YUkjjjj

[lifcc @mylifcc]

Nature 刚发了一篇论文，想法很大胆：

以后读论文不用自己啃代码了。每篇论文会自带一个"虚拟通讯作者"，你直接问它，它直接替你跑论文里的方法。

它叫 Paper2Agent，来自 Stanford 的 James Zou 组。🧵

[Xudong Han @Xudong07452910]

最近看到张拳石老师这篇《致 AI 圈的每一根韭菜》，内容非常值得仔细看。

文章刚开始讲到一个现象。

有些本科生已经有 3–5 篇 A 类顶会论文，但问到大模型生成 token 的概率怎么算、交叉熵是什么，却答不上来。文献调研、idea 完善、代码、实验、写作，很多环节已经可以让大模型一路帮着做完。

所以当论文开始变得更容易生产，论文数量本身也会越来越快贬值。

真正难替代的，反而会回到底层理解、问题判断，以及你到底知不知道自己为什么在做这个研究。

文章里还有个问题很扎心，也是我读博这三四年深刻体会到的事情。现在读博动辄五六年，但 AI 的研究范式可能一年就变几次。今天追的热点，毕业时还值不值得追，真的很难说。

这篇有些观点我未必完全同意，但很适合现在做 AI、准备读博的人看看。

至少它逼着人重新想一遍：

如果写论文这件事越来越容易，我们到底还该拿什么判断一个研究者真正的能力？

知乎原文：https://t.co/oEuN3FEgao

[Xiao Tan @tvytlx]

Sam Altman 说，他职业生涯里回报最高的一年，是没工作的那一年。

2012 年卖掉 Loopt 之后，他给自己放了一年假。

那一年他干了啥：
读了几十本教科书。
核工程、AI、合成生物学、投资，挨个学。
到处找在做各种奇怪事情的人聊，人家愿意教，他就听。
碰到有意思的人需要帮忙，他就直接上手帮。
对方回报他的，要么是教他点东西，要么是后来给他一个投创业公司的机会。

他自己说，这些事几乎全都没成。

但后来：
核能那条线，他做过核聚变公司 Helion 和核裂变公司 Oklo 的董事长。
AI 那条线，2015 年有了 OpenAI。

最戳我的是这句：
“我当时完全不知道，这些东西最后会以这种方式串到一起。”

我觉得这玩意儿最难复制的地方在于，那一年里几乎没有一件事在当下看是“有用”的。
没有 KPI，也算不出 ROI，读核工程教科书纯粹是好奇。
回报是好几年后才冒出来的，还是从一堆没成的事里冒出来的。

当然得承认，他那会刚卖完公司，不用为房租发愁。
这个前提大部分人没有。

但“帮有意思的人一把，顺便学点东西”这件事，好像真不太花钱。

我决定今晚少刷半小时短视频，翻一本教科书试试。
大概率翻十页就睡着了。

[金尘马 @jinchenma_ai]

我建议大家除了多刷X、Youtube看一手信息，优质论文也要多看，在 AI 辅助下，看这些内容已经没什么门槛了。

我一个非科研狗，用 ScienceBuddy 也能轻松看论文了。

现在我经常凌晨两三点，甚至四点才睡觉，早上十点、十一点才起床。

家里人也多次让我早点睡，我自己其实也想。但试过好几次，一想早睡就睡不着，然后又得折腾到天亮，反而睡得更不好。

于是我就想着，关于睡眠，有没有什么科学的做法，能帮我解决这个问题？

最近 Anthropic 也分享了 Claude 优化生物领域模型代码的进展，AI 已经开始参与一些具体的科研工作了。

ScienceBuddy 背后的团队 @PhAILabs 也开源了 ScienceIDE，把多个领域的真实科研代码整理成任务，让 AI 练习修复代码，再检查算出来的结果能不能对得上。

正好这次受邀尝试 PhAI Labs 的 ScienceBuddy，一个目前免费的 AI 科研工作台，我就想拿自己的睡眠问题试试，看看它能不能帮我解读相关论文。

于是我找了三份睡眠相关的论文和指南，上传到了 ScienceBuddy，让它帮我解读，再把里面的研究结果、适用条件和原文出处整理成一张表。看完有不明白的，就继续追着接着问，让它补查一些研究内容。

它整理出来的结果里提到，晚睡不一定就等于不健康，还得看睡眠时长够不够、作息是不是规律。

哎，看完结果，我感觉心情好多了，至少缓解了一部分焦虑。因为我不用光盯着自己几点睡，还可以先想办法把睡眠时间保证好。

另一个让我印象比较深的，就是它整理出来的调整思路：想调整作息，得先保证足够的总睡眠。

我现在是自由职业，时间还算自由，晚睡了可以安排晚一点起，睡够了，白天才有精神头。我准备先把睡眠时间保证好，再逐步把作息稳定下来，往前挪一挪。

平时碰到这种问题，我可能就搜搜 Google，或者直接问 AI，但查完之后，还得自己去判断这些信息靠不靠谱。

我觉得用 ScienceBuddy 比较方便的地方，就是能帮我解读这些英文论文，而且它生成的结果能够追溯到原文的具体位置。这样就更方便判断，AI 到底是在编胡话，还是确实有所依据。

这次核对时也发现，个别页码标得不准。不过它把要看的材料和对应的结论整理到一起了，确实省了不少来回翻找的工夫。

做生物医学研究，或者经常需要整理这类文献的朋友，可以试试。目前免费，浏览器打开就能用：
https://t.co/3P3SfwnM0c

#ScienceBuddy #PhAILabs #AIforScience

[凡人小北 @frxiaobei]

好工具分享，科研人终于有一个专门画论文图表的 Skill 了。

它可以让 Codex、Claude Code、Cursor 根据你的数据，直接生成能放进论文里的柱状图、折线图、雷达图、趋势图等。

作者把自己发表在 Nature Machine Intelligence、ICML、NeurIPS、ECCV 等论文中的绘图代码，连同配色、布局、设计原则和导出规范，全都整理进了这个 Skill。

最实用的地方是这一整套经过顶会论文验证的绘图标准，还有现成案例可以照着做。

做科研、写论文的朋友可以收一下。

开源地址：https://t.co/gYrgU0rdMO

[candy @shenxiankk]

一篇能投顶刊的论文，20分钟就能捅出来？这事儿放现在真不是吹牛逼。

选题、扒文献、洗数据、因果识别、稳健性检验、画表、写正文，一整套流程干下来俩仨月就没了，还得防着referee挑刺、防着期刊反AI，博士生直接被卷到抑郁边缘。

现在斯坦福REAP联手copaper把这套东西给开源了，
23000+个专业Agent技能，横扫经济、政治、社会、心理等8大社科领域，顶尖研究员的方法论全被打包成能直接甩的Skill，从选题到投稿一气呵成全自动。
https://t.co/BfoOzgRTjb

[YUkjjjj @0x97cyuz]

@airkin_ 交個朋友

0xA8eeD7883217bf0469709B4A185d53a03bA6678f

[小洪 @MetaEu7]

熬鹰老师还是太猛了！

我胆子太小了，半个多月没咋交易了！

实盘号也才7000u-15.5wu（100万RMB）
什么时候才能追上老师🥹

后面还是确定性的机会上大仓位！想起上次跟熬鹰老师在济州岛赌场玩百家乐，坐熬鹰老师边上，看熬鹰老师10万-20万的压庄闲，我都害怕，一直在喊下小点，下小点！

济州岛回来我也开始边滑雪边交易，那两个月的成绩也不错，今后在成都还是多跟群里的旺逼老师们交流

学习胆量，接受教训！

[Lydia @0x_lydia]

实盘记录：第一次尝试 PancakeSwap V3 LP。

参考了 @BlockBloomer 和 @sheeplzh 的思路，自己也实际体验了一遍。

🌟LP：QQQB / USDT
🌟仓位约 1000 USDT
🌟价格区间：684.42 ~ 687.23
🌟预估 APR：164%

V3 LP 比普通 LP 更考验价格区间管理。

区间越窄，资金利用效率越高，APR 往往越高；但价格一旦跑出区间，就需要重新调整仓位，否则无法继续赚取手续费。

最近底部行情，正好趁这段时间小资金尝试各种 DeFi 工具和策略，为下一轮行情提前做准备。

有做过 V3 LP 的朋友，也欢迎分享经验～

[SK @StepOneAi]

量化心得五为什么做量化绝不用黑盒AI

很多人以为自己在用AI写策略，其实是在被AI训练。丢一堆数据给模型，跑出一个看起来很对的参数或因子，然后直接扔进回测。慢慢地，你不再去推导微观结构，不再验证盘口逻辑，甚至不再怀疑这个结果是怎么算出来的。

你的交易直觉没有变强，你的判断力被悄悄外包了。如果你本来对盘口就有经验，反而更容易被误导。因为AI最擅长的，不是绝对正确，是看起来毫无破绽。很容易让你觉得它是对的。

当团队开始依赖黑盒AI，决策路径就发生改变：从“基于理解盘口到得出定价判断”变成了“获取黑盒结果到决定是否相信”。这两者根本不是一回事。

AI并不真的“懂”什么是流动性，什么是风险暴露。它本质上是在海量历史切片里做信息重组，然后生成一个对它来说最符合统计学特征的 Quote。

它不会管你的库存是不是已经严重单边倾斜，也不会看你此刻是不是正暴露在Toxic flow的枪口下。它只会让这笔报价的数学期望看起来成立。

所以你的策略吐出来的，从来不是一个被确认过的最优报价，而是一个最像最优报价的结果。在文字生成里，这叫“AI幻觉”。在实盘里，这叫主动送钱。

很多人实盘崩了，把问题归结于模型遇到了极端行情，产生了“幻觉”，觉得这是个 bug。但“幻觉”本身根本不能简单当成 bug。它是这个黑盒系统的结构性结果，一种特性，而不是例外。

AI不具备判断对错的能力，它只是在已有信息上做延展。就像一个背下了全市场 tick 数据但毫无风控常识的小孩。他能给出一组逻辑完整的定价参数，但他不知道这组参数会不会在下一个毫秒，让你的 P&L 出现断崖式回撤。

问题从来不在于模型“会不会出错”，而在于你是否意识到——它可能是错的。
面对极端的错价风险，你可以选择抱怨模型，我们要更重要的事，建立约束。

你可以用AI去洗海量的脏数据、写底层的解析脚本、生成边缘测试用例。你去引导它、限制它、验证它，让它的能力朝着你的工程目标收敛。

但你绝对不能把定价权和风控的 Kill Switch 交给它。不要把生杀大权交出去，然后在吃满逆向选择、利润被一波带走之后，反过来去责怪AI。

[张无忌wepoets @wepoets1107]

BTC收益增强策略，实盘测试一周的效果，汇报一下。
总投入不到2万，单笔交易量100U。
起到一定收益增强效果。
RV的抖动还需要优化。
此外，周末行情，本策略基本属于失灵状态。
心电图横着水平走，毫无波动啊，无奈~

[SK @StepOneAi]

高频基建一 服务器层面。

做加密高频做市，一切从行情延迟开始。很多人以为策略是核心，其实不是，基建才是。你的策略再强，行情比别人慢一拍，单子挂进去就是被吃的那个。跟Cto聊完，直接放几个硬指标。

服务器：AWS东京 ap1a-az4，EC2 c7i/c8i xlarge起步。别省钱用小土豆，做市不是跑网站，CPU缓存和内存带宽直接决定你的解析速度。我们20个instance一组，秒来秒关做ec2 hunting。

行情延迟 benchmark：
Futures p50 local ts-T：1.3-1.8ms
Spot SBE+Fix：400us-900us

怎么压下来的？
第一，把行情模块打包成蒸馏好的低延迟探针，直接上传到服务器，辅助 EC2 搞延迟 hunting。
第二，Codec 零拷贝解析 JSON，别让数据在内存里搬来搬去。
第三，双轨订阅。同一个交易所的行情，两条线同时拉。为的是万一其中一条出现丢包，另一条能瞬间补上。
解析完的行情通过 IPC 回传给策略进程，本地维护订单簿深度，用 ringbuffer 管理。为什么选 ringbuffer？因为它不需要锁，写和读可以同时进行。

还有个细节：depth@0ms。
这东西不在交易所的 API 文档里，熟悉底层的人知道有这一档位。我们要维护的是绝对“当下”的快照，策略看的是此刻的盘口，给它50毫秒前的，决策就是错的。

行情快只是一半，另一半瓶颈在发单执行。

连接池必须预热保活，指令出来直接裸写。更关键的是网络分离：策略的发单绑定 EIP（弹性公网IP）发送订单组，这跟接收行情的 ENI（弹性网卡）必须彻底分开。只有这样，遇到极端大行情爆发时，才能保证整个服务器上所有instance 的定价依然准确，不会因为网络拥堵互相踩踏。

另外就是订单状态维护。
高频里的订单状态转换必须依靠极其严苛的状态机流转。Pending、New、Partial、Canceled，每一步都不能有模棱两可的灰色地带。遇到极端行情拔网线或者接口抽风，单子卡在未知状态，你的状态机怎么兜底处理，直接决定了下一秒是继续做市还是单边止损。

最后，为什么实盘核心代码的尽头依然是Rust？

很多语言的 GC在极端插针行情里只要卡你两三毫秒，单子就被吃得骨头都不剩。Rust 虽然没有 GC 的烦恼，但底层原则是一致的：实盘盘中绝不临时 new 或者 malloc。所有内存必须在系统启动时一次性分配好，对象用完放回内存池，坚决不让操作系统在盘中去给你找内存碎片。

在微秒级的世界里，做市这件事，慢一点就是钱。不是少赚，是亏。

[DeFi狙击手 | Ai🕊️ @bi_9527zx]

我的这套策略在币安Agentic Wallet跑了三天，用 AI 直接交易美股代币化证券。我拿 1000U 试了三天，说说结果。

挑了 5 个标的：NVDA、CRCL、GOOGL、SPY、QQQ，TSLA 太贵直接跳过。策略很简单，每仓位设止损止盈，15 分钟扫一次，触发就自动卖，别的不动。

最大感受：别瞎折腾。一开始想搞轮动刷比赛量，算了笔账，滑点加 Gas 来回一次烧 0.6U，刷十次够吃一碗面，不如安静拿着。

3天下来赚了 42U，4%。看起来不多，但同期 SPY 基本没动，NVDA 一个人扛了 15U 利润，CRCL 第一轮止盈 +10% 落袋。最骚的是 GOOGLon，止损卖出后跌了更多，脚本自动抄回来，成本比卖价还低 10 刀，等于高卖低买。

当然坑也不少。Ondo 合约地址会变，盘前没流动性买不了，账面现金和钱包余额对不上差点假止盈。但这些踩过了就顺了。

比赛今天结束但仓位不撤，这策略不靠奖金，赚的是价格。

[攞錢 lo2cin4 @lo2cin4]

有人公開了
自己在跨市場套利海力士
賺 60 萬美金的方法

1. 幣安與 Hyperliquid 的跨市場套利
2. 韓國正股與合約的跨市場套利
3. OKX 的合約資金費
4. 賭幣安修改資金費率規則
5. 港股 2x etf 與合約的套利

不少量化新手都會下意識地
將回測視為關鍵
但其實有不少交易策略
單純地從規則延伸出來

尤其是新推出的產物
沒有任何回測數據可言
例如各幣所的美股代幣化
兩倍個股 ETF
你要等到數據具顯著性
怕是黃花菜都涼了

「美股代幣化根本就不是美股，不能視為套利」
「幣圈都是騙子」
「沒有這麼多本金套利」
如果你抱有以上想法
沒有問題
這筆錢你無法賺而已
在你熟悉的市場
總會有新規則或產品出現
並帶來新的漏洞
最重要是捕捉下一次機會

[Crypto老鹰 @laoyingkhq]

圈内现在都在聊Polymarket一个很现实的现状：

普通散户还在手动刷新盘口看涨跌，Github上各类全自动交易Bot早已全部开源开放。

整理8套零成本预测市场自动化工具，覆盖不同交易赛道，每个仓库都附带完整英文部署教程和功能说明。

1. CloddsBot
集成超118套成熟交易方案，包含币安与Polymarket延迟套利、动量策略、低价合约收割、智能下单路由、定投、到期价差套利等，出自剑桥计算机学生的黑客松参赛作品
https://t.co/SL5czAzGPn

2. polymarket_lp_tool
专门自动化管理平台限价订单，核心目标提升流动性激励收益
https://t.co/yFo7MkVhQp

3. Kalshi Weather Model
机器学习气象预测工具，摒弃直接套用气象播报，通过历年多数据源误差训练，校正预测结果
https://t.co/vDIdFcI9Ov

4. Polymarket-Kalshi Arbitrage Bot
自动检索两个预测平台间存在的无风险价差机会
https://t.co/1IDXqes9Lj

5. Polymarket-bot
内置聪明资金筛选逻辑，自动筛选高盈利、稳定胜率的交易者地址，生成自动跟单队列
https://t.co/2PaCc0ciqP

6. Prediction Markets Trading Bot Toolkits
综合性工具库，支持跟单、跨市场套利、大户持仓监控、流动性做市、点差复利、体育合约交易等多元功能
https://t.co/MTRoFdkUHC

7. PolyWeather
本土开发者打造气象专用脚本，实时同步气象预报、机场实况、航空观测数据，生成指定城市周期气象分析
https://t.co/IwbGwcs6Qd

8. Awesome Prediction Market Tools
集合三十多款免费预测市场交易机器人、配套辅助工具
https://t.co/jKxqYCRS0t

大部分开源程序都带有Dry Run模拟测试模式，可依托真实行情校验策略，不用直接动用本金。

直白说一句：
如今的Polymarket，早已脱离单纯事件预测的定位，变成量化代码、AI智能代理、开发玩家扎堆的交易场地。

Polymarket官网中文入口：https://t.co/XOIs6CMprG

切忌盲目直接实盘，先看懂源码、跑完模拟、吃透策略底层逻辑再操作。

需要Polymarket一键跟单工具，推荐我长期使用的PolyCop：https://t.co/xrFNgicH8Q

#Polymarket

[YUkjjjj @0x97cyuz]

@GuoShenCN7 @baby1767622 BTC

[𝟮𝟭⚡️0x5421 @0x542121]

Poly跟单流起飞了🚀
本金$600 每笔固定$10-20u
突发奇想拿当初meme跟单的思路套到poly使用 看来效果还不错

顶着Crypto taker fee和Polycop 0.5%交易手续费扛下来了😂
整体没仔细算 但我体感吧大概获利有10-20 %都拿去付手续费了

仔细想想也不奇怪 当初在sol跟单一周的fee就要付一两千刀😂

缺点说完了 优点呢？
只要你跟单模拟写得准 跟单流能直接省去开发策略的部分

这次跟了20几个地址 完全不晓得这些地址是什么操作思路或什么策略 反正丢到模拟会赚就好 所以重点在于你的跟单模拟能多贴近实际跟单的情况

分享三个我认为跟单最重要的alpha给有需要的朋友们
1. 跟单设定的部分，Poly的价格区间 = meme的市值区间
2. 跟单模拟中最重要的是滑点校正
3. 选定一家bot做跟单模拟，了解每一项跟单设置在不同情况的反应，这里是我踩最多坑的部分，一一测试后才发现原本的跟单模拟都是错的，并没有和跟单bot贴齐

其实不只一个人问我为什么不自己搓跟单bot 还可以省bot手续费
因为我认为并不是每个人都有能力搓个跟单bot出来

我心中还是有个执念
希望大家都能用的bot去玩
证明跟单流是跑得起来的🫡

[太阳闯关记 @asd3312223]

claude code新手教程，这个老外讲的非常仔细，这教程在闲鱼卖398，卖了几百份了。

这里免费，真的是认知差，静下心看完这一套完整教程，你就能真正用 AI 搭建工作流、实现自动化、处理复杂任务。

[加密渝🎀🕊️ @jiamiyu_a8]

当你有钱了，你不需要解释，女孩自己劝自己。
女的一样开始强势，其实在测试这个男人 的底线，
方便日后的拿捏。
谁知，这个男的，不吃她这套，被反将了。
看看，她也知道自己实力不咋地，态度立马就变了..
生怕这男的明天就不理她了。
难道她真的是因为“觉得他不是个坏人？”
........
都知道这是什么车吧？😎

[日拱一卒王小楼 @wang_xiaolou]

信息差的本质是语言差

最近在听 Lex Fridman 的播客，3 小时不剪辑的深度对话，从技术内幕到商业逻辑，全是一手信息。这种信息密度，是 15 秒短视频永远给不了的。

推荐三个必听播客：Lex Fridman（技术深度）、All-In（投资视角）、Latent Space（工程实践）。

英语 + AI，这是 2026 年最大的信息杠杆。