《隨機抓路人吃吃大挑戰》 這次換我來當鬼 沒想到過程意外的很順利 剛開始就在碧潭抓到一位年輕老師 說睡不著出來散散心就被我成功捕獲啦 OS： 雖然尺寸可以但你可不可以在撐一下啊啊啊啊 人家正要開心你就給我出來了.. #報名方式在主頁# #希望下一位報名選手堅強一點🥹#

可以隨機在路上抓到路人做愛嗎？ 今天行動派 高雄一日遊 夜市 #一日快閃# 你敢當面認 我就敢跟妳玩 南部粉絲來

現在 AI 做 Vibe Coding 其實很容易，所以很多人會用 PineScript 或者是 MultiCharts 之類的工具去做策略回測。新手做回測時，都會遇到一個核心難題，就是如何避免 over-fitting 。 說實在，不管你選用蒙地卡羅還是 Bootstrap ，核心重點都是 OOS 樣本外測試，差別只在抽樣的方式不一樣。所謂的蒙地卡羅 CV，本質上只是在資料樣本切片時，重複進行多次隨機切片而已。 我認為最重要的是，策略開發出來後，一定要上 Live Trading。 上實盤一個月，比對回測數據。如果你的回測說這個月應該賺 5%，實盤也差不多 5%，那你的策略大概沒問題。如果差距很大，那就是回測有問題。 很多人回測曲線超漂亮，可能原因不是 over-fitting，而是 look-ahead bias ，用了未來的資訊做決策。譬如在還沒收盤的時候，就用了收盤才會知道的技術指標。 這種 bug 比 over-fitting 更難抓，因為回測報告上完全看不出來，只有上了實盤，績效才會現形。 很多在網路上寫量化交易的人，沒有說過自己實盤跑了多久、管多少錢、做什麼市場。曲線貼出來都很漂亮，但全部都是回測。 我們公司的策略已經跑了兩年實盤，只做 BTC ，OKX+Hyperliquid 的 AUM加起來 2000 多萬美金，每小時公布淨值曲線跟倉位紀錄，早期玩量化踩的坑我都踩過了。 如果你剛開始做量化，不小心做出了一個回測可以買地球的策略，先不要太興奮。先上小倉位的實盤，跑一個月，把實盤績效跟回測數據放在一起看。 那個差距會告訴你所有你需要知道的事。

“看到警察抓人，我就順手幫個忙。”外賣小哥發現嫌疑人後協助警方完成抓捕，隨後繼續送餐。網友：這份冷靜和機智太贊了！#中國故事（來源：人民日報）#

突發！機器人檯燈大戰AI＋價格＋真能用嗎？🔥 🇻🇳 Autonomous AI（@dee_hw） AI超彈性，可隨便換Claude、OpenAI、本地或Grok，記憶全在本地。 $499早鳥，9月出貨，目前最推薦真能用的選擇！ 🇫🇷 Ongo（@Karim_RC） 皮克斯編劇打造的情緒人格，會關心你、有隱私太陽眼鏡。 約$300預購中，最可愛但還在等出貨。 🇺🇸 LeLamp（@SarkaryShahvir） 開源5軸表情機器人，語音可接OpenAI。 自組約$260，適合動手玩的人。 🇺🇸 PlaiPin（@livinoffwater） 用自然語言就能自己設計機器人的Agent框架。 硬體約$199，自由度最高。 🇯🇵 Nightingale01（@skylark_mmm） 多腳移動＋會抓東西的機器手臂原型。 目前無售價，還是實驗階段。 結論：要日常真正能用 → 選 @dee_hw 的 Autonomous！

今天的所有視頻和花絮都很穿越。 馬斯克坐在人民大會堂宴會廳回覆李老師的推特說自己兒子在學中文。他估計就找了自己的X上最大的中文用戶回覆了一下。X公司的人給他背景知識李老師是誰了嗎？李老師是中國政府做了專案要抓和針對的海外最有影響力意見領袖和反賊啊。真的是破次元了。 然後是習近平帶著川普看中國小孩兒跟北朝鮮人一樣歡蹦亂跳地歡迎他。畫面和北朝鮮民眾一見到金正恩就激動一模一樣。圍觀的所有人包括很多工作人員和記者全程都拿手機拍。也是讓人很穿越。 然後就是雷軍一臉諂媚地去和馬斯克合影自拍。好奇接下來小米公司如何用這張照片。中國技術圈媒體和自媒體的看點絕對是雷總與馬斯克同桌參加人民大會堂國宴。其他的不重要。自high最重要。 然後就是天壇習近平川普二人參觀完了中國安保的人把外媒記者關在天壇一小黑屋一個多小時，理由是總書記還沒走。中國的總書記安保是天字一號人物，中國鐵桶式安保像平時欺負中國記者一樣，欺負美國記者和其他外媒記者。美國記者硬了一下，反覆說他們屬於川普隨團車隊，美國車隊車要開了。然後集體突圍了。這個段落對所有在中國做過記者的人都很PTSD吧。 還有 馬斯克兒子穿個中國馬甲進人民大會堂。川普兒子媳婦在大會堂樓梯上合影。 都是很穿越次元的畫面。 Everything is so surreal. Crazy world.

影片中可以看到，系統先用普通 CCTV 畫面標出顧客位置，接著切換成 3D 點雲地圖，用彩色粒子顯示人流，再用藍到紅的熱圖標出「大家視線停留最久的貨架位置」。簡單來說，它不只知道你站在哪，還能估計你的頭朝哪邊看，把注意力對應到特定商品。 🌵 這套技術到底怎麼運作？ Auki 的做法是先用手機快速掃描店面，建立「數位孿生」（digital twin），再把現有監視器畫面接到同一個空間地圖裡。系統會做姿態估計（pose estimation）和視線方向判斷，累積成「這個時段、這一天、這個月，哪些貨架被看最多」的熱圖，再和實際銷售數據對上。 官方強調這是匿名、彙總資料，不會建立個人檔案，也不會辨識你是誰，只是看「整體顧客視線落在哪」。他們說這能幫店家優化陳列：把熱門商品放到大家最常看的位置，或把容易被忽略的商品移到視線較少的角落，減少空檔。 目前已有瑞典 COOP、挪威便利商店、新加坡 FairPrice 等零售商在試用，還結合機器人做貨架盤點。 🔒 相關發展：零售業 AI 監控越來越普遍，但爭議也不少 這不是唯一一套「用攝影機分析顧客」的技術。近年零售業為了防盜，開始大量導入 AI 攝影機： • 英國、澳洲的超市測試人臉辨識，比對「已知竊盜者」黑名單。 • 美國部分折扣超市用面部掃描抓小偷，被批評是「全民監視」。 • 有店家結合 AI 偵測「把商品塞進口袋」的行為，直接通知店員。 這些做法引發隱私疑慮，尤其在歐洲 GDPR 規範下，即使沒有記名，推論出的「注意力資料」也可能被視為個人資料。有專家指出，現有監視器只要軟體升級，就能從防盜變成行為分析，甚至未來可能結合動態定價。 Auki 這套比較特別的地方是它主打「陳列優化」而非「抓人」，而且強調用現有設備、不新增硬體。不過隨著這類空間 AI 越來越成熟，公共空間裡「被分析」的範圍確實在擴大。 未來走進超市，貨架擺設可能不再只靠經驗，而是靠「大家真正在看什麼」的數據來決定。這對店家來說是效率提升，對消費者來說則是「逛街體驗被量化」的開始。你覺得這種技術是進步，還是有點讓人毛毛的？ 🤔

我把我手上的寶可夢卡牌賣給你，告訴你這卡牌以後會漲價，你聽了很興奮，買了卡牌，等漲價。我轉頭又印了一堆卡牌，告訴你，這些卡牌以後還會更值錢，你想要賺更多的錢，就把手上的現金通通交給我，來買我的卡牌。我的荷包滿滿，但我又加印了更新一代的寶可夢，更漂亮，以後會漲更多，問你要不要買。什麼，沒錢了？你可以找銀行借！什麼，信用額度都用完了，銀行不借？沒關係，你告訴銀行，你手上這些寶可夢卡牌，很值錢，你可以抵押來借錢，而且你也不是把貸款花掉，你買的是值錢的卡牌。什麼，銀行不覺得這些卡牌以後會增值？沒關係，我來和銀行談，我有很多錢，我跟銀行擔保，如果寶可夢卡牌幾年後沒有這個價值，我負責給銀行差額，這樣銀行就可以借你更多的錢，來買我新印的寶可夢卡牌！這大概就是很多看空輝達股票的人，心裡想的「循環投資circular financing」，用來描述輝達最近和華爾街談的五千億借貸平台，剛剛好，他們認為輝達的GPU，和老鼠會的詐騙沒有什麼兩樣。 當然不一樣。股票估值的方法有千千萬萬種，但多半不離一個基本原則，「越賺錢的公司，越值錢」。寶可夢卡牌和比特幣一樣，本身沒有任何價值，因為他們沒有產生財富，「沒有賺錢」，賣寶卡夢卡牌的公司，當然有賺錢，但如果產品本身沒有財富的價值，那當然像老鼠會一樣，紙牌屋隨時會倒塌。這也是為什麼Coinbase這樣的公司，沒有什麼前景，不要碰比較好。 輝達的GPU不是卡牌，也不是比特幣，但是不是會變成黃仁勳說的「AI工廠」，我們不知道。但現實是GPU供不應求，而供不應求的原因，不是炒作，不是囤積，而是真的算力滿載地在使用，Anthropic到處找GPU，SpaceX和谷歌都先把算力給了Anthropic。Anthropic兩年內就會達到二千億美元的營收，OpenAI應該也相去不遠，他們買GPU，他們借別人的GPU算力，都是像寶可夢卡牌一樣，只是放著囤貨嗎？不是，因為這是全世界最快達到十億用戶的產品，我付錢給ChatGPT，不是跟著別人湊熱鬧，而是每天都真實地需要AI來幫忙。特斯拉的自駕每天載著我跑來跑去，背後也是輝達晶片在訓練這些模型。這些AI晶片的需求，都是真實存在，既不是dot com泡沫的本夢比，也不是地產風暴的房貸包裝再包裝，對於現在做空AI的瘋子，像Michael Burry，我祝他們好運，但我一點都不擔心現在是AI泡沫，至少還不是時候看空。 因為微軟執行長Satya Nadella在法說會提到了1873年一書，讓科技圈一時注意到AI和十九世紀內戰後美國的鐵路瘋狂建設時期有極為相像之處。這是一個有意義的比較，Nadella有點是向世人示警，要注意不要重蹈覆轍，鐵路的建設，的確是百年一見的生產力躍進，縮短了人們交通的時間和空間，擴大了市場，產生了更多生產的可能性，對美國財富的提升，長期生產力的加持，有跨時代的影響，把AI比為鐵路，有其意義。而鐵路的建設，相當昂貴，如果沒有像中國蓋高鐵一樣，把國家搞破產也要蓋，只靠私人建設的話，需要極大的資本市場投入，甚至是要先預支未來一樣的投入。的確，1873年一書，講的就是美國的鐵路建設狂潮，如何把股市和債市的資金，吸得一乾二淨，但最後把鐵路大亨和銀行一起弄垮的故事，甚至造成了在1929年之前，美國所經歷過的最大經濟蕭條，多年無法回復。鐵路後來的確達到了泡沫時期的預言，的確改變了美國，促成美國成為世界經濟第一強國，但最早投入鐵路建設的投資人，全部被清空，發了美夢，但沒有賺到錢。 輝達現在賣了這麼多晶片，台積電還不斷地擴張，記憶體三雄也抓著這個世紀難見的契機擴產，然後上游的協力廠商，下游的數據中心，通通在擴充，然後核心的Anthropic和OpenAI瘋狂地發股票，一邊募資，一邊求材。退一萬步說，AI的需求，完全不虛假，但鐵路也是這樣不虛假，只是先期的乘客、貨運量完全無法合理化鐵路在資本市場要的本益比，現在的AI也是這樣，就算Anthropic和OpenAI，兩家每年都可以做兩千億的營收，然後把營收通通拿去買輝達的晶片，而且通通不要分給上下游廠商，那還是無法合理化輝達五兆美元的市值。從這個角度看，把AI比為鐵路，而要投資人小心，是正道，但我還是要講一句金融市場最可怕的話，「這一次不一樣」。 人類社會對交通方便的需求，會隨著路網越大，而自然變得更多，因為原先的不可能，化為可能，這個時程很長，唯一加速的方法，就是把路網瘋狂地蓋下去，但這個加速的過程，不但受限於資金，還受限於材料，更受限於中國苦力和歐洲新移民的數量，沒有人去蓋鐵路，就沒有鐵路。另一方面，AI的需求，也像鐵路一樣，越多的建置，就會產生越多的新可能，製造出更多的需求，但和鐵路不一樣的是，瓶頸不在於物理限制，甚至不在人口數。鐵路的乘載，有一個人口的天花板，但AI沒有，我們已經看到AI代理的驚人需求，AI代理完全不受限於人口數。而AI更驚人的能力在於，我們在生產智能，可以解決問題的智能，這個智能跨越到幫我們解決物理限制的日子，早就來了，智能加乘的速度還會加快。黃仁勳畫出來的美麗未來，不一定是作夢。 然而就算AI美夢再美好，再真實，泡沫一定會到來，那是人性，但不是今年，也不是明年，現在壓空方，不智。長期利率還沒掉下來，資金還不算真的投入AI建設，我們現在是dot com泡沫的1994或是1996，連1999都還沒到，不怕。