有个大聪明律秘书，替老板买股票时，会跟着用自己的工资也买一小份。 这样做了几十年，到她去世时，资产已经超过900万美元。 她叫Sylvia Bloom，1947年进入纽约一家刚成立的律师事务所，是那里的第三名员工，她在这家公司做了67年秘书，直到96岁才退休。 在那个还要打电话给经纪人下单的年代，秘书也会替老板处理个人投资，老板决定买一只股票，Sylvia便替他完成交易，随后再用自己的钱买入同一家公司，只是老板买得多，她买得少。 她就这样一次次买，金额不大，却持续了很多年。 随着这些股票不断升值，她的账户也越积越大，但她仍然住在布鲁克林一间普通公寓，每天坐地铁上班。 96岁那年，同事还在一场暴雪中看到她从地铁站走出来，照常赶去公司。 Sylvia没有孩子，也很少向别人提起自己的钱，2016年她去世后，负责处理遗产的亲属陆续找到她散落在多家券商和银行的账户，才发现总资产已经超过900万美元。 她年轻时白天工作，晚上读书，一直遗憾自己没有机会进入法学院，所以她生前交代，希望大部分遗产用来帮助那些没有条件上大学的年轻人。 最后，遗产中624万美元捐给纽约的Henry Street Settlement，并被设为永久奖学金基金。 本金继续投资，每年产生的收益用于资助低收入家庭的学生读完大学。 另有200万美元，分给她的母校Hunter College和另一项奖学金计划。

继雪茄、高尔夫套装之后， Bitget 高净值俱乐部第三季「雪季套装」现已全新上线。❄️ 3种获取方式👇 1️⃣ #直达通道｜联系大客户经理（#@SylviaBitget、@BitgetSabrina）先到先得： 🏂 合约 VIP6 及以上用户 🏂 他所用户，7 天内首次达成合约 VIP5 2️⃣ #活动通道｜参与合约交易活动：# 🎁 抽取雪季盲盒，数量有限，先到先得 活动入口： 3️⃣ #粉丝福利｜完成创意任务，抽# 5 位送同款雪镜： ✅召唤 @Grok，生成装备Bitget 雪具滑雪的创意场景，例如：在月球、极地... ✅带话题 #我与Bitget的滑雪之旅# ✅转发并评论

随着中国国家主席习近平将访问华府，遭中国拘留人士的家属近期呼吁美国政府协助促成亲人获释。 香港《壹传媒》创办人黎智英的儿子黎崇恩周二（15日）呼吁中国政府释放其父，让健康不佳的父女能够团聚。 78岁的黎智英因3项国安罪名遭定罪后，今年2月获判20年刑期；其女儿黎采近期被诊断罹患癌症，目前正在英国伦敦接受化疗。 今年6月，一名研究缅甸政治的美籍学者敏辛（Min Zin，音译）受邀前往中国参加学术研讨会，但遭司法机关拘留至今。中国外交部已证实敏辛遭拘留，称他“涉嫌从事危害中国国家安全的活动”。美国国务院8月将他列为美国公民遭“不当拘留”案件。 敏辛的妻子Sylvia Zin周三（9月16日）出席美国国会及行政当局中国委员会（CECC）听证会，呼吁美国总统特朗普协助促成敏辛获释。她表示，目前只能透过美国领事官员了解丈夫的状况，并指其健康状况令人忧心。 另一名遭中国拘留的美国公民为美籍地震学家陈友麟（Youlin Chen，又译陈有林）。他因曾参与美国政府资助的北韩核试验探测研究，自2024年11月遭中国拘押；据路透社报导，他目前面临间谍罪指控。美国国务卿卢比奥今年3月已将他列为遭“不当拘留”人士。 美国政府已将敏辛及陈友麟案件，列为与北京外交交涉的优先事项。习近平预计于9月24日访问华府并与特朗普会面。今年5月特朗普访问中国期间，曾向习近平提及黎智英及中国锡安教会牧师金明日的案件，促成金明日于7月获释。

这几天关于 VIP 客户待遇的问题，推特上争论不断，为了防止你们找错人，我 vibe 了一个网站，帮你们放在一起了。（在这里感谢 A 大的创意 @anymose , 杰哥 @0xJason 的数据） 网址： 排名不分先后，先每家交易所最多放 2 个，有想加的，需要赞助周边一套😄 @miyayweb3 @Binance_Ethan @mia_okx @linne_OKX @Micky_Gate @Gate_Leisel @SylviaBitget @winiwsw

🔥 项目方的新增长引擎：代币化股票给了我们什么启发？ ⏰ 时间：2026年6月16日21:00 UTC+8 🔗 链接： 🎙️ 特邀嘉宾：@bitcoin2009，@lf_labs，@Issy_1000，@niko_fufuture，@silvia2024101，@InterlaceMoney 📅 设置闹钟，与我们一起探索： · 发币驱动增长时代结束？项目方未来拼什么？ · 代币化股票启发：为何要自建交易市场？ · #Perps# 只是工具，还是价值捕获的基建？ · #RWA# 上链后，如何激活持续交易？ · 从融资到运营：如何构建自己的二级市场生态？

拿遍硅谷顶级 lab offer 的人，写的ML面试指南 刚看完一篇 ML Research Scientist 面试指南，作者是 Silvia Sapora，PhD 做 ML，最后拿到了 DeepMind、Isomorphic Labs、Cohere、Meta和一家 stealth startup 的 offer，最后去了 DeepMind。 文章讲了很多实操指南，比如他说ML 求职已经越来越像一个工程项目、顶级researcher也会因为没准备面试而挂（原文里说，她认识很多极强的人，就是因为没准备而被拒）。感觉国内顶级researcher的面试也大概是这样。 总结一下看完体会最深刻的点，希望最优秀的研究员们，都能找到顶级的工作，不要因为没准备好面试，让才华短暂被埋没。 希望对大家有用。 1/ 拿到面试前，就是看简历 大家也可以按这个方向完善自己的履历： 3 篇以上一作/共同一作顶会 paper，至少一次大厂/前沿实验室实习，才比较稳定拿到 top lab 的 callback。 这里还有几个小细节： a.cold email 可能比想象中有效。尤其是直接写给 hiring manager 或团队成员，不要重复 CV 上已经有的东西，而是要讲清楚：你为什么 fit 这个 team，你为什么真的对他们的工作感兴趣。 b.cover letter 不要完全交给 LLM 写。可以让 LLM polish，但原始内容最好自己写，要有真实兴趣和个性。 c.LinkedIn / X 上的岗位信息要对看。很多 internship / research role 可能只通过某个 researcher 的帖子和 Google form 流出来。 2/ 一旦进面试，忘掉CV 但一旦进入面试，CV 基本就没用了。 很多面试官甚至不会仔细看你的简历。你有再多 ICLR / NeurIPS / ICML paper，这时候都没什么用了。 面试现在已经非常“杂技化”。 LeetCode、ML coding、debugging、ML fundamentals、LLM/RL/diffusion、system design、research discussion，全都可能问。 说白了，更像是一个压缩版竞技项目：45 分钟内，在陌生人注视下，把你平时几个月慢慢想、慢慢查、慢慢 debug 的东西，现场做。 b.这里有个很实用的方法。 每次面试前，她会把JD、公司、面试类型丢给 LLM，让它 mock interview，而且实际问题经常撞上（笑死，毕竟我估计问题也是AI写的）。 她还列了一张 baseline 清单，能在限时下从头写出来，才算状态在线： ① 端到端实现一个 transformer ② causal / cross / self attention ③ flash attention，以及它的 backward pass ④ MLP 的前向和反向 ⑤ 用 PyTorch 或 JAX 写一个带 SGD 的训练 loop c.还有个细节，越到顶级 lab，越不能靠“我懂这个方向”混过去。他们会问到非常基础，也会问到非常细，甚至会问你熟悉领域里最容易被忽视的部分。 3/ 情绪管理 她说自己最严重的问题是睡不好。一周 10 场面试的时候，整个人快被榨干。她还吃不下，看到食物会反胃，最后只能靠猛灌可乐补糖续命（她也说了，这不是什么最优解，只是她当时能想出的唯一办法）。 她还有一套面试前仪式：背景里插一束新鲜的花、化妆、看同样几个 comfort 视频。 听起来很琐碎，但我觉得非常真实。高压面试最可怕的，不一定是你不会，而是你明明会，但脑子突然空白。 4/ 谈薪是一场暗战，而且你大概率被读穿了 一天最好只排一场面试；先面自己没那么想去的公司练手；让不同 offer 尽量落在同一个窗口。 然后，主动告诉每家公司你还有其他流程。听起来很“职场”，但这些真的会影响最后结果。 到了谈 offer 阶段，peer offer 的重量也完全不一样。OpenAI / Anthropic / DeepMind 这种互相之间的 offer，才真的有谈判筹码（这部分大家都熟练了）。 这部分不要太信“谈判要像盲拍、别亮底牌”那套，好几家公司明确要求她出示竞争 offer 的截图才肯加价，有一家甚至当场质疑她截图的真假（lol）。 而且 recruiter 极其会读人。你多频繁提一家公司、用什么语气谈论它，全都是会被记录的信号。一旦对方知道自己已经是你的首选，你的谈判筹码基本就没了。她说自己很透明、很好读，所以在这上面吃了点亏。 唯一让人稍微松口气的是：公司真的想要你的时候，能报的数字比你以为的大得多。永远值得开口问，多数公司愿意谈。 其实她的履历已经很顶了。但她复盘下来，最有用的结论反而很朴素：做研究，和通过 ML 面试，是两套能力。

币圈女KOL玉足排行榜 本排行仅主观评价脚的颜值，排名不分先后，快来看看你喜欢的女博主有没有上榜吧～传送门和小鳄鱼茶话会放在评论区了。时间有限，没办法把每一位博主的玉足都放上来，如有遗漏或冒犯还请多多担待，图片均选自截至发文时仍公开存在的推文🙏 1、热宝（@hotbabyrebao）：个人很喜欢她直爽的性格，目前的重心应该是AI和美股。她给我印象最深的，还是之前那张红色美甲、双脚直接翘在桌子上的照片，很符合她那种不拘一格的风格。比较突出的是脚背到小腿的线条很连续，没有明显的厚重感，脚踝也相对纤细。左脚侧面能看出比较明显的足弓曲线，脚背整体偏薄，脚踝和跟腱附近收得也比较利落；右脚同样不是宽厚型脚。红色甲油与偏白的肤色形成很强的视觉反差，所以第一眼其实很容易注意到她的脚趾。两只脚再配合腿部比例，整体给人的感觉就是细、长、轻盈，而不是偏肉感或者圆润的类型。 2、娜娜子小朋友（@Anna_nanachan）：作为币圈甜美系代表，最近好像在求职，有合适的小伙伴可以留意一下～她属于比较典型的修长纤细型脚。最明显的优点是脚背偏薄，从小腿、脚踝一直过渡到足背的线条很顺；脚踝骨感适中，既不会显粗，也不是那种过度干瘦的感觉。结合她本身细长的小腿，视觉上有很强的延伸感。脚趾整体呈现大脚趾最长、之后逐渐递减的轮廓倾向，也就是常说的埃及型足趾。趾头比较纤细，没有明显拥挤，赤足状态下排列也很自然，属于整体比例非常舒服的一双脚。 3、尤可欣Isadora（@isadora288881）：个人很喜欢的御姐型KOL，喜欢和男大交流。脚型整体偏修长、窄瘦型，脚背比较平顺，脚踝到足背的过渡很干净，没有明显的臃肿感；前掌也不算宽，所以视觉上显得比较轻盈。脚趾长度比例自然，大脚趾最突出，后面逐渐收短，属于比较典型的渐降型轮廓。比较加分的是脚趾本身舒展自然，没有明显挤在一起。趾甲修剪得也比较整齐，酒红色甲油和偏白的肤色反差很明显，给原本比较素净的脚型增加了一点成熟感。她的脚不是肉感、圆润可爱的类型，而更接近纤细、清秀、偏成熟的脚型。再加上脚踝细、小腿长，纵向视觉进一步强化了“腿长—踝细—脚窄”的连续线条。 4、火币惋晴（@Web3_Silvia）：脸长得很精致，火币的商务BD。她的脚趾偏长，排列也相对整齐，大脚趾最突出，后面的趾头逐渐收短。比较好看的是脚踝—足背—脚趾形成的连续曲线，尤其在自然伸腿的状态下，整个脚型看起来很轻盈。如果把脚尖完全绷直，可能会显得更加“精致”，但也容易多出一些刻意感；反而是现在这种自然放松的姿态更舒服。整体优势就是纤细、脚踝漂亮、足背到脚趾的线条流畅，而且姿态足够自然。 5、脚姐（@cecilia_hsueh）：币圈玉足绕不开的人物，币圈大佬。她整体属于比较秀气的脚型，最突出的优点是脚踝细、足背薄、前掌不显宽，从小腿末端到足背的收束很自然。侧面那只脚尤其明显，踝关节轮廓清楚，但骨点又不会显得特别突兀，因此视觉上有一种很轻盈的感觉。趾型也比较有特点，大脚趾长度占优势，之后整体逐级缩短，比较接近常说的埃及型脚趾排列。第二趾与大趾的差距不算特别夸张，中间三趾排列紧凑，小趾自然向内收。趾头本身偏圆润，不属于特别细长、骨感的类型，所以和纤细的足背组合起来反而很协调。综合来看基本没有什么明显短板，夯中之夯。 6、K线教主（@Paris13Jeanne）：相当喜欢的颜值和技术双双在线的博主，sm同好。她的脚型明显偏纤细修长，脚踝比较细，踝部向足跟收得很干净，足背也没有明显的厚重感。尤其是脚掌踩在桌面以后，整个足部侧面的轮廓被完整勾勒出来，其中最突出的就是足弓。内侧足弓能够看到比较清晰的凹陷，从足跟到前脚掌并不是一条平直的线，因此侧面看起来很有曲线感。前足整体也不算宽，脚趾自然伸展，没有明显蜷缩。属于不一定第一眼最抢镜，但侧面越看越有味道的脚型。 7、静香小姐（@btc_jx）：中文加密圈头部，杀破狼cp，大奶绝绝子。从脚型来看，她也是明显的窄长型，脚踝纤细，前脚掌不宽，足跟也比较小巧。从踝部到足背的过渡很柔和，没有明显的厚重感；脚趾长度适中，并不是特别修长的趾型，但胜在整体比例协调。足弓的侧面表现也不错。脚趾方面，大趾比较饱满，后四趾自然递减，整体依旧比较接近埃及型排列。趾间没有刻意张开，也没有为了拍照而过度绷紧，属于非常自然、耐看的类型。 8、Mimi姐（@mimijieweb3）：高级脸而且很有辨识度，现在应该偏泛流量为主。她的脚整体依然属于纤细、窄长型，前脚掌没有明显横向扩张，足背从脚踝向五趾展开得比较平顺。趾型是她最大的优势，大趾最长，之后总体呈逐级下降趋势，属于比较典型的埃及型趾列。第二趾与大趾的长度差并不突兀，所以整个前缘形成的是一条柔和的斜线，而不是突然截断。五个脚趾长度比例协调，趾头本身也偏细秀，没有特别厚或者拥挤的感觉。再配上深红色甲油，确实非常加分。 9、Crypto美美（@CryptoBella88）：Mixin社区建设者，顶级天菜。她的脚整体属于偏窄、偏秀气的类型，比较突出的还是脚趾。露出的几个脚趾长度过渡自然，大趾比较明显，后面的趾头逐渐缩短，视觉上依然偏埃及型。趾头没有明显挤压或者夸张分离，深色甲油在阳光直射下非常醒目，与浅色拖鞋形成了很明显的反差。比较难得的是，在走路这种动态状态下，她的踝部和前足依然显得比较轻巧。优势主要就是脚型窄秀、趾型整齐、深色甲油醒目；如果换成更细带、露出足背更多的凉鞋，或者直接赤脚拍摄，她这个脚型的优势应该还会表现得更加完整。 10、孙云冉（@sunyunran）：主做项目孵化，颜值很高，面部线条柔和而且有识别度。她的脚整体看起来偏窄、偏长，骨架没有厚重感。脚踝收得很细，从小腿下端进入踝部以后没有突然变粗，再向足背自然延伸，形成了一条相当顺畅的长曲线。配合本身修长的小腿，会进一步产生一种“腿长—踝细—脚也修长”的视觉效果。最值得看的其实是足背，由于脚尖自然向下，踝关节处于跖屈状态，足背被充分拉开，所以从胫骨前侧一直到前足形成了一条很漂亮的弧线。它又不是完全绷脚尖的舞蹈动作，因此还保留了一些自然的松弛感。前足看起来不宽，趾头偏细，排列也比较紧凑，整体线条感在这十位里面相当突出。 快把你想看玉足的博主at出来，我先来～@AirdropAlchemis #恋足# #玉足品鉴# #小鳄鱼茶话会# #美脚# #币圈排行#

推掉 offer、延毕转AI safety，他一个月重新拿到 offer 刚看完一篇研究员求职复盘，作者 Yong Zheng-Xin，布朗大学五年级 PhD。 他的经历有点特别：读到最后一年，从多语言 / post-training 直接 pivot 到 AI safety，拿了 Astra Fellowship（在 OpenAI 做），为此把毕业推到 2027，还推掉了手上已有的 offer。 后来重启求职，本来计划 7 月才开始面，结果担心 headcount，5 月中就上了，6 月中就拿到满意的 offer，甚至撤掉了一些还在进行的面试。 他写了 6 个让他意外的点，我觉得对正在找 research 岗的人挺有用，整理一下👇 1/ 真正起作用的，可能只有一两篇 paper，甚至一篇都不靠 他多语言方向的 paper 数量远超 safety，还拿过 best paper。但 pivot 之后，这些一篇都没影响到面试结果。 paper 的作用其实就两个：① 敲门，你做过 team 感兴趣的东西，于是被放进 pipeline；② deep dive，research presentation 时聊一篇的动机和细节，有时短到只有 20 分钟。 所以发表数量除了证明 credibility，没那么重要。你随时可以转去一个你觉得更重要的方向，只要在新领域证明够强、team 想要你。 2/ 面试轮次的花样，超出预期 他本来以为就是 fresh-grad SWE 那套：LeetCode + behavioral + 一些 LLM / 深度学习。结果遇到了 system design、并行编程（用 asyncio 手写并发），甚至还有专门评估你“用 AI agent 用得好不”的轮次。 结论很简单：永远预期 wildcard。 3/ Work trial（试岗）越来越常见 他原以为 work trial 只在 AI safety 岗比较常见，结果发现 AI startup 也越来越多。 试岗和 onsite 完全是两回事：不是飞过去面几轮，而是真的跟团队一起做一个任务，有时还是开放式的。通常带薪，但有的线下试岗能持续整整一周。 副作用是：试岗期间你几乎没法准备别家面试，因为得全力扑在当前任务上。同时面多家、又赶时间的话，这点排期要特别小心。 4/ 时机的权重，比你想的大 去年秋天，AI safety 岗极难找，远不如 RL 相关的多；但现在一堆 startup 开始招 safety（比如 Lila、Mechanize）。 几个现实： 你的工作 viral 了，会有一波机构同时来找你，别被打懵，接住这个时机。 你的方向变热，机会整体变多，但窗口可能不到一个月，也可能拖上几个月。 headcount 一定要问 recruiter，尤其你打算推迟、或想同时面多家时。 面试可以试着往后推一两个月，但一旦开面，各轮之间的间隔通常很短。有些岗位还希望你下个月、下下个月就入职（这点能谈）。 5/ Return offer 很稀少 SWE 那边 return offer 基本是常态，research 岗就完全 case-by-case。 他 2024 在 Meta 实习，return 全职 offer 很少，高度依赖 headcount 和 team，身边不少人没拿到。他在 OpenAI 做 Astra fellowship，最后也还是和所有应聘者一样走完了全部面试轮。听说有的机构更快，如果 team match 成了，再补一两轮就行。 6/ 很多面试，跟你的方向根本没关系 他从能力研究（多语言）转到 safety，本以为 safety 相关的面试会占大头。 结果并不是。他遇到很多轮跟 safety 毫无关系，甚至跟他研究兴趣都不沾边。有些地方还是在考你“作为一个 AI researcher 够不够全面”。 他觉得这有道理（领域跑得快，基本功值得查），但预期还是落空了。也许 senior 岗会不一样。 前两天刚写完 Silvia Sapora 那篇顶级 ML Research Scientist 面试指南，这篇刚好补充了另外一个视角。