币安回应 VIP 服务风波：全员客服，说到做到 这两天 VIP 服务的争议在社群里持续发酵，币安这次没有沉默。官方发言人 sisi（@sisibinance）回应，姿态放得很低：每一条批评都认真读过，不替自己找理由，也承认在和客户的沟通上还有很大的进步空间 这是 0xMedia 观察到的一次少见的正面回应。所以我们顺手把这份官方负责人名单整理成表，方便大家收藏对照👇 · VIP 服务：Ethan.Wei @Binance_Ethan、Miya-BN @Miyaybnb · 返佣服务：千江月 @BNqianjiangyue、币安聪聪 Claire @cong5670 · 钱包支持：Rick @Rick_Binance、Jackson.llt @0xOar · 广场业务：ying 滢哥 @yingbinance · 社区服务：小元 @xiaoyuanbinance、Eric 躺赢宝 @EricZ6624 · 品牌合作：YY @yayabinance、Kim @moonkimbinance、梨子酱 @pearbinance 下次找人，不用再到处问

多次干涉中国大陆行政司法的孙宇晨 Part1  偷渡与边控 当年，孙宇晨在被边控的情况下，顺利偷渡出中国大陆，给一众中国大陆富豪们后续的跑路，开了个指路明灯。 成功非法偷渡出境后，孙宇晨手持事先准备好的哥斯达黎加护照(F4494xxx)和圣基茨护照(RE007xxxX)，从东南亚进一步出行。 2019年，财新创始人胡舒立在微博上发文表示： 自2018年6月起就上了边控名单，至今也还在边控名单上，孙宇晨是怎样出的境？是怎样跟监管部门报告的？ Part2 孙宇晨曾在香港被带走 孙宇晨曾在中国香港被中国大陆叔叔抓到了深圳，后又恢复自由身。 Part3 孙宇晨的父母被带走后又释放 同期，孙宇晨父母因担任其公司法人，曾被深圳的叔叔带走喝茶；孙割到处托人找关系寻求帮助。 孙割你手眼真的通天啊，怎么搞定深圳方面相关人员的？ Part4 孙宇晨涉嫌非法组织经营博彩 当年波场主网上线之后，孙宇晨联合王冰宇宙所运作的TronBet 作为最早期的 DAPP，成了孙宇晨口中的波场牌面。 2019年7 月 22 日，波场区块链交易量和 DAU 排名第一的 DAPP TronBet 宣布更名为 WINk。 下午 6 点，赵长鹏何三的BN公告： WINk项目将上线 BN Launchpad，并开启 IEO 专场，成为 $BTT 之后，孙宇晨实控的波场系第二个登陆 BN Launchpad 的项目。 但本质上， WINk是一个赌博资金盘。 根据公开信息： 孙宇晨受意他的发币公司ceo及其作为实际发起人发起的赌博项目WINk的负责人王冰宇，参与利用赵玲、刘金同等多位员工的身份做KYC并进行关联交易，负责  $WIN 的出货。 Part5 王冰宇案件 首先明确一点，人人都知道WINK是一个博彩项目，但奇怪的是，王冰宇案件定性却由经营赌场罪变为职务侵占作为最终定性。 看来中国大陆的司法解释权，在孙宇晨你手里啊。 其次，这个案子的证人是孙宇晨和他爹孙维柯；且此案海淀法院不公开审理。 王冰宇，香港浸会大会传媒硕士，自15年加入陪我到波场，是孙宇晨创业多年的老兄弟，也是当年孙宇晨在被中国大陆边控的情况下非法偷渡出境的运作者。 孙宇晨通过其实控的深圳兰宇网络科技有限公司作为原告对王冰宇发起诉讼； 王冰宇因“非法获取计算机信息数据”罪，于2022年6月份被北京市海淀区人民检察院第二检察部检察官李涛批准逮捕。 在孙宇晨的干涉运作下，当时与王冰宇等人一同被羁押在北京海淀看守所的还有： 张莹、余达菲、杨凯山等。 关于王冰宇案子的几个关键人判决情况： 王冰宇因侵占职务罪，被判有期徒刑十年； 叶惠文（WINk运营负责人）因侵占职务罪，被判有期徒刑四年六个月； 黄锋锐（WINk技术负责人)因侵占职务罪，被判有期徒刑四年。 Part 6 魏杰全案件 据知情人士透露： 这次Wilson Wei 魏杰全的案子，孙宇晨再次通过中国大陆北京市海淀检察院的李涛作为经办人进行批捕。 原本孙宇晨是在通过山东德州公安局德城区网安大队立的案，后移交至北京海淀花园路派出所。但是花园路不接，孙宇晨找了人弄到海淀区马连洼派出所。 之后，在孙宇晨运作下，马连洼派出所异地办案，将当时身在东北滑雪的魏杰全逮捕，并羁押在海淀区看守所。 这里需要再提一个人。 与孙宇晨关联的这两个案子背后，均是躲在孙宇晨背后的中间客&清道夫——李仁业的杰作。 李仁业，浙江温州人，烟台大学法学院毕业； 曾任职于中国大陆浙江省温州市永嘉县检察院。 李仁业作为趋利性执法的受益者，各位受害人可直接向中国大陆最高院最高检及纪委和监察委，发起举报申诉。 当然，李仁业还参与了币圈另外的几起案子。 各位猜猜是哪几个？ @PDChinese @XinhuaChinese @XHNews @NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg  @takungwenwei_hk  @Tong_Shuo  @QiushiJournal  @FTChinese @ChineseWSJ @nytchinese  @ABCChinese  @rijingzhongwen  @ReutersChina @SpokespersonCHN @zlj517 @chinascio #孙宇晨# #BTT# #WIN# #王冰宇# #魏杰全#

Jason Wei 在 Stanford AI Club 做了一场约 30 分钟的演讲，围绕三个他认为理解 2025 年 AI 格局最基本的思维框架展开。Jason Wei 目前在 Meta Superintelligence Labs 做研究，此前在 OpenAI 参与创建了 o1 和 Deep Research，更早在 Google Brain 推动了 chain-of-thought prompting 和 instruction tuning 的研究，累计被引超过 9 万次。 一、智能正在变成大宗商品 他把 AI 的进步分成两个阶段：第一阶段是推前沿，模型还做不好某件事，你在解锁新能力；第二阶段是一旦能力达成，它就会迅速被商品化。用 MMLU 基准测试的数据看，每一年达到同等智能水平所需的花费都在下降，这个趋势在他看来还会持续，核心原因是深度学习历史上第一次"自适应计算"真正跑通了。过去不管问题多简单多难，推理用的算力是固定的；现在从 o1 开始，模型可以根据问题难度动态调整推理时的算力投入，这意味着简单任务的成本可以被压到极低。 另一个维度是获取公开信息的时间。他画了一条时间线：从前互联网时代到互联网时代、聊天机器人时代、再到 AI 智能体时代，找到一条信息所需的时间在指数级缩短。他举了一个例子——"1983 年韩国釜山有多少对夫妇结婚？"——o3 回答不了这个问题，但 OpenAI Operator 可以，因为它能打开韩国统计数据库 KOSIS，一路点击操作直到查到答案。OpenAI 内部用一个叫 BrowseComp 的基准来衡量这种"知道答案就秒验证，但找答案极耗时"的任务，人类平均每题花两小时以上，很多题根本做不出来，而 Deep Research 能解决大约一半。 这个趋势带来几个推论：过去靠知识门槛建立壁垒的领域会被民主化，vibe coding 和个人健康管理是典型例子；公开信息近乎免费之后，私有内部信息的相对价值反而上升了——比如你知道哪些房子没上市但可以卖，这种信息会更值钱；最终每个人将拥有一个"个性化互联网"，想知道什么就有一个为你定制的页面呈现给你。 二、验证者定律：能衡量的就能被 AI 攻克 第二个框架是他所说的"验证不对称性"。有些任务，生成一个解比验证一个解难得多——数独是经典例子，写出能跑 Twitter 的代码需要大量工程师，但验证它能不能用只要打开网页点几下。另一些任务则相反：写一篇看起来有道理的事实性文章很快，但逐句核实极其费时；宣称"最好的饮食是只吃野牛肉"只花 10 秒，但验证这个说法需要大样本和长期跟踪。 他在一个二维平面上把这些任务画出来：X 轴是生成难度，Y 轴是验证难度。关键洞察是，你可以通过提供"特权信息"来改变任务在这个平面上的位置——竞赛数学题如果给了答案就秒验证，写代码如果给了测试用例（像 SWE-bench 那样）验证也变得简单。 由此他提出了 Verifier's Law：AI 训练出来在某个任务上的能力，基本上与该任务的可验证程度成正比。具体来说，可验证性取决于五个因素：是否有客观正确答案、验证速度多快、能否大规模并行验证、噪声大不大、以及奖励信号是连续的还是二元的。几乎所有 AI benchmark 本身就是因为容易验证才被设计出来的，而这些 benchmark 确实在过去几年被逐一攻破，这恰好是 Verifier's Law 的实例。 他特别推荐了 DeepMind 的 AlphaEvolve 作为利用验证不对称性的范例。AlphaEvolve 挑选满足上述五个条件的问题——比如找到 11 个六边形的最优排列使外接六边形最小——然后用大语言模型采样大量候选解，自动评分，把最优解作为下一轮采样的灵感，不断迭代。关键技巧在于它绕过了泛化问题：训练集和测试集是同一道题，你就是想知道这一道题的最优解。 这个框架的实际推论是：最先被自动化的任务一定是验证成本最低的任务；而一个正在崛起的创业方向是——发明新的衡量方法，把原本难以验证的任务变得可验证，从而让 AI 去优化它。 三、智能的锯齿状边缘 对于"AI 将如何改变世界"这个问题，他看到的观点光谱极广。他的一个量化交易员朋友觉得 ChatGPT 跟自己工作无关，而他在顶级实验室的同事则认为再过两三年 AI 就会取代他们自己的工作。 他明确反对"快速起飞"假说——即一旦 AI 跨过某个临界点就会突然变成超级智能。他的理由是，AI 的自我改进不是一个二元开关，而是一个渐进光谱：从跑不起来代码，到能训练但结果一般，到能自主训练但不如顶尖研究者，再到偶尔还需要人工干预。更重要的是，自我改进的速度应该按任务来看。AI 的能力图谱是一条锯齿线：在某些任务上已经达到山峰（竞赛数学、部分编程），但在另一些任务上仍是低谷（比如 ChatGPT 曾长期认为 9.11 大于 9.9，或者说一门只有几百人会的原住民语言 Tlingit）。 他给出了判断 AI 在某个任务上进步速度的三条启发式规则。第一，AI 擅长数字化任务，核心原因是迭代速度——数字环境可以轻松扩展算力，而物理机器人的实验扩展成本高得多。第二，人类觉得容易的任务 AI 也往往容易，但有一类例外是"人类因生理限制做不到但 AI 可以做到"的任务，比如读过一千万张乳腺影像后发现某个人类注意力无法捕捉的模式来预测乳腺癌。第三，数据充足的任务 AI 表现好——数学推理在不同语言上的表现和该语言的训练数据量高度相关；而如果一个任务有单一客观指标，就可以通过强化学习生成合成数据来突破数据瓶颈，AlphaEvolve 和 AlphaZero 都是这个路线。 他用一张表把这些启发式规则应用到具体任务上：主流语言翻译已经完成；调试基础代码 2023 年搞定；竞赛数学 2024 年搞定；AI 研究本身大概 2027 年；化学研究因为不是纯数字任务会更晚；拍电影大概 2029 年；修水管和理发因为高度物理化，短期内不太可能；乌兹别克传统地毯编织需要一组人花一个月、非数字化且缺数据，AI 不太可能碰到；至于"带女朋友约会让她满意"——他的判断是"impossible，非数字化，缺数据"，人类还能保住饭碗。

#大连# • 𝐇𝐞𝐢身高/170• 𝐖𝐞𝐢体重/98 • 𝐀𝐠𝐞年龄/03 • 𝐁𝐮🐻  /D 不抽烟 不喝酒 🈚不良嗜好 纯天然0️⃣整妈生脸 没有风尘味 💗乖巧听话配合度极高 敏感体质 紧致💦超多 💗下紧上粉 性格超好 服务意识强 不催不事 给你初恋女友般的感觉 💗只接待高素质客人 期待与你的邂逅

#中国洞察# 本报首席中国记者 @Lingling_Wei 写道，上周访美期间，习近平多次紧握彭丽媛的手。这并不能证明什么，但却引人深思：在公开场合成为习近平倚重对象的那个人，其角色仅限于此吗？

Binance Australia & New Zealand 宣布任命 Jenny Wei 为澳大利亚及新西兰总经理。Jenny Wei 此前曾负责加密 OTC 平台 Ebonex 澳大利亚业务的建立与拓展，并曾在西联汇款工作 13 年，覆盖国际支付和全球金融市场。Binance 表示，Jenny Wei 拥有超过 18 年澳大利亚受监管金融服务行业经验，其加入将加强 Binance 在澳新市场的本地领导团队与运营能力。