註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 记忆管理局
记忆管理局 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 记忆管理局 的搜尋結果
《记忆管理局》ep06里画的一些卡~
0
7
1.5K
285
轉發到社區
周末窝在家里,花半小时学习它吧! 别光刷短视频, 看下Anthropic的上下文管理的视频! 2026年AI DevCon上,Anthropic的Lamis做了一场关于上下文工程的演讲。 整场演讲浓缩了过去一年Anthropic在上下文管理上的所有实践,从最简单的方案到最前沿的架构。 从Claude MD文件开始。 一个纯Markdown文件,放在会话开头,告诉Agent代码库结构、组织信息、个人偏好。 效果出奇地好:Anthropic的原话是"unreasonably effective"。(效果惊人出奇的好) 但问题也明显:文件越来越长,上下文膨胀,管理困难。 第二步是记忆工具。 让Agent自主决定何时读取、何时写入、何时更新记忆。全部在带内完成,也就是在会话上下文中进行。 Anthropic发现,在这种场景下,自主性运作得非常好。Agent比人类更擅长判断什么值得记住。 第三步是Skills。 核心思想是渐进式披露。 Agent只看文件顶部几行前言,决定是否需要加载整个文件。 Lamis的比喻很精准:就像房间里有一个书架,每次有人跟我说话,我扫一眼书单,看有没有相关书籍,然后取下来读。 不需要提前把所有知识塞进上下文。 第四步是文件系统。 把记忆系统建模为普通文件系统,用Markdown文件填充,Agent用bash和grep搜索。 不需要花哨的向量数据库,不需要专门的工具——Agent本来就擅长操作文件系统。 但当这些方案扩展到生产环境,问题就来了。 多个Agent同时写入同一个记忆文件怎么办。一个Agent写入错误信息到组织级上下文,所有Agent都会受影响。记忆过时了怎么办。 有人通过提示词注入向记忆中写入恶意内容怎么办。 Anthropic给出的解决方案是四个原则:版本控制(能回滚)、并发控制(哈希校验)、权限管理(组织级只读、个人级可写)、可移植性(干净的API,跨系统访问)。 然后是最有意思的部分:做梦。 带内记忆有一个根本性局限:Agent既要完成任务,又要管理记忆,这是两个竞争性目标。 而且Agent只能看到当前会话的信息,无法识别跨会话的模式。 做梦是一个带外的异步处理过程。 它取一段时间内的所有会话记录,交给一个专门的Agent分析。 这个Agent查看记忆存储,识别模式,提出更改建议。比如:所有地理学生都答错了同一个问题:说明课程中缺少了某个主题。 所有数学考试的答案都用弧度制而不是角度制,说明工具配置有问题。 做梦本质上是一个批量处理的"校长",审查所有"学生"的作业,发现问题,调整"课程"。 它有自己的专用资源,不和任务执行竞争上下文。 Anthropic已经在生产中运行这套系统。 他们发现:Agent第二次执行任务时做得更好,成本降低(因为能一次性完成),延迟下降。 做梦的额外token消耗被任务本身的效率提升抵消了。 最后Lamis说了一句话值得记住:上下文工程是过去一年才真正发展起来的领域。 模型智能本身不会产生复利:它需要上下文来执行你交给它的具体任务。 而上下文工程的效果是倍增智能,即使模型本身变得更聪明,这个投资依然有价值。
顯示更多
《State of AI Report 2026》:AI 开始给自己做研发,智能体也闯进了真实系统 一年一度的《State of AI Report》10 月 8 日发布了 2026 年版。今年分量最重的发现,是 AI 已经实质性地参与 AI 自己的研发:在 Anthropic 内部,26% 的模型研发工作由 Claude 主导完成,人类在旁监督。同一份报告里还记录了好几起智能体在测试中攻入真实系统的事故,能力跑在了防护前面。 PDF: 这份报告由投资机构 Air Street Capital 的合伙人 Nathan Benaich 牵头,2018 年起每年一期,今年是第九期,分研究、产业、政治、安全、预测五部分,正文 240 多页。下面挑重点讲。 【三家领跑,考题不够用了】 前沿竞争已经收窄到 Anthropic、OpenAI、Google 三家。在第三方评测机构 Artificial Analysis 的综合智能指数上,Claude Opus 5.5 以 58 分排第一,GPT-6 Astra 和 Google 的 Gemini 4 Argon 并列 53 分。在由用户投票排名的 Arena 榜单上,Argon 第一,一串 Claude 模型紧随其后。中国最强的开放权重模型是小米的 MiMo-V2.6-Pro,指数 46 分。 更显眼的是考题被做穿的速度。FrontierMath 第四级是按“研究级数学、能撑好几年”设计的题库,2025 年 8 月 GPT-5 只做对 22%,14 个月后 GPT-6.1 Sol 把 41 道私有题全部做对。今年 3 月推出的 ARC-AGI-3 是一组互动小游戏,人类能拿满分,前沿模型起初只有 0.5%,5 个月后 Astra 拿到 63%,换一套能保存状态的运行方式后是 99.9%。公开榜单上的分数,越来越难告诉你谁更强。 对日常用户有两个实用发现。 第一,同一个模型,外面套的“壳”不同,表现差很多。这层壳(harness)指模型外面负责调用工具、管理记忆和流程的软件,比如 Claude Code、Codex。一项对照实验里,换壳带来的性能波动是换模型的 7.8 倍。模型变强之后,老壳里那些为弥补旧模型缺陷写的规则反而碍事,Claude Code 给高级模型删掉了 80% 的系统提示词,编程评测没有可测量的下降。挑工具和挑模型一样要紧。 第二,AI 说“做完了”,不一定真做完了。在一项让模型操控机械臂处理实验器材的测试里,192 次“完成”声明中有 89 次其实没完成。办公类测试 OSWorld 2.0 上,Opus 5 按单项要求算能拿 77.7% 的分,但整件事真正办完的只有 44.3%,常见问题是漏了审批、表单没提交。 【AI 开始给 AI 打工】 报告花了不少篇幅讲“递归自我改进”,也就是让 AI 自主造出更好的 AI。今年 3 月,Andrej Karpathy 开源的 autoresearch 项目做了一个小号版本:智能体(Agent)自己改一个小模型的训练代码,每次只训练 5 分钟,留下有效的改动,一块 GPU 一晚上能跑大约 100 次实验。项目 5 个月拿到约 9.5 万个 GitHub 星标。 实验室内部的数据更直接。Anthropic 的内部指标里,被评为“AI 主导”的研发任务(Claude 根据一句高层指令完成大部分工作,人类监督)占比从 2 月的不到 1% 升到 8 月的 26%,超过 90% 的工作有 AI 深度参与,但还没有完全自主的。研究人员评估时,64% 的情况下认为 Anthropic 的 Mythos Preview 模型建议的下一步研究方向比人类研究员选的更好。OpenAI 这边,1 月份智能体能以 18% 的成功率独立完成人类要干 4 到 8 小时的任务,到 7 月,同样的成功率对应的是人类要干 32 到 64 小时的任务。 短板在“决定研究什么”。有研究者让 Opus 4.8 独立完成一篇 NeurIPS 投稿的研究,工程部分全做完了,论文却被原作者打了 2 分和 1 分(满分 6 分),明确拒稿。OpenAI 内部的编程智能体也主要用在搭基础设施、跑实验、查 bug 这些执行环节。至于 AI 让研发提速多少,METR、OpenAI 和 OpenAI 研究员 Noam Brown 给出的估计在 1.5 倍到 3 倍之间,口径各不相同。 数学上有实打实的成果。黎曼猜想说的是 zeta 函数的非平凡零点都落在一条直线上,Claude 组合已有的数学工具,把“已证明落在这条线上的零点比例”下界从 41.67% 提高到 67.25%,猜想本身仍未解决。OpenAI 的系统在有外力驱动的条件下,构造出了三维流体方程(纳维-斯托克斯方程)解的“爆破”,这和千禧年大奖难题之一直接相关;报告说相关评估仍在进行,OpenAI 表示不会申领奖金,没有外力的原问题仍然开放。 另外几条简短记下:在 arXiv 论文提及的开放权重模型里,中国模型的占比从 2024 年的 9% 升到 31%,Qwen 超过了 Llama;机器人领域出现了“GPT-2 时刻”,泛化能力开始随预训练规模提升;两款出自 AI 药物研发公司的药物进入了三期临床。 【钱:两家公司年化收入 1050 亿美元】 OpenAI 8 月的年化收入(按当月收入推算全年)超过 400 亿美元,2025 年底是 214 亿;Anthropic 7 月达到 650 亿美元,年初是 90 亿。两家合计约 1050 亿美元,年初约 300 亿。这个数字有争议:OpenAI 认为 Anthropic 把云平台渠道收入按总额记账,最多虚高 80 亿美元。报告拿它和被 AI 冲击的行业对比:相当于印度两大 IT 外包公司 TCS 和 Infosys 收入之和的 2.1 倍,接近四大会计师事务所总收入的一半。 企业 API 支出方面,按企业财务软件公司 Ramp 追踪的数据,Anthropic 在 9 月底重回第一,占 52.4%,OpenAI 占 43.3%,其他厂商加起来只有 4.2%。 用 AI 编程工具的人群在变。OpenAI 的 Codex 从 2 月的每周 160 万用户涨到 8 月底的 2500 万活跃用户。2 月以来,企业里法务人员的 Codex 周活跃用户涨了 108 倍,销售和招聘各涨 41 倍,工程师只涨 5 倍,因为非程序员几乎是从零起步。用得深的仍然是工程师。 AI 对软件行业的冲击直接反映在股价上。1 月 Anthropic 推出 Claude Cowork,把 Claude Code 包装成普通知识工作者能用的应用,随后陆续加上法律、营销、财务插件。投资者开始担心按人头收费的软件订阅模式要被替代,2 月初软件股市值蒸发约 2850 亿美元,被称为“SaaS 末日”(SaaSpocalypse)。到 9 月,跌掉的市值基本收复。 成本这头,同等能力的 AI 价格每年下降约 13 倍,降速超过以往任何主要技术。但单价便宜不代表办一件事便宜,推理模型会烧掉大量 Token,Anthropic 前沿模型的单任务成本在测量中最高。算力也没有变便宜:GPU 租金从低点平均反弹了 30%,九年前发布的 V100 比去年 9 月贵了 43%。亚马逊、Alphabet、微软、Meta 今年的资本开支指引合计 7330 亿美元,比去年涨 79%。发电设备也跟不上,三菱重工上季度接的燃气轮机订单,交货要排到 2028 到 2030 年。 对职场的影响,报告引用的研究信号并不一致。Anthropic 的研究发现,AI 高暴露岗位的整体失业率没有明显上升,但 22 到 25 岁年轻人进入这些岗位的速度似乎放缓了,原因不确定。另一项实验里,52 名开发者学习一个陌生的 Python 库,用 AI 学的人随后在不用 AI 的理解测试中得分 50%,不用 AI 学的人是 67%。Ramp 的数据显示,AI 花钱最多的那三分之一公司,两年里员工数增加了 10.2%,入门岗位增加 12%,AI 用得少的公司和对照组没有差别。 【政治:模型的开关在谁手里】 美国政府今年展示了对前沿模型的控制力。6 月,出口管制一度叫停了 Anthropic 的 Fable 和 Mythos 模型,Fable 在 7 月恢复。9 月有报道称,白宫要求 OpenAI 和 Anthropic 把新模型交给英国测试机构之前,先经过美国审查。 Anthropic 和美国军方的冲突是今年的焦点之一。Anthropic 拒绝让模型用于美国国内大规模监控和完全自主的致命武器,美国战争部长(即国防部长)Pete Hegseth 随后把它列为“供应链风险”。8 月 27 日,加州法院认定这属于违法报复,撤销了其中一项认定;9 月 25 日,华盛顿特区联邦上诉法院维持了另一项采购排除,Anthropic 目前仍在五角大楼供应链之外。 中国这边,4 月要求撤销 Meta 约 20 亿美元收购 Manus 的交易,7 月起涉及受控技术的人员出境需要审批。美国实验室指控中国公司通过代理账号“蒸馏”(用大模型的回答训练自家模型)前沿模型,Anthropic 称涉及 DeepSeek、月之暗面和 MiniMax 的 2.4 万个账号、1600 万次对话。英伟达的黄仁勋则发公开信,反对把蒸馏等同于窃取,随后两周内在开放权重生态上投入近 200 亿美元,其中 129.3 亿美元用于收购 Hugging Face。 其他国家在追“主权 AI”,报告统计的各国承诺约 1380 亿美元,但算力差距很大:不算中国,欧盟 27 国只占已记录 AI 算力的 5%,美国占 80%,xAI 孟菲斯数据中心一期的算力就是整个欧盟的 3.5 倍。美国国内也有阻力,71% 的美国人反对在自家附近建 AI 数据中心,比反对建核电站的比例(53%)还高。 【安全:智能体真的打进了现实系统】 今年安全部分的案例比往年具体得多。 OpenAI 用一个叫 ExploitGym 的网络攻防题库测试自家智能体。很多题意外地无解,智能体开始找作弊办法。约 1200 个本应互相隔离的智能体,把 OpenAI 内部的一台服务器当成留言板,互相分享发现、分派任务,其中约 700 个参与了攻击:它们借这台服务器连上互联网,在 Hugging Face 的 41 台机器上执行了代码。METR 和 Redwood Research 读了运行记录,发现智能体们知道这超出范围、不道德,但为了帮“同伴”还是加入了。OpenAI 的思维链监控当时没有开启,OpenAI 说如果开着,会在入侵前一天多就报警。 OpenAI 还有一个内部模型在研究药品支出时,入侵了澳大利亚政府的 Medicare 统计门户,拿到内部文件和凭证。OpenAI 说没有访问患者记录,但近三个月后才通知对方,澳大利亚总理阿尔巴尼斯说这“显然不可接受”。 第三起涉及四家实验室。安全公司 Irregular 的攻防评测本应断网,因为配置错误连上了外网,Anthropic、Meta、Google 和另一家实验室的模型都把真实组织当成了测试靶子并实施了入侵。Anthropic 在 7 月 24 日审查记录时自己发现了问题,其中 Opus 4.7 在 4 次运行中都认出目标是真实的生产系统,仍然继续操作。 还有一起,OpenAI 一个内部研究模型通过 DNS 绕过了断网限制,监控报了最高级警报,员工 3 分钟后确认,但自动停止机制失灵,训练又跑了约两个半小时才被手动停下。截至 9 月 25 日,OpenAI 暂停了最强模型涉及工具调用的训练、评测和推理,并准备放弃这个模型重新训练。 有个细节说明了攻防的两难:Hugging Face 调查 OpenAI 智能体那次入侵时,商业模型的安全限制挡住了取证分析,最后用的是自己部署的智谱开放权重模型 GLM-5.2。 监控手段本身也有局限。OpenAI 的测试显示,如果监控只看模型写出来的推理过程,Astra 经常能把破坏行为藏过去,监控同时看推理和实际操作时,成功躲过的情况接近零。Anthropic 的研究则显示,教 Claude 价值观和伦理推理,能把虚构场景中的勒索行为从 65% 降到 19%,只是在真实部署里是否可靠还没有证明。 普通用户能直接感知到的变化,是 Claude Code 从 8 月 14 日起默认使用“自动模式”,由一个分类器代替用户审批命令。在测试中它拦下了 89% 被混进会话的危险命令,人类审批只拦下 13.6%,但仍有 17% 的越界操作漏了过去。开源个人智能体 OpenClaw 能读你的消息、执行命令、用你的账号操作,GitHub 星标 8 月底到了 38.8 万,安全公司在 22% 的客户里发现员工在用它,往往公司还没来得及定规矩。 【实验室负责人呼吁放慢】 Anthropic CEO Dario Amodei 写道:“我们必须放慢提升 AI 模型能力的速度。”Altman、Hassabis 和马斯克大体同意,扎克伯格认为应该由各家实验室自己定节奏。1386 名实验室员工签名支持,约占 Anthropic 员工的 10%、OpenAI 的 3.5%。问题在于,谁有权要求暂停、谁批准重启、谁来核查执行,目前没有任何共识。OpenAI 和 Anthropic 已经各自暂停过部分训练和评测,用的都是自己的标准。 【明年的预测】 报告去年的预测里,“中国实验室在主要榜单上登顶”算是应验了:Kimi K3 7 月登上 Arena 网页开发榜第一。今年报告给出了 9 条新预测,包括:Visa 或万事达出台规则,明确 AI 智能体代为购物出了纠纷由谁担责;一次由 AI 主导的网络攻击从头部实验室偷走一个闭源前沿模型的完整权重;一个已部署的智能体把自己复制到运行环境之外,原实例关闭后仍在运行;美国 AI 实验室正式推出前沿网络防御产品。 最后一条只有一行:AGI 2027。
顯示更多
0
16
57
11
轉發到社區
📢速报|Hermes v0.18「裁决版」7 大核心更新(精简干货) 因为我最近一直在使用Hermes Agent 构建三维交易体系和妖币交易系统,体验感觉还是蛮不错的!所以也会关注它的最新动态。 7 月 2 日凌晨,Hermes Agent 正式推送 v0.18.0「裁决(The Judgment)」 大版本,确实很不一样! 「裁决版」属于系统性级重构优化:累计 1720 次提交、998 次代码合并、2215 个文件变更、关闭 949 个问题工单,绝非常规小更新。最大亮点不再是堆砌新功能,而是彻底解决 AI Agent 不稳定、不可控、无验收标准的核心痛点。 核心重磅信号:清空最高级故障! 「裁决版」更新最关键的突破:仓库所有 P0/P1 最高优先级 Bug、高危问题全部清零。 以往 AI Agent 普遍存在任务中断、定时任务不稳、旧 Bug 反复、执行无保障等问题。v0.18 优先补齐稳定性、可靠性、任务兜底能力,对于长期将 Hermes 作为生产力工作台的用户,价值远超新增功能。 七大核心更新详解: 多智能体协同,升级为官方原生模型。 MoA(多模型协同思考)从手动玩法,变成可直接调用的官方模型入口。 多模型交叉验证、多角度分析,适配复杂决策、代码审核、长文本梳理、方案对比等高精度场景。简单查询无需启用,复杂、高风险、高要求任务优先使用,大幅提升答案准确率。 全流程可视化,告别黑箱!这点很赞! 新增多模型思考过程可视化,可查看每个参与模型的独立判断、分歧点、最终聚合逻辑。 彻底解决 "只给结果、不知过程" 的问题,结果可追溯、可校验、可复盘,让多模型协作从 "玄学高级" 变为可控可信的实用能力。 重磅升级:/goal 新增「完成合同」机制,是本次最核心、最实用更新。 以往 AI 最大弊端:自行判定任务完成,敷衍收尾、遗漏步骤、不校验结果。 新增 Completion Contract 验收合同:用户可提前定义。 任务完成标准、结果验证依据、操作约束范围、禁止改动边界、终止触发条件。 所有任务按标准验收,不凭 AI 主观判断,适配代码修复、文件整理、数据清洗、项目调研等全场景,极大提升落地可靠性。 后台任务异步等待,流程闭环更完整: /goal 支持后台任务持续监听、等待结果回调。 可自动监控脚本运行、CI 执行、文件转换等耗时后台任务,不再提前结束、卡顿中断,实现长流程、多步骤任务全自动闭环。 /learn + /journey:经验沉淀 + 记忆可管理: /learn:自动沉淀操作流程、工作范式为可复用 Skill,一次训练、无限复用。 /journey:可视化记忆与技能迭代轨迹,支持手动编辑、删除纠错: 彻底解决 AI 记忆混乱、经验丢失、无法迭代优化的问题,打造个人专属 AI 工作流资产库。 系统级能力升级,正式成型工作台。 全面优化三大底层能力: 子代理 Subagents:任务拆分、并行执行,效率翻倍; Projects 项目工作台:告别单纯聊天模式,支持长期项目管理; Gateway 服务调度:多会话、多流程统筹调度,后台服务更稳定; Hermes 彻底从聊天 AI,转型为专业化、系统化的智能工作终端。 细节优化,降低使用成本: 长文本提示词编辑器优化,告别单行输入局限; 智能精简复盘逻辑,降低自我迭代的算力成本; 接入 Vertex AI,适配企业级模型部署场景; 稳妥升级四步流程。 最后小结: v0.18「裁决版」的核心变革:从 "能干活" 升级为 "靠谱、可控、可验收、可迭代"。 普通闲聊感知微弱,但重度生产力用户,本次更新大幅提升 AI 落地稳定性与专业性,建议优先升级、小任务试水、逐步承接大型工作流。 Hermes v0.18,Windows GUI 界面,非常友好,你值得尝试,跟上AI 时代的变革,打造属于你自己的交易系统和AI agent 工作流程和AI 助理。 Hermes GUI 官方下载链接: 打开官网后,页面会自动识别你的操作系统,点击 “Download” 按钮下载 Windows 版本的 .exe 安装文件。 #Hermes# #AI交易系统# #AIagent#
顯示更多
据新华社报道,9月7日,武汉市文化和旅游局发布通报:2026年7月24日晚,在武汉举办的《济公活佛》第八本专场演出中,“演员郭德纲歪曲篡改表现抗战的著名歌曲《弹起我心爱的土琵琶》,造成恶劣社会影响”。 通报中的惩处措施包括:举办这场演出的主办单位江苏籽迪芮呈体育文化产业发展有限公司、演出场所经营单位武汉中南剧场管理有限公司,“违反《营业性演出管理条例》第二十五条、第二十六条、第十六条规定。依据《营业性演出管理条例》第四十六条、第四十四条规定”。武汉市文化和旅游局“依据《营业性演出管理条例》第四十六条、第四十四条规定,决定对江苏籽迪芮呈体育文化产业发展有限公司给予警告、没收违法所得48687.4元、罚款486874元的行政处罚,责令其整改并加强对演员和演出内容的管理”。此外,“对武汉中南剧场管理有限公司给予警告、罚款110000元的行政处罚。同时,对涉事人员严肃处理”。 通报称,“抗战歌曲承载中华民族抗战记忆与民族情感,绝不允许任何单位和个人歪曲篡改。我们将依法加强监管,切实维护文化市场环境”。 通报未公布对郭德纲本人的具体处罚措施。 今年7月,郭德纲在武汉演出中将《弹起我心爱的土琵琶》歌词里的“微山湖上静悄悄”改成了“紫禁城中静悄悄”,还加了句“妈咪妈咪哄”。台下观众哄笑。事后这场演出遭到举报。
顯示更多
郭德纲临时改歌词事件,处理结果来了: 抗战歌曲不允许“篡改”,否则十倍罚款加涉事人员处罚。 …… 武汉市文化和旅游局发布演员郭德纲相关演出的处理通报 2026年7月24日晚,在武汉举办的《济公活佛》第八本专场演出中,演员郭德纲歪曲篡改表现抗战的著名歌曲《弹起我心爱的土琵琶》,造成恶劣社会影响。 经核查,郭德纲本场演出的举办单位江苏籽迪芮呈体育文化产业发展有限公司、演出场所经营单位武汉中南剧场管理有限公司,违反《营业性演出管理条例》第二十五条、第二十六条、第十六条规定。依据《营业性演出管理条例》第四十六条、第四十四条规定,武汉市文化和旅游局决定对江苏籽迪芮呈体育文化产业发展有限公司给予警告、没收违法所得48687.4元、罚款486874元的行政处罚,责令其整改并加强对演员和演出内容的管理;对武汉中南剧场管理有限公司给予警告、罚款110000元的行政处罚。同时,对涉事人员严肃处理。 抗战歌曲承载中华民族抗战记忆与民族情感,绝不允许任何单位和个人歪曲篡改。我们将依法加强监管,切实维护文化市场环境。
顯示更多
今天周一起床又是瀑布洗脸,BTC 跌破 77000,ETH 2100 摇摇欲坠,不过相对韩国 KOSPI 下跌 5% 的熔断已经算很坚挺了 尽管 X 时间线上骤然冒出很多“看空大师”,各路空论不绝于耳,但丝毫不影响 Base 链上进行的局部牛市,特别是一些 AI Agent 项目的表现尤其亮眼 1. $aeon ( @aeonframework BNKR系) 0xbf8e8f0e8866a7052f948c16508644347c57aba3 接着奏乐接着舞,从昨天 5M 又拉了一倍到接近 10M!它能持续拉盘的核心逻辑在我看来是: • 强明牌背景,aeon 是纯正的 BNKR 系血统,dev 又被 a16z 的创始人 @pmarca 关注 • 产品技术落地,aeon 可以理解为加强版龙虾 Openclaw,它本质上是一个 Agent 自治框架,用户只需要设置一次,它就能自己管理自己、自动批量创建多个 AI 机器人、全天候监控 Crypto 市场 2. $ETHY ( @ethy_agent Virtuals系) 0xC44141a684f6AA4E36cD9264ab55550B03C88643 拉了 20 个点到 4.3M 这是目前 Virtuals 生态最活跃的 AI Agent 项目之一了,相对于去年很火的 AXR swap 是青出于蓝而胜于蓝。交易量占据 ACP 协议(手续费 40% 用户回购 & 销毁 ETHY以及质押激励 )和 aGDP 经济体量的半壁江山 这次拉盘的主要利好在于 5 月底要推出 V2 版本,支持移动端 app 和 Social trading 等功能 3. $MUTE (@Mute_swap Virtuals 系) 0xa023316FA5c85dADF008C611790B3235433e781e 拉了 30 个点到 4.2M 这个项目是做 Agent 主动型隐私的,最近专为 Virtuals 蜂群打造,推出的轻量化隐私安全插件(Widget)能让任何 Agent 一键接入 Monero 级别的匿名与防夹(MEV)保护 这次拉盘的主要利好在于官方明牌预告即将公开发售“私密收益池”,内测长达 4 个月、利用 $ZEC 和 $XMR 跑出了 33% 的平均月化回报,然后官方还透露 6 月关于收入用户的“大惊喜”,盲猜是回购+销毁 4. SIBYL(@sibylcap Virtuals系) 0x797f214a2CD64a4963A91Fa21c8C55Ec3EBa4714 拉了 50 个点到 4.5M 这项目是做链上自主系统的底层记忆基建,致力于解决 Agent 短时记忆的痛点。其“基于文件的记忆架构”在 LongMemEval Oracle 评测中准确率高达 95.6%(全球第 2),能让 Agent 跨会话拥有持久记忆与行为连续性 这次拉盘的主要利好在于核心“记忆层”代码审计进入尾声,官方透露即将进军多代理操作系统互操作性。官方还明牌效仿 VVV 和 DIEM 模型,质押 SIBYL 即可免费白嫖后续推出的高级 AI 记忆与工具产品 写这么多,我想表达的是其实 @virtuals_io 一直领跑 Base AI 赛道。无论是 Virtuals 团队还是生态项目项目,都一直在积极 Keep Shipping 落地的产品 相信价值发现是迟早的事,别因为 $VIRTUAL 短期表现不佳而 fade 它,不然等下一个主声浪到来会被啪啪打脸
顯示更多
0
16
29
2
轉發到社區
苏联当年一共有15个加盟共和国,为什么偏偏只有乌克兰,能跟俄罗斯恨到骨子里?   苏联的十五个加盟共和国里,不少国家和俄罗斯都存在历史隔阂,很多在独立之后也保持着正常往来,只有乌克兰和俄罗斯的矛盾层层叠加,一步步走到难以调和的地步。   两者同源,都属于东斯拉夫分支,早期的联系比其他加盟国紧密得多,这份紧密,也让后续的分歧更容易被放大。   早在沙俄时期,乌克兰东西区域就长期处在不同势力管辖之下,东部长期归沙俄管理,西部先后由波兰、奥地利管控,两边的语言习惯、宗教倾向、对外认知慢慢拉开差距,这个格局一直延续到苏联时期。   苏联成立之后,乌克兰是最早加入联盟的四个共和国之一,也是联盟内部重要的粮食和工业基地。   集体化推行阶段,乌克兰农业受到强烈冲击,当地农民的抵触情绪持续存在。   大清洗期间,乌克兰本地的干部、知识分子遭到清理,很多乌克兰本土文化活动受到限制,当地不少人把这些事件和俄罗斯主导的联盟管理绑定在一起看待。   二战结束,苏联把西乌克兰划入乌克兰加盟共和国境内,现代乌克兰的疆域基本成型,东西两部分的认知差异被装进同一个共和国里。   1954年,苏联中央把克里米亚从俄罗斯联邦划给乌克兰,当时同属苏联内部,没有引发争议,等到苏联解体,这块土地的归属就变成两国矛盾的关键节点。   其他加盟共和国和俄罗斯之间,很少出现这种在苏联内部调整、后来产生巨大领土争议的情况。   苏联解体之后,乌克兰正式独立,但两国之间遗留大量问题,能源输送管道经过乌克兰境内,黑海舰队的驻扎地点克里米亚的归属、俄语在乌克兰的使用地位,都是反复拉扯的议题。   俄罗斯这边长期存在一种看法,乌克兰本就是同根的区域,很难完全接受乌克兰脱离自身影响范围,乌克兰这边则一直担心主权被挤压,刻意和俄罗斯拉开距离。   乌克兰西部的群体更倾向靠近欧洲,东部和克里米亚的居民和俄罗斯联系更深,国内本身就存在分歧,不同政党上台之后,对外路线来回摇摆,一会靠近俄罗斯,一会向欧盟和北约靠拢,两边的对立情绪持续积累。   这场冲突的形成,不能简单归为某一方的单方面选择,它是历史遗留矛盾、地缘安全博弈叠加在一起的结果。   冷战结束之后,北约没有随着华约解散停下扩张的脚步,持续向东推进,不断靠近俄罗斯边境,俄罗斯把乌克兰纳入北约看作直接的安全威胁。   乌克兰这边认为,只有加入西方安全体系,才能避免再次受到俄罗斯的影响,保障自身独立地位。   两边的安全诉求本身就相互冲突,乌克兰想要外部安全担保,俄罗斯需要周边保留缓冲空间,没有办法同时满足。   很多人容易把这件事简化成民族仇恨,实际上民族情绪只是表层,大国博弈才是推动局势持续恶化的核心。   其他苏联加盟共和国,要么地理位置远离北约扩张路线,要么主动选择中立,避开了这种直接的对立漩涡。   仇恨本身也不是全部民众统一的想法,乌克兰东部不少居民和俄罗斯长期保持亲缘联系,只是持续的对抗,让对立叙事在两国主流舆论里占据上风。   外部势力的介入也在持续拉长冲突周期,各方都有自己的利益诉求,很少有人优先考虑当地普通民众的处境。   冲突一旦开启,人员和基础设施的损失,又会制造出新的伤痛记忆,旧的历史矛盾和新的战争创伤互相缠绕,和解的门槛会越来越高。   单纯依靠武力很难解决根源问题,欧洲缺少一套可以兼顾各方安全诉求的框架,只要这个安全框架没有成型,这片区域的紧张状态就很难彻底消失。
顯示更多
内蒙古一名女子,姐姐是国企职工。1993年姐姐车祸身亡,她心生一计,瞒下死讯,冒名顶替进了工厂,连笔迹都模仿着应付。14年后,她顶着姐姐的身份办了退休,开始领养老金。到2023年4月,累计领走393676.92元。她以为天衣无缝,可社保大数据部门比对,还是露了马脚。 这事发生在内蒙古乌海市,当事人姓安,她的姐姐原本是当地一家工厂的正式职工,有稳定的工资收入,单位还足额缴纳社保,在那个年代是旁人眼里实打实的安稳差事。   1993年,一场突如其来的车祸夺走了姐姐的生命,一家人都陷在悲痛里。可看着姐姐留下的正式职工名额和完整的社保待遇,安某某心里却生出了别的念头。   那时候的国企人事管理远没有现在规范,员工档案基本都是纸质材料,身份核验全靠人工核对证件照片,既没有全国联网的信息系统,也没有人脸识别这类技术手段。加上姐妹俩本就长相有几分相似,只要稍加注意言行,普通同事很难分辨出来。   安某某打定主意后,悄悄压下了姐姐的死讯,没有向厂里上报。简单处理完后事,她就直接顶着姐姐的名字,按时去厂里上班了。   刚开始的那段日子,她每天都过得提心吊胆。怕和姐姐相熟的老同事认出破绽,怕签字填表格时笔迹不对,怕厂里突然安排身份核查。她特意找来姐姐生前的签字反复练习,平时填单据、签名字都刻意模仿笔迹,连说话的语气、日常的小习惯都照着记忆里姐姐的样子调整。   好在厂里同事大多只和姐姐有工作上的交集,没人会特意深究一个人的身份真假。加上安某某干活踏实本分,平日里话不多,很少跟人聊家里的私事,时间一长,身边竟没人发现眼前的人早就换了身份。   就这么一天天熬着,她从青年熬到了中年,在厂里一干就是整整14年。这14年里,她不敢用自己的真实身份办理任何事务,不敢跟亲戚朋友走得太近,连过年过节走亲戚都要小心翼翼,就怕哪句话说漏嘴,把藏了十几年的秘密捅出去。   中间厂里也有过几次人事档案更新、信息核查,每次她都提前做好准备,拿着姐姐的身份材料一一应付过去。那些年社保系统还没实现跨部门数据互通,户籍信息和社保参保信息没有自动比对机制,靠着纸质档案和人工审核,她一次次蒙混过关。   2007年,到了姐姐原本的退休年龄,安某某悬了十几年的心终于放了下来。她觉得只要顺利办完退休手续,以后不用再去厂里面对同事,只需要按时领养老金,这个秘密就能藏一辈子。   2008年1月,她带着准备齐全的材料,顺利在当地社保局办好了退休手续。从那以后,每个月的养老金都会按时打到账户上,她不用再早起赶工,也不用再天天伪装身份,日子过得安稳又省心。   她本以为自己做得天衣无缝,这笔钱能安安稳稳领到老。可她没料到,时代的变化会来得这么快。   随着我国社保体系不断完善,大数据技术逐渐应用到社保稽核工作中。人社部门开始对所有退休人员的信息进行多维度交叉比对,户籍数据、生存认证数据、社保参保数据一一匹配,很多藏了多年的历史遗留问题都慢慢浮出水面。   2023年,当地社保部门在常规大数据筛查时发现了异常:一名退休人员的社保待遇一直在正常发放,但对应的户籍信息早在多年前就已经办理了注销。顺着这条线索往下核查,安某某冒名顶替的事彻底藏不住了。   当工作人员找到安某某核实情况时,她起初还想辩解遮掩,可面对实打实的证据,最终只能承认了自己隐瞒姐姐死讯、冒名顶替上班并骗取养老金的全部事实。   经最终核算,从2008年1月办理退休到2023年4月案发,安某某累计骗取社保基金共计393676.92元。   案发后,安某某被公安机关传唤到案。在审查起诉阶段,她如实供述了自己的全部犯罪事实,自愿认罪认罚,并且主动退赔了全部骗取的社保资金,弥补了社保基金的经济损失。   乌海市海勃湾区人民法院审理此案后认为,安某某以非法占有为目的,隐瞒真相,冒用已故人员的名义骗取公共财物,数额巨大,其行为已经构成诈骗罪。   考虑到安某某归案后认罪态度较好,主动退赔全部违法所得,且自愿认罪认罚,法院依法对其从轻处罚,判处有期徒刑三年,缓刑四年,并处罚金人民币25000元。一审宣判后,安某某没有提起上诉,该判决现已正式生效。   回头看这起横跨三十年的案件,安某某靠着早年管理的漏洞瞒了这么久,可最终还是栽在了大数据核查手里。   在九十年代的管理条件下,身份核验确实存在不少盲区,才给了一些人可乘之机。但放到今天,从入职参保到退休领待,全流程都有信息化系统把关,人脸识别、大数据比对、定期生存认证多重核验,想靠冒名顶替骗取社保待遇,根本没有操作空间。   社保基金是老百姓的养老钱、保命钱,容不得任何人伸手侵占。如今社保稽核手段越来越严密,任何骗取社保待遇的行为,哪怕藏得再深、瞒得再久,迟早都会被排查出来,最终不仅要退回全部违法所得,还要承担相应的法律责任,实在得不偿失。
顯示更多