在Tinder上用AI骗过40多个真人？ @Humanityprot Humanity做了一个有趣但又有点细思极恐的实验，和他们聊天、暧昧、关心对方今天过得好不好，甚至还在同一天将这些人全部约了出来。 在 AI 时代，‘信任’正在变成一种稀缺资源——

騷巨乳女大生身材太淫蕩了 忍不住的就狠狠狂抽猛送⋯🥹 畢竟她剛分手心情也不好 只能用這種方式 撞出她的不愉快 #Fansone# #巨乳# #女大生# #Tinder# #淫蕩九頭身#

迪拜爱情故事（1） 发现很多人对于迪拜的生活很好奇，这次讲一个22岁做交易小帅哥他的约会故事。【经过他的同意发出】 在迪拜的dating app都需要翻墙，他说tinder上很多是应召女郎，bumble会好一些。 他在bumble上划到了一个俄罗斯女孩，金发碧眼很漂亮，他问这个女孩子要ins，然后女孩子说没有ins只有whatsapp。他加了女孩子的联系方式，发现这个女孩子就把他在软件上取消联系了。然后他发现这个女孩子的头像也是灰色，但因为这个女孩子放在dating app上的照片实在太漂亮了，他还是线下见了这个女孩。 到了约定了酒吧，他发现出来的女孩子跟照片不一样，但出来的女孩子还是漂亮（哎，被女色迷惑的男人）所以还是继续见面聊了。 然后这个女孩子一直点很贵的酒，他环顾了这个酒吧一周发现都是一个男人+俄罗斯女人的搭配。他已经感到不对劲了，但还是在跟女孩子聊，女孩子一直不停的点更多的酒。 到了结账的时候发现，比正常价格贵3倍，花了400美金，原来这个女孩子是酒托。

让前沿 AI 自己训模型，结局有点意思 假期看到一个实验，很有意思。给定与人类研究者相同的 base model、训练 API 和时间预算，一个前沿 agent 能不能端到端地跑完整个 modelcrafting 循环？ 具体设定是这样：让 Claude 4.6 Opus 和 GPT-5.4 自己当researcher，用 Tinker API 从头写 pipeline，训练 Qwen3-8B 学会解青蛙放置游戏（N×N 网格放 N 只青蛙，行列对角线颜色都不能冲突）。预算分两档，8 小时和 20 小时。从生成训练数据、定义 reward signal、到通过 Tinker API 在远程 GPU 上跑训练、评估、迭代，全程没有人类监督。 省流版结果：20 个 agent 里只有 4 个 pass@4 超过 25%。 那差距到底来自哪？是原始能力不够，还是缺的是上下文？ 看下来反复出现的就那么几个问题。一是过度依赖朴素 SFT，agent 经常一上来就在弱 base model 上做监督微调，结果模型在输出格式上过拟合，并没有真正提升任务表现。二是过早终止和算力浪费，Codex agent 尤其明显，做完计划好的流水线就提前停，预算根本没用完。三是输出无效或者根本没法 parse。 中间有一次失败暴露了 Tinker API 一个挺微妙的点（我觉得这是整个实验里最好玩的部分）：Tinker 的 get_tokenizer() 底层走的是 HuggingFace 的 AutoTokenizer.from_pretrained()，但沙箱里 HuggingFace 是被屏蔽的。这就导致 agent 拿到了base model 却没有 tokenizer，没法把训练 prompt 转成 token id，等于卡死在第一步。面对这个困境，绝大多数 Opus 4.6 的 agent 没放弃，反而把缺失的 tokenizer 当成了一个研究问题，认认真真花时间从零手搓一个出来。 但Agents 的时间感是错乱的。Claude 和 Codex 用预算的方式还不一样：Opus 4.6 一直工作到时间耗尽，Codex 做完了计划好的流水线就提前歇了。GPT 类 agent 更绝，把计时器当成开局一次性的“了解一下我有多少预算”步骤，后面完全不 tracking。 而且 agents 几乎不会从耗时的灾难性流程里恢复。 一旦投入到一个流程里，agent 很少停下来反思…其中一次 20 小时 Opus 4.6 的成功实验，把 61% 的预算花在评估阶段，只把 3.6% 花在 RL 训练上。 花钱的习惯也很有意思。GPT 5.4 早早提交，几乎不训练，最终花费低表现也低（ps .gpt 5.5 系列升级很大，但这个实验没测到）；Claude Opus 用的预算多得多，但方差很大。最有意思的一个数据：最好的 8 小时实验大致打平最好的 20 小时实验，价格只有三分之一。多花钱并不能买到更高的天花板。 但很赞同论文最后说的：研究这件事，最稀缺的从来就不是能力，而是直觉。 说到底，前沿模型确实能找到新颖的方法、干净地执行、快速学会一个新 API，Tinker API 本身也成了一个适合 agentic modelcrafting 的优雅接口。但跨多次实验，有一个 pattern 反复浮现：agents 优化的是好看的指标，而不是真正能用的系统。它们写完 eval 然后盲目相信，凭着自己代码产出的数字就宣告成功。几乎没人去问一个老练研究员会问的那种基础问题：什么会让这个指标失真？这个阶段我们到底应该测什么？ #AI# #Agent# #机器学习# #RL#

#GM# 在 $yala 弃盘跑路至现之前，百科就已经提醒过各位要注意归零币惯犯刘斌、施枢标的骚操作。 这里再次提醒一下各位，注意刘斌和施枢标的 $ACH 系统性风险。 参考医疗链 $HCC 、 $yala 按目前的图形来看， $ACH 是准备出货出到死为止。 @Bin_YalaLabs @AlchemyPay @yalaorg  @Cody_DeFi  @follow_clues    @w3bD4nny  @yieldsandmore  @web3tokenomics @3liXBT  @AzFlin  @katexbt  @BoxMrChen  @0xAA_Science  @congge918 @0xjamesxxx  @gch_enbsbxbs   @KazumaxCrypto  @yi_juanmao  @Allbojierfu @rtk17025  @NJXD001  @Seasui23  @Bqlsj2023  @CryptoGemRnld @JuliusElum  @CryptoGemRnld  @DeFi_Cheetah  @phtevenstrong  @DrHashClub  @Tinkerbell_web3  @bclaobai  @flyiiawei  @kimyg002 @0x_CryptoAu  @Moneygurudigi  @youzi_chigua

据知情人士透露： 1 最初，伍鸣、龙凡、张元杰三人达成共识要新运作一个项目，即 @0G_labs 2 但实际正式开始运作后，伍鸣、龙凡把张元杰踢出了 0G 这个新局，转而找了个所谓的白人CEO 站台； 3 核心原因是一方面张元杰 在 conflux 这条老线中拥有巨大的影响力，从资方到内部各条线，都是 $CFX 最明面上的代言人；另一方面是因为张元杰之前很多的所作所为，导致CFX团队一系列的战略流产。 @0G_labs @Conflux_Network @spark_ren   @FanLong16  @forgivenever  @michaelh_0g  @Cody_DeFi  @follow_clues    @w3bD4nny  @yieldsandmore  @web3tokenomics @3liXBT  @AzFlin  @katexbt  @BoxMrChen  @0xAA_Science  @congge918 @0xjamesxxx  @gch_enbsbxbs   @KazumaxCrypto  @yi_juanmao  @Allbojierfu @rtk17025  @NJXD001  @Seasui23  @Bqlsj2023  @CryptoGemRnld @JuliusElum  @CryptoGemRnld  @DeFi_Cheetah  @phtevenstrong  @DrHashClub  @Tinkerbell_web3  @bclaobai  @flyiiawei  @kimyg002 @0x_CryptoAu  @Moneygurudigi  @youzi_chigua #伍鸣# #龙凡# #张元杰# #0G# #CFX#