“咯~酒....拿酒来啊旅行者...区区...唔...只是这几瓶...呼....屁股...屁股有点冷...什么东西啊...你..你这个黄毛变态...史莱姆黏液嘛？那种东西干什么啊....唔..怎么热乎乎的....唔不要嘛！酒~喂我...唉？什么的叫做另一种喝法？...” #露出# #Genshin# #温迪# #femboy# #原神# #venti#

“不要...不要再弄乳头啦！唔咦咦啊啊啊~射了！射出来了！终于停下来了..唉！不行..乳头还是很敏感啊停下！停下来啊...唔啊~好舒服脑子..脑子要化掉了...”白嫩嫩的肌肤浮现的神纹（淫纹）小小的肉棒刚刚软趴趴的样子再次变得肿胀 谢谢@HuangTaobox 老师！ #温迪# #femboy# #男娘# #venti# #genshin#

持续学习到底怎么落地？Mind Lab 用 LoRA 给了个解法 刚看 Mind Lab（Mindverse 旗下前沿实验室，成立还不到一年）出了 Macaron-V1 正式版。路线挺特别的，重点不在卷参数，是想让模型能从经验里接着学。 做法是用 LoRA 做后训练 RL，成本只有全参微调的 1/10。LoRA 模块像可插拔的经验单元：聊天、代码、UI、个人助理各训一个，基座共享，跑任务时按需组合（他们叫 MoL）。这么一来，模型就不再是训完定死的一套权重，能不断分化、把新经验吃进去。 感觉挺长一段时间里，LoRA 都被默认成“全参微调的打折平替”。他们这里有个我觉得挺有意思对 LoRA 的重新理解：base model 承载共性，adapter 承载个性（偏好、技能、工具习惯），说白了就是一块可写入、会随交互慢慢变的记忆。也是continual learning 这条路线，我目前看到最工程化的一份答卷。 Macaron-V1-Venti = 744B 的 GLM-5.2 基座 + 4×1B LoRA，一共 748B，原生支持 2M context： L0 Chat 管对话和指令 L1 Agent 管长程、动态工具任务（并入了Preview的OpenClaw LoRA） L2 Coding 管代码、SWE、终端 L3 UI/A2UI 管UI4A渲染和操作 至于为什么要拆成好几个 LoRA，他们的想法是：这些能力的思考流程差太远，全塞进一套 post-training 权重会互相干扰。MoL 让相似的技能共用一个 LoRA，差太多的各自单独训，再路由、组合；新增领域就加一个 adapter。 等 adapter 多起来，再让它们分工、组合、投票，就是他们所说的群体智能。 这条路也不是 Mind Lab 首创，John Schulman（OpenAI 联创、Thinking Machines首席科学家）那篇《LoRA without Regret》就是同一个方向。但全球能开万亿参数模型 RL 训练的 infra，目前就 Mind Lab 和 TML 两家。 不过Mind Lab是直接用国内最好的开源模型，最早2025年底在万亿参数Kimi K2上验证过RL后训练，Preview用GLM-5.1、Venti用GLM-5.2、Tall用Qwen-3.7-35b。拿这些现成的强基座来做，比 TML 从头做 Inkling 会更快（Inkling 现在的表现也明显还打不过 GLM 和 Kimi）。 商业化也很快：据团队披露，7 月启动商业化后2周达到 1000 万美元 ARR。 其实我会关注 Macaron-V1，很大一个背景是持续学习这个方向本身。 持续学习想解决的，是模型部署之后就不再进化这个老问题，让它能在真实使用里边用边学。 这方向最近越来越多重量级的人在点名。之前强化学习之父 Sutton 和 David Silver 提出“the era of experience”，说下一代 AI 拼的不再是喂数据，是从真实经历里持续学，他自己也去创业做了 Oak Lab 专攻这个。梁文锋最近四小时闭门会流出来，他给 DeepSeek 排的路线是 CoT → Agent → 持续学习，还说下一代模型不能持续学习，就不配叫下一代。 Macaron-V1 至少证明了这条路能工程化、也能商业化跑通。这种方向靠一两家撑不起来，挺期待接下来更多团队砸进来、多拿几个硬成果。真卷起来，应该会挺有意思。

Ventuals 宣布关停，$HYPE 生态上一次金融实验宣告结束 Hyperliquid 生态项目 Ventuals 宣布停止运营，团队将加入另一个 Hyperliquid 生态团队。Ventuals 原本主打 24/7 私募市场交易，让用户可以通过永续合约形式获得 OpenAI、Anthropic 等未上市科技公司的价格敞口 关闭原因官方并未将其归因于单一事故，而是表示团队将转向加入其他 Hyperliquid 生态项目，同时明确 Ventuals 已没有继续发行价值捕获型代币的可行路径 更深层来看 Ventuals 面临的是链上私募市场的结构性难题。未上市公司缺乏实时、权威外部价格，订单簿流动性容易变薄，市场结算、预言机和对冲机制都比普通加密永续更复杂。此前 SpaceX 预 IPO 合约也曾因预言机数据问题出现剧烈波动，暴露出这类产品在定价与风控上的现实压力

DWF Ventures 发布报告称，专业做市型 AMM（PropAMM）已占链上 DEX 日交易量约 15%–27%，高峰近 30%，其中约 90% 集中在 Solana。Jupiter 路由的 SOL-稳定币交易中，超过 90% 已由 PropAMM 处理。DWF Ventures 认为，Solana 的低交易成本、高频报价及区块内重新定价，使专业做市商可缩小价差并减少陈旧报价损失。不过，PropAMM 并未取代传统 AMM。对于新上市和低流动性长尾代币，传统 AMM 无需预言机、定价模型或专业做市商即可无许可创建市场，仍具优势；稳定币交易也呈分化，PropAMM 在 Solana 占近 30%，但 Ethereum 上仍主要由 Uniswap、Curve 等传统 AMM 主导。（DWF Ventures）

DWF Ventures 发布报告称，专业做市型 AMM（PropAMM）已占链上 DEX 日交易量约 15%–27%，高峰近 30%，其中约 90% 集中在 Solana。Jupiter 路由的 SOL-稳定币交易中，超过 90% 已由 PropAMM 处理。DWF Ventures 认为，Solana 的低交易成本、高频报价及区块内重新定价，使专业做市商可缩小价差并减少陈旧报价损失。不过，PropAMM 并未取代传统 AMM。对于新上市和低流动性长尾代币，传统 AMM 无需预言机、定价模型或专业做市商即可无许可创建市场，仍具优势；稳定币交易也呈分化，PropAMM 在 Solana 占近 30%，但 Ethereum 上仍主要由 Uniswap、Curve 等传统 AMM 主导。

DWF Ventures 发布研究文章称，随着交易手续费和执行能力日益商品化，社交交易平台的核心竞争力正转向网络效应、交易者关系和独有的信息发现层。其认为，公开交易观点、可验证持仓及一键跟随可形成交易者与用户相互强化的增长飞轮。 但同时也可能带来羊群效应、信息不对称以及跟随者成为“退出流动性”等风险，文章援引 Fomo 数据称，过去三个月分析的约 29.2 万个钱包中，仅 6.16% 实现已实现盈利，DWF Ventures 因此认为，社交交易虽然可能继续增长，但平台增长与用户投资结果之间存在明显差距。