sui链的官方perp @astros_ag 一直在尝试AI和perp的创新融合 只是目前还没找到一个特别巧妙的路径，但是尝试总比摆烂要好 刚上线了一个我觉得挺关键的功能：AI Detective 👇 它不再只是“给你分析”，而是直接给交易决策： 方向：Long / Short / Neutral + Confidence 目标价：Target Price 执行策略：Entry / TP / SL 全部给好 本质上是把「判断行情」这一步，交给 AI 完成。 更有意思的是，它不是单一指标在做判断，而是把多维数据揉在一起： 市场趋势（结构 / 技术面） 社媒情绪（叙事变化） 链上数据（资金流 / whale 行为） 资金费率 最后统一输出一个可以直接执行的交易方案。 用下来最大的感受是： 👉 少了很多主观判断 👉 更像是在“用策略”，而不是“猜行情” 入口就在 Astros perp 交易界面的右上角，可以自己去试一下: 建议配合信号截图一起看，会更直观。

本週末台灣活動的服裝 學生 Asa 週六參加 Cospie 06 尤尼週日的阿薩偵探 希望在那裡見到你 ~ 🥰 Outfits for the events this weekend in Taiwan Student Asa at Cospie 06 on Saturday Detective Asa at Yuni Sunday Hope to see you there ~ 🥰

一个中国 crypto trader，在 TikTok 上发了一段 neural network visualization 结果疑似不小心把系统正在 Polymarket 实时交易的画面露出来了 画面里全是蓝色连接线 hidden layers 纵向堆叠 neurons 在屏幕上不断触发 大多数人第一次看时，都忽略了中间一个很小的标签： “Bitcoin XVIII” 他把这条视频包装成一个普通 AI experiment 虚拟水族馆模拟 reinforcement learning “教神经网络学习生存行为。” 这是视频标题 但暂停在 0:16，细节就不对了 Profile： 模型似乎并不是在学习鱼的行为 hidden layer 里的标签，几乎和实时 Bitcoin prediction markets 对上了： price windows directional probabilities volatility ranges 这些信息被直接映射到 neural network 的 nodes 上，而所谓“模拟”还在后台继续运行 然后大家找到了这个 wallet 30 天 profit：$367,385 1,988 predictions 最大单笔 win：$183,000 几乎所有 active positions，都和 Bitcoin range markets 有关 entry price 集中在 94-98¢ 这正是自动化系统最喜欢 farm 的那类低波动 spreads： 赔率很高 空间很小 但可以持续重复 而且不需要人工一直盯着 1 小时内，评论区直接变成 detective board 有人把 TikTok 调到 0.25x 逐帧拼接 neural network 画面 然后把 hidden layer labels 和这个 Polymarket wallet 的 active positions 一一对比 时间点匹配得太精准 观众以为自己在看 AI visualization 但后台看起来更像是一个模型正在实时分类 market conditions，并根据 BTC 短线波动，把交易自动分配到不同 probability buckets 原 TikTok 只有 11,000 views。 但那条曝光 wallet 的 repost，一夜之间超过 600,000 views。 第二天早上，已经有人开始 clone 这个 interface，重建 network layout，并试图弄清楚： 为什么这个账户几乎所有 positions 都集中在 96-99¢，而且投入金额异常高。 最有意思的是： 原作者没有删除任何内容。 Wallet 也仍然 active。 问题是： 这类 Polymarket bot 的 edge，来自预测 BTC，还是来自把实时市场状态映射成可自动执行的概率分组？

苹果官方YouTube频道发布真实事件：Apple Watch 在一次山地骑行事故里帮 Phil 及时呼叫急救，最后救了他一命。 Apple Watch Fall Detection: Phil’s True Apple Watch SOS Story 来自 @YouTube

尼泊尔最高法院终审裁定保障同性婚姻平等 🇳🇵🏳️‍🌈 ——长期"临时登记"状态首次获得终局确认 2026年6月18日，尼泊尔最高法院大法庭（Larger Bench）作出终审裁定，向政府发出具约束力的指令性命令（directive order），要求保障性与性别少数群体的婚姻平等权利。法院同时驳回了一项由Yuvraj Paudel提起、意图宣告已登记同性婚姻无效的反诉（counter-writ petition）。 这是近二十年来尼泊尔最高法院第四次就性少数权利作出的重大裁决。起点是2007年的"Sunil Babu Pant诉尼泊尔政府"案，最高法院首次确认性与性别少数群体的权利属于基本人权。2023年6月28日，法官Til Prasad Shrestha发出临时命令，要求政府为"非传统伴侣与性少数"另设登记簿、临时办理婚姻登记。2023年11月29日，跨性别女性Maya Gurung与顺性别男性Surendra Pandey在拉姆琼县（Lamjung）完成登记，成为尼泊尔首对登记结婚的同性伴侣。 此后的登记一直停留在"临时"层面。2024年4月，内政部下属的国家身份与民事登记部门通知全国地方登记机关，将同性婚姻录入单独登记簿；但2025年5月，该部门确认这些临时证书并不赋予同性伴侣与异性伴侣同等的法律权利与保障。据多个倡导组织（如蓝钻石协会Blue Diamond Society）说明，临时登记的伴侣无法继承财产、享受税收优惠、代配偶作医疗决定，也不能收养子女。尼泊尔现行的《国家法典》（National Code of Nepal，2018年）仍将婚姻定义为"一名男子与一名女子"的结合。 此次终审为已经登记的伴侣提供了确定性，并要求政府修订民法典、删除其中的歧视性表述。在南亚地区，尼泊尔是首个在司法层面确认同性婚姻登记的国家；其进展主要由司法推动，立法尚未跟上，这一路径既显示了法院的能动性，也意味着最终落地仍取决于政府是否修法。 这是一项指令性判决，而不是议会通过的法律。最高法院对宪法和法律有最终解释权，政府在法律上负有执行义务；但尼泊尔历届政府执行此类指令的记录并不稳定，时有拖延。2026年4月就任的总理Balen Shah曾因一段含有恐同言论的说唱视频受到社群批评。裁决能否转化为统一、可操作的全国登记制度，是接下来的关键。 参考来源： Pahichan Media（尼泊尔本地LGBTQ媒体）： Attitude： QNews：

机器人圈也被 AI 的 scaling 卷麻了 截图是 ICRA 2026 一个数据统计，感觉蛮有意思的，分享一下。比如论文关键词的分布，中美加起来占一半以上的江山。 投稿 4947 篇，接收 1882 篇，接收率 38.04%。2021 年时候投稿量大概 4000 篇左右，机器人圈也在被 AI 的 scaling 卷麻。 Hot topics 是 Manipulation、Planning、Mapping/Perception 3D，SLAM/Localization，Object Detection/ Tracking。 author keyword top 是：Deep Learning for Visual Perception、Reinforcement Learning、Motion and Path Planning、Imitation Learning。 btw，这个数据不是 ICRA 官方做的，是韩国 DGIST 一个助理教授 Giseop Kim 做的，现在vibecoding一个东西变得无比容易。just do it… 想起来去年还写过一场 ICRA 2025 的 keynote 辩论，当时议题是“Data will solve robotics: True or false？” 转眼一年过去了……大家觉得这一年机器人领域的进展快吗？现在关于Data will solve robotics的争论，大家觉得有答案了吗🐶

推荐这份清单，几个新出的 TTS 和实时语音工具。 首个专门的开源 TTS 模型来了，WebRTC SDK 也开源了——从模型到基础设施，都有东西在动。 Voice Agent 领域的几个新发布和工具。 1. Qwen3-TTS（新） 阿里 Qwen 团队发布的开源 TTS 模型。目前细节不多但值得标记——Qwen 系列在语音方向上的第一个专门 TTS 模型，不再是通用 LLM 的附加功能。 GitHub： 2. MOSS-TTS / MOSS-TTS-Nano OpenMOSS 团队发布的两个 TTS 模型。Nano 版本主打轻量和本地部署，适合嵌入式和边缘设备场景。 GitHub： 3. LLMRTC — 开源实时语音/视觉 Agent SDK 纯 TypeScript 的开源 SDK，用于构建实时语音和视觉 AI agent。基于 WebRTC，直接支持浏览器端和 Node.js。适合想自己搭建类似 ChatGPT Voice Mode 或 Gemini Live 体验的开发者。 GitHub： 4. Building Enterprise Realtime Voice Agents from Scratch 一篇从零构建企业级实时语音 Agent 的技术教程。覆盖了 WebRTC 信令、STT 选型（Whisper vs Deepgram vs 自建）、LLM 延迟优化、TTS 流式输出、以及生产环境的断线重连和状态恢复。 5. Voice Agent Latency Optimization 最佳实践 社区维护的语音 Agent 延迟优化指南。核心发现：端到端延迟的主要瓶颈往往不在模型推理，而在 audio chunking 策略和 VAD（Voice Activity Detection）参数调优。一个常被忽略的优化点是服务端音频缓冲区大小——默认 20ms 的帧长在某些网络条件下会导致不必要的等待。 GitHub：voice-agent-examples #VoiceAgent# #TTS# #WebRTC#

做手工单跟做量化的人最后结果有哪些区别？ 1、财富曲线的终局不同：手工单的人，财富往往像个人英雄史诗——少数人靠几次神级操作实现阶层跃迁，但多数在一次黑天鹅或情绪失控后归零，留下一句“差一点就财务自由”。量化的人，财富是机器般的复利机器，曲线平滑却无情，最终多数能活到“睡后收入”阶段，少数成为基金帝国的实际控制人，因为系统把人性弱点彻底剔除。 2、心理残留的深度：手工单者退休后，夜里常被“如果当时不手动平仓就好了”的闪回折磨，交易创伤像老兵的PTSD，影响家庭和健康。量化者心理痕迹极浅，他们把亏损视为模型参数迭代的结果，最后的结果是带着平静的满足感离开战场，而不是带着一身“赌徒悔恨”。 3、职业寿命的长短：手工单的人平均交易生涯5-8年就因情绪耗尽、视力衰退或家庭压力转行，最终结果是“曾经风光过，但没坚持到复利拐点”。量化的人能把策略封装成产品，10年后还在收管理费，职业寿命被代码延长，最终很多人从“交易员”进化成“策略架构师”，实现了从个体户到机构的跨越。 4、知识传承的效率：手工单的alpha高度个人化，像武林绝学，师傅走了徒弟就断层，最终结果是“一门手艺随人走”。量化策略写成代码后，可以团队迭代、云部署、甚至卖给别人，最终结果是知识像开源项目一样指数级放大，创造出远超个人能力的集体财富。 5、对市场 regime shift 的最终适应：手工单者在市场风格突变时靠直觉和盘感活下来，最终少数“老炮”成为传奇故事。量化模型若没及时重构就会大面积失效，但顶尖量化团队把“regime detection”做成核心模块，最终结果是他们把别人眼里的“不可知”变成了可量化的切换开关，生存概率远高于手工。 6、时间自由度的反差：手工单的人最后往往被屏幕绑架，错过孩子成长、父母健康，换来的是“赚了钱却没命花”的感慨。量化策略上线后，人可以去旅行、读书、陪家人，最终结果是真正实现了“用钱买时间”，而非用时间换钱。 7、风险调整后收益的本质：手工单的年化收益可能很高，但夏普比率低到可怜，最终结果是银行敢给量化人贷款，却不敢给手工单人批信用——因为银行看数据，数据只认一致性。量化人用同样的本金，活得更久、睡得更香。 8、失败归因的维度：手工单者失败后常自责“我不够狠”“盘感退化”，把责任全揽到自己身上，最终容易陷入自我否定。量化者失败后打开日志和回测报告，责任指向“过拟合”“数据漂移”“执行滑点”，最终结果是他们把每一次爆仓都变成下一次模型的进化燃料，而不是人生污点。 9、社会认可与孤立感：手工单高手常被圈内奉为“神”，但圈外人觉得他们是“赌徒”；最终结果是光环越大，孤独越深。量化人被当成“理工男/女”，圈外人觉得靠谱，最终结果是他们更容易获得家族支持、机构背书、甚至政策资源，完成从“野路子”到“正规军”的身份转变。 10、人生天花板的格局：手工单的人做到极致，可能是“一代操盘手传奇”，影响力止于小圈子故事。量化做到极致，能把策略产品化、基金化、甚至平台化，最终结果是建立一个“即使我不在，钱还在自动赚钱”的商业帝国——从个人技能升级为可交易的资产，这才是两者在终点最残酷也最真实的差距。