大家難得一起出去玩 真的只有開心二字😂 我們下次在一起去遊樂園玩吧 不過不是六福村了 麗寶 如何✌🏻✌🏻 #能夠一起瘋的能有幾個# #我們下次在一起出去玩吧# @FreelyMia @Jsss_18 @trees20110801 @PhiPhi089478 @y_TooT_y @angelacuculala

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

曾經以為欲求不滿的自己，想要的是接棒式性愛馬拉松，但現在懂了。 需要的只是那個，跟我有相同頻率、能夠一起瘋得徹底的，你；那些幻想都是沒人給過的，無須多言就被你一一實現，謝謝你給的那些，最愛你了❤️ #小母狗# #曬肥腿# #襪子都起毛球了# #大叔老公# #到處都是粉色泡泡#

我們的完整體演唱會 My Secret New Zone，謝謝大家來到現場💛🩷🩵💚 因為是第一場演出，一開始真的很緊張、也有點不安，但WAV們的應援聲真的太大聲了，讓我們非常驚喜！多虧了你們，越到後面我們越能享受舞台，也真的感受到大家滿滿的愛。 之前以Alphie演唱會來到台北時，就曾想過「下次一定要以完整體在這裡開演唱會」，沒想到這個願望比想像中更快實現了，真的非常開心。能夠和大家一起創造屬於我們的回憶，對我們來說是非常珍貴的事情。 每次來到台北，都能感受到大家溫暖又真誠的心。你們的笑容、你們的眼神、你們大聲喊我們名字的瞬間，我們都會牢牢記在心裡。 謝謝你們一直相信我們、支持我們，也謝謝你們一直等待我們。這兩天真的因為你們而變得更加特別。 謝謝你們帶給我們滿滿的幸福與力量。 有一天我們一定會再回來，帶著更帥氣、更成長的 모습站在你們面前。 台北WAV 我愛你們❤️❤️❤️ #tripleS# #트리플에스# #トリプルS# #トリプルエス# #トエス# #Kotone# #코토네# #コトネ#

這次紅白能夠順利結束，真的要感謝所有工作人員、成員們、還有我們的 LUNÉ！ 多虧了你們的熱情與應援，我們才能不留遺憾地完成這次表演～～🤍 也要謝謝八三夭樂團的前輩們！！ 能在這樣重要的舞台上一起表演，我真的非常榮幸。也謝謝你們的照顧與分享，讓我更有信心完成演出。 我會把今天學到的好好消化，期待未來再有機會同台。真的謝謝你們！🔥 #2026超級巨星紅白藝能大賞# #andTEAM# #NICHOLAS#

開放式的關係其概念在於 能更自由的和他人有親密接觸 能夠發展成性關係 但不一定有戀愛關係 和其他的伴侶在一起能探索更多不同的需求 也會讓彼此之間的相處壓力較小 在誠實溝通的前提下主要伴侶不變 能夠既不影響彼此生活 也不會讓彼此的界線模糊 得到所有人都可以接受的答案 所以… . . . . . #約會嗎#

我出演的「鮑魚遊戲2」終於要在1/31上映啦 爲了讓粉絲們能夠共襄盛舉 麻豆特別在1/11舉辦線下活動邀請粉絲們一起來見證大製作的誕生😻😻 在現場我們準備了許多禮物和合照的機會🫣 詳細活動內容可以點擊我的專屬鏈結喔～ 期待在現場和你們相見🫶 @mdclub01

謝謝中華隊帶給我們的熱血與感動 那份一起吶喊、一起緊張、一起相信的心情 一定會一直留在我們心裡🥹 Team Taiwan 你們永遠是我們的驕傲🇹🇼🔥 謝謝中華隊辛苦了🫡 能夠為你們應援真的很榮幸🙇🏻‍♀️

六天的行程，轉眼間就這樣結束，每一次的旅遊，只要是出國，都是自由行為主，行程自己能夠安排，時間也能自己掌控，最重要的是當遇突發狀況，都能更改目的地，不會因為既定而停滯浪費時間。 大阪的夜生活真的香，香到會暈船的那種，看看價格的照片先，週末再來捋捋為什麼說很香😆😆 不得不說 U卡在出國時真的好用，所有計價都用 U算，一趟下來的花費，也不過就小幾千刀，算一算，比打土狗都還要省。 雖然有 U卡，但有些結帳就是只能現金。日本的零錢是真的多，面額從1元到500元，都是硬幣來著，在現金支付時，挑零錢就成了一大難題，幾次去超市買草莓，都因為懶得湊零錢，直接撸鈔票比較快🤣🤣 氣候加上地理位子，這時節還能有草莓能買，基本上有在架上的都買過一輪，長崎、熊本、小豆島、宮崎、奈良、兵庫，一盒價格都落在500-1300日圓，6天大概買了15盒吃，最後得一個結論，越紅越有草莓味也越好吃甚至也越甜！（淡雪的例外） 四月過一半了，從月初玩到月中，看了下進度，真的不得了，去日本這幾天沒得玩天堂，收益除了打預測的幾百刀，其餘全都停滯🤣🤣 旅行真的是很棒的修習，除了玩之外，跟當地的交流也是能學習的，還好英文能力尚可，在溝通上基本還是可以的。 這趟出門還帶著 BUBU 和 SATO 一起，值得開心的是當地有人問這在哪買的，然後小聊一段才知道原來是 @MemeCore_M & @MemeX_MRC20 項目的吉祥物來著，藉機就是推薦一波😁😁 #大阪夜生活# #可愛到暈船# #自由行# #BUBU# #SATO#

前幾天剛好跟朋友在討論預測市場當前到底需要的是什麼，看似繁榮其實並沒有很好的讓大家都上手 多數交易量肯定都是來自 bot ，而且多數人參與其實滿容易虧錢的 最大的問題就是不同市場的流動性碎片化再加上介面不好用、不直覺 以台灣來說甚至登入個 polymarket 都有問題，仍是最大痛點，我最常用的還是 polymarket 的 CLI 當前有兩個痛點需要被解決：更好懂的介面以及更絲滑的入金方式 市面上的方案都沒有真正解決這個問題，更不要說單純的 AI 工具 不管是否幣圈，AI agent 使用率都是不高的，一個重要原因是最一開始的啟動流程仍然有些複雜，只有真的動力強的少數族群才會每天用 另一個更根本的原因是，主流模型從來沒有被真正為「在市場裡賺錢」而設計過，它們能提供分析結果 但分析≠ 不代表真的能夠賺錢 用戶本身具有交易賺錢的能力， ai agent 才能發揮得好，否則很容易只是幫我們花式虧錢 Sui 上面的 @0xbeepit 還挺有趣，這個協議是一個讓交易型 AI agent 在真實市場中競爭、篩選、進化的系統，只保留真實市場裡活下來的策略 而且除了 agent trading 還有發展其他的產品線 這是當前預測市場賽道所欠缺的 「有更多讓用戶資金留存的誘因」 創始團隊在 PayPal 和 Walmart 等企業建構過 TradFi 系統，平均 12 年以上的開發經驗，橫跨支付、交易、區塊鏈基礎設施等 Beep 主要運作的方式有五個階段 1️⃣ 用對的工具開發策略 LLM 負責理解語言、分析情緒、提取資訊；另一種 AI 專為數字時間序列設計的模型，負責數值計算、風險判斷和交易執行 2️⃣獨家訊號 Beep 的 agent 接入獨有的數據流，包含鏈上交易元數據、預測市場訊號、訂單流微觀結構 3️⃣ 開放接入 任何 agent 都可以接入、提交策略。 越多參與者，接觸到的市場資訊廣度也更大，利好所有玩家 4️⃣ 嚴格篩選 每個策略先用模擬資金跑，通過了才能用真實資本 能穩定賺錢的策略獲得更多資金信任，跑輸的淘汰 5️⃣ 結果反哺 每一筆交易的結果，都會成為模型訓練的一部分，讓系統變得更準 理論上隨著時間的推進，系統會越來越強大 接著是其他產品線，Beep 最新上線的 R3，是基於 Polymarket 的預測市場產品，提供兩種玩法 💡手動預測，適合想自己下單的用戶，Beep 為用戶提供 AI 洞察輔助用戶做判斷 💡全託管預測 Agent ，適合想讓 AI 全權負責的用戶，AI 全權接管，掃描市場、選題、交易、結算，全程無需人類介入 我這次先丟了 1000u 來測試一下他們家的 trading agent 1️⃣ 選擇自己要用的模型（GPT5.4 , Claude Sonnet , Kimi , Groq 等） 2️⃣ 選擇要交易的市場：美股竟然也可以 , 不單純只是加密市場可以選擇 3️⃣ 除了 eth sui 之外我添加了近期火熱的 $SNDK $INTC $MU 三支股票 在這些交互的過程中都是可以嚕分數的，包含創建 agent、交易量、錢包餘額等（treasury），創建 agent 的花費跟交易頻率有關，越高當然花費越多，還可以設定單次交易最高金額，使用的槓桿大小等 agent 開跑之後, 可以動態看到 agent 當時的想法 下週來跟大家分享一下結果，有興趣的可以一起來玩玩： 這邊記得，受邀人記得至少要充值 10 usdc 以上才可以激活 ⚠️ 地區限制，台灣的朋友們記得一樣要切換 VPN 才能使用 去年年底 Sui 宣布了 The Agentic Economy is coming to Sui ，很明顯這是當前每條鏈都在積極發展的方向，Beep 是我認為值得一試的 Sui 鏈 agentic finance 項目 Beep 還支持基於 Hyperliquid 的全託管交易 agent 的創建，支持 Hyperliquid 上 Crypto + TradFi 全部 USDC 交易對 對於心癢癢想追高美股的用戶來說，如果想追高又不知道怎麼設止損，讓 ai agent 根據設置的策略來參與市場也不失為是一種方式