还有轻量快查版、论文和代码一致性检查、基金申请书审阅。 一条 curl 命令就装好，可直接读 LaTeX 源文件来审，经济、金融方向的期刊也支持。

BeInCrypto Research 联合 rwa xyz 发布的《The Real State of Tokenization in 2026》报告显示，截至 2026 年 5 月，现实世界资产（RWA）代币化规模约为 600 亿美元（不含稳定币和回购协议），但市场高度集中，仅 62 项资产占据约 88% 的市场价值，其中 5 项产品占据市场约一半规模。与此同时，约 56% 的市场价值没有每周链上转账活动，97% 的市场仍无法向美国零售投资者开放，仅代币化美国国债达到成熟生产阶段（Production Grade）。报告认为，目前相当一部分代币化资产仍停留在资产登记（Representation）阶段，提升资产分发、流动性和可组合性的基础设施仍在建设中。