据 TechCrunch 报道，Encord 正在与 Zander Labs 测试一种新的 Physical AI 数据生产方式：在人类完成抓取、摆放等操作任务时，同时采集第一视角视频和脑电信号。 这不是“用意念控制机器人”。 重点是让训练数据更有信息量。脑电信号可能帮助标记意图、错误、惊讶或认知负荷，这些是单靠视频不一定能捕捉到的上下文。 Encord 的 Physical AI 数据体系还包括现场采集、遥操作、多传感器数据、标注和部署反馈。 机器人要学习真实世界，需要大量结构化样本：手、工具、物体、动作、时机和失败案例。

推荐这两个模型，Liquid AI 的新 encoder。 小参数下匹敌大模型质量——长文本 CPU 推理比 ModernBERT 快了数倍。 Liquid AI 在 7 月 28 日发布了两个新的 encoder 模型——LFM2.5-Encoder-230M 和 350M。核心卖点：在小参数下匹敌大模型的质量，上下文 8192 token 且延迟随输入长度增长缓慢，CPU 上比 ModernBERT-base 快约 3.7 倍。 架构 两个 encoder 从 LFM2 解码器主干初始化，然后做三步改造：双向注意力掩码（每个 token 看两边）、非因果短卷积（对称 padding）、30% token 的掩码语言建模训练。 两阶段训练：先用 1024 token 上下文做大语料 MLM，再扩展到 8192 token 强化事实、法律和多语言能力。 Benchmark 在 GLUE + SuperGLUE + 多语言分类共 17 个任务上，350M 版本排 14 个模型中的第 4 名，前 3 名都更大（最大一个 3.5B，近 10 倍参数）。230M 版本击败了 ModernBERT-base 和所有 EuroBERT 模型，参数量更小。 CPU 推理速度 最大的优势在 CPU 上。8192 token 输入时，ModernBERT-base 一次前向约 90 秒，LFM2.5-Encoder-230M 约 28 秒——约 3.7 倍快。这意味着你可以在笔记本 CPU 上 30 秒内扫描完一份完整合同、转录文本或长客服线程。 GPU 上的优势在长上下文时同样存在：短输入（<1000 token）ModernBERT 领先，长输入 LFM2.5-Encoders 反超。 实际用途 附带了 5 个 CPU-only 的 HuggingFace Space demo：零样本 prompt 路由、零样本策略检查、拼写纠正、40 种 PII 检测、掩码扩散文本生成（迭代 unmask 而非从左到右生成）。 两个模型都是开放权重，支持 transformers + Flash Attention 2。 模型： 博客： #Encoder# #CPUInference# #ONNX#

吴说获悉，Fold Holdings（NASDAQ: FLD）宣布与 Encina Lender Finance 达成为期四年的高级担保循环信贷额度协议，最高规模为 1.5 亿美元，将用于扩大 Fold 比特币信用卡发卡规模。Fold 比特币信用卡已向部分候补用户发放，计划未来数周至数月分批扩大开放范围；该卡通过 Visa 网络发行，由 Stripe Issuing 提供支持。

吴说获悉，Aptos 官方发文称，Aptos 将推出原生加密内存池（Encrypted Mempool），在协议层保护用户交易意图，降低抢跑、审查和订单流泄露风险。该机制会在区块排序期间隐藏交易细节，并在执行前解密；区块确认后，交易信息仍会正常记录上链。Aptos Labs 称，其批量阈值加密方案可在尽量不影响网络延迟和信任假设的情况下实现该功能。

7月23日讯，沙特通讯社报道称，一艘名为“恩塞利亚”号（Encelia）的沙特籍船只在红海航行时遭到袭击。该通讯社援引沙特公共交通局一位官员的话称，袭击导致船头起火。所有船员均安然无恙，有关部门已采取必要措施确保船只与人员安全，并保护海洋环境。此前报道指出，也门胡塞武装宣称对红海两艘船只遭袭负责，其中包括“恩塞利亚”号。该组织称另一艘遇袭船只为“莱拉”号（Layla）。 有人核实这条消息了吗？