Category: 新闻

只要不加杠杆，你就是安全的：除非你有能力承担损失，否则任何人都不应该使用杠杆。即使没有杠杆，加密货币的波动性也已经足够大了。 You are safe as long as you don’t do leveraging: No one should be using leverage unless they can afford to lose that money. Crypto is already volatile …

近日，苹果机器学习研究团队发布了一项引人关注的研究，指出当前所谓的大型推理模型（LRM，如 OpenAI、Anthropic、Google 等推出的模型）在面对难度不断提升的逻辑类问题时，会出现准确率骤降至 0、推理努力减少的现象，表明这些模型并没有真正具备稳定的“思考”能力。 研究背景与核心发现 实验设计：复杂性可控的逻辑谜题 研究团队采用了像 河流过渡 和 汉诺塔（Tower of Hanoi） 等经典谜题，通过可控手段系统增加问题复杂度，同时观察模型的“思考过程”和最终结果，避免传统数学或编程基准可能的数据泄露问题。 苹果机器学习团队最新发布研究，指出当前大型推理模型（LRM）在面对高复杂度逻辑题时，准确率骤降至零，且推理过程中的计算量急剧下降，表现出“放弃思考”的现象。 研究用经典谜题如河流过渡和汉诺塔，通过逐步增加难度控制变量，观察模型的表现和推理行为，规避了训练数据泄露的影响。 结果显示，低复杂度时普通大语言模型LLM表现更好，中等难度下推理模型依赖“链式思考”提升表现，但高复杂度下所有模型准确率急剧崩溃。 模型推理能力的“崩溃”与“偷懒” 在复杂度临界点，模型的有效 token 使用量明显下降，表明模型在完成部分步骤后“停止推理”。在问题复杂度接近崩溃阈值时，这些模型伴随着有效 tokens 使用量骤降（即前几步还在思考，後面却“偷懒”了），表现出类似“放弃继续解题”的行为 。 即使研究者直接给出解题算法，模型仍无法有效利用，说明其并非真正理解算法逻辑。为了验证模型是否真无法理解算法，研究者在汉诺塔问题中提供了解题算法，但这些模型依然无法提升准确率，表明它们并不能用“听懂并执行算法”的思维方式，而是纯粹靠训练数据中的“模式匹配” 。 研究实验示意表 复杂度等级 模型类型 表现趋势 …

“折腾一个月，关税无事发生。但是巴西得到了大豆订单，澳大利亚得到了肉类订单。东南亚和东盟得到了转口贸易中国得到了前所未有的外宣声望和内部团结，公知和maga得到了耳光。马斯克得到了教训。甚至加拿大都得到了民族自尊心。特朗普也没白忙活，和他的朋友们含泪赚几百亿。” 中美似乎在贸易关税上达成一致，各为10%。这下似乎牛市来了，不过二饼（以太ETH）还是很疲软。 蔡正元：中国大陆这次面子里子都赢麻了。赢到了让全世界刮目相看，因为看多人都跑到华盛顿去下跪。中国大陆不用。贝森特你要谈就到瑞士来谈，我刚好路过瑞士，有空找你谈，你最好把方案带着来，我们就一次来敲定，所以，中国没有移樽就教，而是贝森特代表美国移樽就教，所以在面子上面中国赢麻了，在里子上面，一个多月而已，一切回到解放前，美国全线溃败，他本来以为用关税政策可以打击中国大陆的贸易，没想到刀刀都刺向自己，中国不能说毫发无伤，但至少皮肉之伤挺得住啊，你美国是被打得鼻青脸肿，证实美国在这次压力测试里面，美国经不起和中国脱钩/De-coupling，因为你们没货。所以中国也经过这次的压力测试，算是挺住了。 BTC 第一次突破 10 万美元时，ETH 价格为 4000 美元。 BTC 第二次突破 10 万美元时，ETH 价格为 3900 美元。 BTC 第三次突破 10 万美元时，ETH 价格为 3700 美元。 BTC 第四次突破 10 万美元时，ETH 价格为 …