『解释过去头头是道，似乎有理；预测未来躲躲闪闪，误差惊人』…这是高善文博士的自我调侃，我觉得用来形容营销组合模型(Marketing Mix Model）也很贴切。没有incremental test做calibration的模型结果，必然是过拟合套着过拟合

Jev 刚发布没几天，开源社区就出现了同款🔥 Decider-2B模型，是基于 Qwen3.5-2B 做了特殊调整 它和 Jev 模型是一样的 只做选择 评分和判断 不是文本类的 LLM 模型 但两者还是有几个明显区别： 1、模型 Jev：闭源 System One Model Decider：Qwen3.5-2B，约 1.9B 参数，Apache 2.0 开源 2、价格 Jev：$0.042 / 100万输入 Token，输出免费 Decider：本地部署，没有 API Token 费用，只算机器成本 3、速度 Jev：官方约 70–500ms，吞吐 25万 Token/s Decider：GH200 测试单次约 3–8ms，但硬件环境不同，不能直接横比 4、能力 Jev：重点是 RLCD + 概率校准，产品化更成熟 Decider：同样支持 Choice / Score / Noul，也专门做了 Calibration 训练 5、使用方式 Jev：直接调 API Decider：自己部署，更适合直接塞进 Pi、Hermes 这类 Agent Harness 如果感兴趣 可以去看一下 模型地址：

上一篇有人问：机器学习跑出来的信号，不算因子的话，怎么判断？是一个很棒的问题！ 可以不把它当成一个“关系”来看，而是拆成两层分开测。 因子问的是这个关系还在不在。ML 信号得问两个问题：输入分布变了吗，以及输入没变的情况下，预测和实现的校准还准不准。前者是特征分布的滚动监控，后者是 calibration curve。 分开测之后，诊断其实比想象中清楚。输入漂了但校准还稳，说明环境变了、模型还能用。输入稳而校准恶化，说明被抹平了，通常意味着有人在做同一件事。所谓黑盒失效无法归因，很多时候只是因为盯着净值曲线，没把这两层拆开。 特征层面也不是完全说不出话。模型整体讲不了逻辑，但把权重最大的十几个特征拎出来，参与者结构、规则、同类资金那三个问题照样可以问，只是对象从因子换成了特征。 还有一点跟周期有关。月频的股票因子要跑几年才能统计显著，所以逻辑在那里是拿来抢时间的。做市和短周期预测的样本量不一样，edge per trade 的滚动分布在天级就能给出挺窄的区间，本身就是一个 monitor。上一篇说的“没有逻辑就不知道自己怎么死的”，在这个周期上其实要弱不少。 另外一个容易混的地方：做市里的短周期预测不是独立 alpha，是报价的一部分。它的价值应该在 PnL 归因里看，adverse selection 降了多少、fill quality 好了多少，而不是单独算 IC 或 Sharpe。这两个口径经常给出相反的结论。 真正替代不了逻辑的，是判断敢不敢外推。碰到训练集里没有的状态，市场结构变了、波动到了没见过的水平、规则调整，统计监控是滞后的。这种时候要不要让模型继续跑，只能靠对机制的理解。

📚 Academic Research Skills：论文救命包 写论文最痛苦的地方，经常卡在查资料、整理引用、做文献综述、审稿修改这些碎流程上，最后全靠人自己硬扛。 给大家推荐一个项目：Academic Research Skills for Claude Code，把学术研究从选题、文献、写作、审稿到修改，拆成一整套 Claude Code Skills。 GitHub： 它的思路很克制：论文判断仍然由人负责，AI 主要处理那些重复、繁琐、容易出错的工作。比如找参考文献、检查引用、校准写作风格、做同行评审式反馈、把修改意见拆成可执行任务。 主要功能： 1️⃣ Deep Research：用多 Agent 做研究简报、文献综述、系统综述和事实核查。 2️⃣ Academic Paper：辅助论文大纲、正文、摘要、修订、格式转换和引用检查。 3️⃣ Academic Paper Reviewer：用多视角审稿机制，给论文打分、挑问题、做复审。 4️⃣ Academic Pipeline：把研究、写作、完整性检查、审稿、修改串成 10 阶段流程。 5️⃣ Style Calibration：从你过去的文章里学习语气，减少 AI 味。 6️⃣ Citation Check：重点处理 AI 写作里最容易翻车的引用幻觉和来源错配。 适合正在写论文、做文献综述、整理引用的朋友收藏使用。

HertzFlow Community Celebration 开跑啦，欢迎大家来玩！🔥 到 @Galxe 把任务跑完，$500 USDT 等你一起分。 前线见，我们都在。 🗓 6月25日 – 7月9日，来参与吧 👇