這腹肌的控制力也太絕了！一吸氣直接把肚子收成這樣，核心力量和真空腹的技巧簡直拉滿。 #真空腹# #核心訓練# #健身# #腹肌# #身材管理#

廢鐵還是寶藏？ 全美唯一戰機再生基地，全球零件最後供應點 2026年4月21日，亞利桑那州圖森市，全球最大的軍用飛機存放中心——戴維斯-蒙森空軍基地再度引起關注。這裡被譽為「飛機墳場」，目前由第309航空維護與再生大隊（AMARG）管理，佔地2,600英畝，封存著包含B-52轟炸機、F-16戰鬥機等75類、共計3,488架退役軍機。 該基地憑藉乾燥氣候與堅硬土壤，成為戰略物資的理想儲存地。基地公共關係經理雷恩指出，此處並非單純的報廢場，而是美國軍方的「工業後備基地」。每一架飛機均經過排空液體、拆除危險部件及密封防護，以應對長期存放。 AMARG承擔儲存、回收、再生、改裝及維護五大核心任務。這裡不僅是老舊零件的全球最後供應站，更是美軍戰力的深度儲備，部分飛機具備隨時重返戰場的能力。目前，基地內的F-16戰鬥機已部分拆解，並送往烏克蘭作為訓練平台，在現代衝突中發揮餘熱。

空瑜最怕的暖身系列 ：來重心給掛布 掌心貼地後轉 空瑜老師：很久沒來了吼！從吊掛開始重練（🙃🙃🙃 重訓教練：人咧多久沒來…. 我去穿肚臍環核心出力會痛啦🥹

OpenAI 后训练核心成员翁家翌（Jiayi Weng）以个人名义提出了一种名为「启发式学习」的强化学习新范式，并开源了全部实验代码。他用 Codex（GPT-5.4）反复玩 Atari 打砖块游戏，但 GPT-5.4 自始至终没有被重新训练过。真正在进步的，是 GPT-5.4 写出来的那套游戏策略代码。 流程是这样的：GPT-5.4 先写一版打砖块的 Python 策略，跑一局，看录像，找出哪里打丢了球，然后自己改代码再跑。经过几轮迭代，策略代码从 387 分涨到了 864 满分。全程没有任何神经网络被训练，纯靠 AI 反复修改 if-else 规则、调落点预测、加死循环检测。最终那套代码包含球路预测器、卡球检测器、回归测试和实验日志，已经长成了一个完整的软件系统。 这和传统强化学习的核心区别在于「学到的东西存在哪」。传统做法把知识压进神经网络参数里，人看不懂，学新任务还容易把旧的覆盖掉（即灾难性遗忘）。翁家翌的做法反过来：知识就是代码，人能读、能改、能加测试锁住，不会因为学新东西就丢了旧本领。 除了打砖块满分，他还在 MuJoCo Ant（模拟机器蚂蚁走路）上跑出超 6000 分的深度强化学习级成绩，在 Atari57 全套 57 个游戏上逼近了 PPO 基准。但翁家翌也明确画了边界：纯代码搞不定复杂感知任务，比如用 Python 写 if-else 去认图片。 他设想的终局是混合架构：底层用轻量神经网络负责视觉等感知，中层用启发式学习处理实时逻辑和安全规则，顶层由大模型审查日志、改代码，再周期性地用底层积累的高质量数据更新自身。过去手写规则之所以被淘汰，不是因为规则没用，而是人类维护不起。现在 AI 写代码够快够好，这条老路重新走得通了。

私人健身、工地彩排、安保排场、整场荒诞视察收尾 一、专属私人健身团队，每日固定晨练流程 许家印常年保持规律健身习惯，此次视察全程自带美国高薪聘请专属私人健身教练，一对一全程陪同指导，酒店专属健身房提前清空清场，消毒换新，只保留意大利顶级进口健身器械。 次日清晨固定晨练流程： 六点半准时起床，秘书提前备好熨烫平整的定制运动服饰；六点四十五开始一小时标准化训练，先进行20分钟跑步机有氧慢跑快走，严格把控心率区间，再依次开展上肢哑铃、下肢深蹲、腰腹核心力量训练，最后由教练全程辅助全身拉伸放松，避免运动损伤。 锻炼结束后即刻沐浴更衣，发型师第一时间整理造型，确保状态整洁精致，再赶赴机场返程。 二、工地视察：步数、角度、时间全部精准彩排 短短几分钟工地调研，分公司提前一周全面筹备，表面功夫做到极致夸张。 工作人员精确测量下车点到视察台距离，换算许家印日常步幅，算出刚好45步落脚位置，在地砖缝隙做隐蔽标记，保证站立点刚好是最佳拍摄光影角度。 握手姿态、鞠躬幅度、发言顺序、喷泉启停时间，全部精确到秒反复彩排演练。 工地提前一周停工降噪，停止所有粉尘、异味、噪音工序，全程高频洒水降尘；原本计划喷洒淡香水掩盖泥土异味，因担心过敏最终取消，改用大量绿植净化空气。 现场专门搭建总裁专用临时卫生间，配备恒温智能马桶，水面铺一层防溅射泡沫，搭配专属淡香氛，干净无味。 现场露面工人、安保全部是精心挑选的形象人员，身高统一、着装整洁，不允许大汗、脏乱、随意神态，全员精神整齐划一。 三、严苛安保隔离，隔绝所有闲杂人员 许家印十分反感无关人群、普通民众靠近，酒店单独预留一部专用电梯，24小时专人值守，只供其一人及核心随行使用，严禁其他客人触碰乘坐。 全域全程贴身保镖警戒，划定严格安全隔离区，无关人员一律远离，不允许围观、逗留。所有随行高管、工作人员统一深色正装，领带、站姿、走路步调整齐划一，不许随意走动、喧哗。

改变大模型竞争格局的一次投资，昨晚Google宣布对Authropic最高400亿美元新投资承诺：1）立即投入 100 亿美元现金，与26年2月融资轮估值一致，不含后续新募资金； 2）额外 300 亿美元 视 Anthropic 达到特定业绩里程碑后投入； 3）同时支持 Anthropic 大幅扩充算力（Google Cloud 将提供新增 5 吉瓦容量，未来 5 年内可进一步扩展） 这次投资完成，谷歌应该就是Authropic最大的份额的外部股东了、当然严格控制在 15% 以内，以免触及反垄断法。 对Google来说意义重大： 1）对冲 OpenAI 风险，Google 通过少数股权绑定 Anthropic，同时自身全力推Gemini，这是一种典型“投资对手”策略——既防止 OpenAI独大，又通过 Vertex AI集成 Claude 丰富产品生态。 2）通过巨额云合同将 Anthropic 的增长转化为 Google Cloud 收入，做大自身的TPU生态、用投资换取算力绑定；这个非常关键， 3）在 AI 军备竞赛中保持技术前沿地位；4）潜在 IPO 后账面巨额浮盈，Anthropic 潜在估值已经逼近OpenAI了。 对Authropic来说意义更重大： 进一步获得海量算力支持（TPU 是其训练核心），加速 Claude 迭代和企业客户扩张。资金储备更加充足 紧随 Amazon 上周承诺最高 250 亿美元投资之后，Anthropic 在短短一周内锁定超 650 亿美元 新资金承诺。 把Anthropic过去半年的金主清单列出来，会发现一个荒谬的现实： 1）亚马逊：50亿美元现金 + 上限250亿美元 + 5GW Trainium算力 + 1000亿美元AWS采购合同； 2）谷歌：100亿美元现金 + 上限400亿美元 + 5GW TPU算力； 3）英伟达：上限100亿美元 + 1GW GPU供给； 4）微软：上限50亿美元 + Anthropic向Azure采购300亿美元算力。 四家硅谷顶级玩家，全部在Anthropic的股东名册上。 也是之前算力短缺的痛苦，让Authropic疯狂寻找新算力供给：思路很清晰，绑定算力供给的最大玩家，但并不是跟一家深度绑死确保自身的灵活度，分散供给。 闲杂压力给到了OpenAI上 以前硅谷大模型御三家，OpenAI、Authropic、Gemini，现在后两者既竞争又合作。Meta、Grok还在奋力追赶。 而算力格局、TPU生态正在快速崛起，未来真有可能GPU、TPU两强相争（虽然现在还差距很大） Google对Anthropic 的投资从 2023 年的 3 亿美元起步，已演变为累计超百亿美元（含最新 400 亿承诺）的战略布局，核心是算力绑定 + 少数股权 + 云收入的三重收获。最新 400 亿美元承诺标志着双方联盟进入新阶段，也凸显 AI 基础设施竞赛的激烈程度。竞争进一步白热化

BNB Chain 已明确把自己定位为 “AI-First 区块链生态”，生态里已经有 50多个与 AI 生态相关的项目，涵盖数据收集、存储、标注等环节。 GAEA @aigaealabs 也选择部署在这里开发部署，看介绍是一个整合人类情绪数据的去中心化 AI 训练网络，核心方向是专门做“人类情绪数据变现”。 通过可穿戴设备，或语音、文字等方式，贡献真实的情绪与生理数据，帮助 AI 更好地理解人类情感。这些原始数据经过安全处理后，被转化为可验证、可结算的结果。 作为回报，用户获得 SOUL 积分，未来可用于兑换代币、服务或折扣。 这让我想起 a16z 投资的 Poseidon （融资 1500 万），也是通过协议化方式收集语音数据，用于下一代 AI 训练。类似的成功案例还有 Web2 估值已达 110 亿美元的 Oura 智能戒指。 Oura 通过戒指内置传感器，持续采集心率、体温、血氧、活动和睡眠数据，并在 App 中提供健康与恢复洞察，硬件负责获取数据，服务与洞察负责长期变现。 这些项目背后，都应该是看重同一个趋势，未来类似机器人这种下一代 AI 都必须持续从真实的物理世界获取高质量的人类数据，数据本身正在成为商业模式。 所以我在想，如果这种模式成立，那如果 GAEA 能围绕情绪做“持续感知 + 行动建议”，它就不只是训练 AI，而是直接变成一个有用的产品。比如通过设备发现你今天情绪低落 / 波动异常，通过 API / App自动生成一份情绪状态报告，同时给一些明确、可执行的建议会让自己心情变好，比如： ·今天别做高强度决策 ·去运动跑 30 分钟 ·跟某个人聊一下 ·吃一顿火锅，喝杯精酿 那GAEA 如果能把情绪变成每日可追踪的状态指标，本身就有价值。

3 呼吸训练 先看一个数据：办公室人群70-85%的工作时间都在坐着。 问题是，弓背久坐会让肋骨贴近骨盆，横膈膜被"锁死"，根本没法正常下降。身体自动找代偿：用肩膀、斜方肌、脖子来呼吸。 结果？颈椎问题、肩背酸痛、核心无力，全来了。你以为是"坐太久"，其实是"呼吸错太久"。 我就是典型反面教材：一直用肩膀和斜方肌呼吸，肋骨两侧完全不会动，腹内压也有问题。 开始练呼吸之后，头几天肋骨酸——和鞋垫一个道理，酸就是代偿模式在被纠正。 现在睡前5分钟呼吸训练是固定功课，心率下降、HRV提升明显，第二天恢复状态肉眼可见。 小技巧：练习时用手机录一段视频，传给Gemin，让它帮你看姿势、纠动作。相当于免费请了个24小时在线的呼吸教练。 每天两万次的动作，99%的人从没优化过。横膈膜不只是呼吸肌，还是核心稳定的关键——一个失活，全身代偿。

未发币的AI 数据训练协议Perle 正式上线 S1 活动，重点看下 打这个perle项目的时候出现的中文名是：普洱 😂 参与入口→ 邀请码 EQm9y3 一、怎么做-无门槛： 1、完成邮箱验证，链接sol钱包等。 2、在市场板块，完成相关任务，最后那任务答案CAEDCDCEEA 3、持续做后续任务攒积分，后面换徽章 / NFT。 二、说几点看法： 1）赛道有财富效应：这个赛道的之前已经跑出过 AI 数据项目（VANA / SAHARA / Mira 等），上Ba、Upbit 的也不少，上线后价格表现都不错，有赚钱机会，我印象深刻的是vana的那个NFT，爽爆了。 2）S1相当于明牌激励-新人可参与 Beta 测试不到 2 个月 170 万任务 / 3.33 亿积分，后面直接把积分徽章升级成链上 NFT，项目方说的是可展示可验证可交易，可用于未来奖励的永久链上证明，这明确暗示未来可能跟奖励、空投挂钩，算明牌激励。新人友好持续做应该有福报。 3）Perle 项目有自己的特色： 核心就两点：真人 + 高质量。 这类项目一般都会强调真实行为，所以perle也是强调真人来做、真人来验，做得准不准、贡献多不多都会上链记成声誉，再用奖励把高质量人工反馈变成持续的训练燃料，本质就是AI 数据的质检 + 背书，跟那种随便爬垃圾数据喂模型的路子不一样。 差异化在于它盯不能出错的场景：医疗手术、军事决策、电网调度、更强合规审计的企业级应用。 这些地方怕的不是数据少，是数据不真，不可追责，且有AI 幻觉，回答牛头不对马嘴。所以他们一直喊高质量、可审计、可溯源、可验证。 我的理解是高风险场景就相当于高价值市场，愿意付费的人更多，也更卖得起价。 4）团队与融资不错 团队背景多来自 Scale AI 、Meta 、 MIT 等，Scale AI 是 Web2 数据标注标准的王者，逆天估值的300亿。Perle 要做 Web3 版Scale，解决数据黑箱 、质量不稳 、激励错位，叙事也可落地。 项目基于 Solana 高吞吐来支撑大规模任务。也得到1750万美金融资,由 Framework 和 CoinFund 领投。 #perle#