先说结论：本次市选结果列治文右转，温哥华左转 一个容易被忽视的变量是： 你是业主还是租客，以及你每个月到底承受多少住房成本。 2021 Census： 🏠 Richmond：约 71% 家庭自有住房，29% 租房 🏢 Vancouver：约 45.5% 自有住房，54.5% 租房 两座城市的住房结构几乎是两个不同的世界。 最近 Vancouver 民调又显示出明显的业主/租客政治差异。 Pallas Data 的 Council 民调： ABC 业主：13.3% 租客：4.3% Green 业主：9.4% 租客：20.0% ABC 在业主中的支持率约为租客的3倍；Green则在租客中明显更强。 但还必须加入一个变量：可负担性。 Statistics Canada 把住房成本达到家庭收入30%以上定义为住房不可负担。全国数据也显示，租客承受这种压力的比例明显高于业主。 这意味着住房问题对不同居民可能代表完全不同的利益： 对租客来说，可负担性更多直接体现为： 租金、空置率、住房供应和能不能继续住在这个城市。 对业主来说，则可能更多体现为： 地税、市政收费、按揭成本，以及自己的房屋和社区。 因此，不能简单地说： “房价越高 → 选民越左” 或者： “业主越多 → 城市越右”。 真正值得观察的是： 住房身份 × 可负担性压力 × 市政财政负担 Vancouver 是一个租客占多数、住房负担压力很大的城市，因此住房可负担性议题面对的是一个庞大的租客选民群体。 Richmond 则完全不同——约七成家庭拥有住房。 这意味着同样是“住房太贵”，两个城市的居民可能要求市政府解决的并不是同一个问题。 Vancouver 的政治竞争更容易围绕租金、租客和住房供应展开； Richmond 的政治竞争中，住房供应同样重要，但地税、市政开支和业主持有成本面对的潜在选民群体更大。 人口结构不会自动决定选举结果，但它决定了每一种政策到底触及多少人的切身利益。

祝贺聂辉华教授出任清华大学社科学院长聘教授、博士生导师。 我这位老乡长期在人大工作，是一位真正的“土鳖”——本土培养的有建树的经济学者。主要研究政企关系、企业理论和制度经济学，在《中国社会科学》、《经济研究》、Review of Economics & Statistics 等国内外顶级学术刊物上发表了几十篇论文。

📢 NIUMA WORKS 测试网最终结算公告 NIUMA WORKS 测试网奖励统计已进入最终确认阶段。 请所有参与测试的用户尽快核对任务记录、订单记录、提交状态、验收状态以及奖励统计。 本轮测试网奖励将在 5/14 统一发放。 如发现数据遗漏或结算异常，请尽快联系社区管理员反馈。 结算完成后，NIUMA WORKS 将进入正式版上线前的最后准备阶段。 感谢每一位参与测试、提交反馈、一起打磨产品的牛马。 链上开工前，最后确认一次。🐂🐎 NIUMA WORKS 让建设被记录，让劳动有回报。 📢 NIUMA WORKS Testnet Final Settlement Notice The final confirmation stage for NIUMA WORKS testnet rewards has officially started. All testnet participants are encouraged to check their task records, order records, submission status, review status, and reward statistics as soon as possible. The testnet rewards will be distributed on May 14. For any missing records or settlement issues, please contact the community admins as soon as possible. After the settlement is completed, NIUMA WORKS will move into the final preparation stage before the mainnet launch. Thank you to every NIUMA who participated in testing, submitted feedback, and helped improve the product. One last check before we start working onchain. 🐂🐎 NIUMA WORKS Record contribution. Reward real work.

有位作者，把自己在阅读《An Introduction to Statistical Learning》这本经典统计学习入门书的学习过程笔记，开源了。 项目名叫 isl-python，按章节把 ISL 和补充的 ESL 内容用 Python 实现出来。 涵盖回归、分类、重抽样、正则化、非线性模型等章节，每章都配着对应代码实现和笔记，还标了完成日期。 GitHub： 仓库里还整理了原书 PDF 链接和补充的机器学习数学推导资料，方便对照着学。 适合正在看这本书、想找个进度参照或代码实现例子的朋友，跟着一起学习。

Bitget AI 黑客松「免报名直接提交」硬核通关指南-0撸50刀羊毛 Bitget AI Hackathon 的提交阶段已经进入最后冲刺。作为观察者，我一直在追踪这次比赛的动态。 我发现很多开发者和交易员存在一个巨大的误区：“我之前没报名，现在是不是错过了？” 完全没有！这次黑客松最硬核的规则在于：不需要提前注册，没报名也可以直接填表提交项目参赛！ 盘了一下奖池，回报率极高： • 总奖池：50,000 USDT • 一等奖：6,600 USDT • 发糖低保：只要提交 Demo 并发帖，就能直接拿 +50 USDT 的基础参与奖，门槛极低！ CN 提交链接（直接填表就能战）： EN 提交链接： 如果你手里有现成的 AI / 量化 Demo，或者想在最后几天快速拼一个 Agent，这篇深度通关教程将告诉你如何利用官方的“底牌”快速构建一个能打的作品。 一、 解构底层武器库：官方给的两个“外挂” 想要拿高分，必须理解 Bitget 这次黑客松主推的两个底层工具体系——Agent Hub 和 Playbook。 它们分别对应了“开发者”和“非代码交易员”的终极需求，甚至打破了 Crypto 与美股的资产壁垒。 1.Agent Hub：开发者的“全功能感知层” 传统 AI 交易最头疼的是自己去写爬虫抓推特情绪、接各家链上数据源。 Agent Hub 相当于把这些脏活累活全包了。 它提供了 58 个涵盖极度细分的交易执行 API，同时其“感知层 Skill”能让你的 Agent 同时具备读取宏观经济指标、链上大额异动、社媒情绪（X/Reddit）以及传统技术指标的能力。 最亮点的是它支持美股代币化资产。这意味着你的 Agent 可以一边盯着 Nvidia 的财报情绪，一边在 Crypto 市场做套利或对冲。 2.Playbook：非代码交易员的“自然语言编译器” 如果你不擅长写复杂的 Python 代码，Playbook 是你的通关密码。 它支持自然语言交互，你可以直接对它说：“帮我写一个策略：当 BTC 突破 20 日均线，且美股标普 500 波动率下降时，自动做多买入，并在亏损 3% 时硬止损。 ”AI 会自动将这段话编译成策略方案、自动跑回测，并提供一键部署的看板。从“有想法”到“跑起来”全链路覆盖。 二、 三大高分创意思路（现在动手还来得及） 根据我目前观察到的赛道风向，评审团对“感知 + 执行全打通”的 Agent 表现出极大的兴趣。 以下三个方向最容易在最后阶段通过组合官方 API 快速出活： 方向 A：Agentic Trading（感知-决策-执行全自动闭环） 不要只做一个简单的“信号提醒机器人”。利用 Agent Hub 的感知 Skill，做一个能够根据社媒 KOL 情绪变化 + 链上巨鲸钱包动向，自动在 Bitget 调起交易 API 进行现货/合约跟随的 Agent。这种全打通的基础基础设施在评选中极具含金量。 方向 B：美股与 Crypto 跨市场套利 Agent 利用黑客松对“美股代币化资产”的支持，构建一个跨衍生品套利模型。 例如：监测美股 AI 板块（如 NVDA、AMD）的日内波动率和期权数据，联动 Crypto 侧的 AI 概念代币（如 FET、NEAR）进行统计套利 （Statistical Arbitrage）或动量跟随。这轮美股 AI 行情大多数人只会买入等涨，而你可以用 AI 玩转跨市场对冲。 方向 C：基于 Playbook 的无代码策略生产线 如果你是策略产品经理或老交易员，可以利用 Playbook 快速生成 3-5 个针对极端行情（如深夜插针、流动性枯竭）的黑天鹅防御策略，跑通回测并录制 Demo 视频。 这种贴近真实交易场景的应用极易拿到好名次。 三、 极限通关：如何确保拿到 50 USDT + 冲刺 6,600 USDT？ 时间紧迫。 请严格按照以下步骤进行“压哨提交”： 1.准备 Demo 资产：不需要代码极其完美，但一定要有核心逻辑演示（一段 Github 代码库链接、或一段 2 分钟的屏幕录制视频说明你的 Agent 是如何工作的）。 2.无需注册，直接填表：点击官方提交通道，在表单中填写你的项目名称、简介、Demo/Github 链接。 3.顺手拿走 50 USDT：提交完成后，在 X (Twitter) 上发布一条关于你作品的推文，带上话题 #BitgetHackathon# 并 @Bitget AI 官方账号。只要是有效提交 + 发帖，+50 USDT 额外奖励稳稳到手。 总结一下，传统量化交易里需要花费几个月搭建的“数据抓取-回测引擎-交易执行”链路，现在借助 Bitget 的 Agent Hub 和 Playbook，几天之内就能拼装出一个雏形。 👉 中文提交通道： 👉 英文提交通道： @Bitget AI #BitgetHackathon#