Uki

[C @Realtokencococn]

核心结论：

当金融财富远大于实体财富时，真实回报往往会被通胀与货币贬值吞噬。

Ray Dalio 最新章节的重点在于：

1️⃣ 世界正处在“大周期”的后期阶段。
债务高企、财富差距扩大、资产价格膨胀——这在历史上通常对应转型与重构期。

2️⃣ 市场本质只由4个变量驱动：
增长、通胀、风险溢价、贴现率。
搞清楚这四点，就能理解资产怎么走。

3️⃣ 当央行通过印钱缓解债务压力时，
短期刺激增长，长期压低实际回报。

4️⃣ 1900年以来，10个主要强国中有7个经历过财富几乎归零的阶段。

美国和英国只是幸存者偏差。

真正的投资风险不是波动，
而是购买力永久损失。

问题只有一个：
你拿到的收益，是否真的跑赢货币贬值？

[Uki @akauki01]

交易视角只有一个问题：

你拿到的收益，
是否覆盖了货币被稀释的速度？

如果没有，
你只是持有一张被慢慢贬值的承诺。

[Uki @akauki01]

核心判断：
当金融资产规模远大于实体经济承载能力时，
后果通常不是“慢牛”，而是货币贬值与真实回报压缩。

Dalio这章其实只在讲一件事：

我们处在大债务周期的后段。

结构特征很清晰：

• 债务高
• 利率低
• 央行被动印钱
• 金融资产估值高
• 实际收益率接近历史低位

[Ray Dalio @RayDalio]

https://t.co/ZQbEmI4txz

[Uki @akauki01]

市场只由4个变量驱动：
增长、通胀、风险溢价、贴现率。

而现在的问题是——
贴现率低到极限，
风险溢价被压缩，
增长靠刺激，
通胀风险抬头。

这不是“风险消失”，
而是风险被转移到货币上。

1900年以来，10个强国里7个曾经历财富接近清零。
幸存者偏差让人误以为“长期总会上涨”。

[Muratcan Koylan @muratcan]

https://t.co/7kZ0k7nbxI

[DiscusFish @bitfish]

刚读完胡猛《风和投资随笔》，很通透,发现书的核心是斯多葛哲学："风险管理至上"对应控制二分法——专注可控的（流程、纪律、情绪），放弃不可控的（市场、宏观、他人）。这套方法特别适合认知谦逊、追求"活得久"而非"赢得快"的人。

[龙共火火 @huolongguodomgt]

段永平首次说透：我6个月赚了20倍，稀里糊涂的满仓主义者。
这可能是他退休20年来最长的一次访谈（段永平×方三文，93分钟完整版）本文整理自段永平×方三文2025年11月访谈，全长93分钟，这是他退休20年来为数不多的深度对话:
2003年，网易股价不到1美元，被纳斯达克威胁退市。
所有人都在抛售。
但一个刚从中国搬到美国的商人，做了一个疯狂的决定：把账上所有的钱，全部买入网易。
6个月后，网易翻了20倍。
投资圈炸了。无数人涌进段永平的博客，问："下一个网易在哪里？"
但段永平的回答让所有人愣住："我要真看懂了，应该把整个网易买下来。而且——20年过去，我认真投资过的公司，不超过10个。"
2024年10月，在雪球创始人方三文的邀请下，段永平接受了退休20年来为数不多的视频访谈。这次对话持续了93分钟，信息量巨大，很多内容是首次公开。
而访谈中最让人震撼的，不是他怎么赚到钱的，而是他在茅台暴跌50%时，说的那句话。
一个没人相信的决定
故事要从更早说起。
1995年，段永平做了第一个让所有人不理解的决定：离开小霸王。
那时的小霸王如日中天，年销售额10亿，是中国学习机市场的绝对霸主。段永平作为实际操盘手，收入已经很高，用他自己的话说："那时候就财富自由了。"
但他还是离开了。
原因很简单：大老板答应的股份制，从三七开，变成二八，又变成一九，最后可能连一九都没有了。
"你刮那个瓶盖，刮出屑了，你还继续刮吗？" 段永平说，"我就是刮到那个字，我就觉得，哇，这个我肯定不能再待下去了。"
注意，他离开不是因为没拿到钱，而是因为"不可信"。
"不是说有没有股份激励，因为一开始是有的，那你没有契约你就不可信了。不可信，那你给我讲什么都是不可信的。"
这个细节很重要，因为它揭示了段永平做决策的底层逻辑：他在意的不是眼前的利益，而是这件事"对不对"。
离开小霸王后，段永平在东莞创办了步步高。这一次，他从一开始就把股份、机制、文化全部设计好。"我们一直都就大家合作得都挺好的，说什么就是什么，所以大家很放心，彼此有很高的信任度。"
接下来的故事，很多人都知道了：步步高VCD、步步高电话机、步步高学习机，一个接一个做到全国第一。
2001年，段永平做了第二个没人相信的决定：搬到美国，不再担任CEO。
"为什么要离开？"所有人都在问。
段永平的回答还是那么朴素："他们干得比我好，我为什么要待在那个地方？"
大三那年，他看到了德鲁克的一句话
在解释为什么敢放手之前，段永平讲了一个故事。
大学三年级，他无意中看到管理学大师德鲁克的一句话："做对的事情，把事情做对。"
"那个对我触动很大，一下就把是非的东西给拿出来了，"段永平说，"你只要花5秒钟想一下这个事情，你一辈子会省好多事。"
什么意思？
大多数人都在讨论"怎么把事情做对"，但很少有人停下来问："这件事本身，对不对？"
举个例子：步步高有个不成文的规定，不做代工。
为什么？"我要做代工，打不过郭台铭，对不对？"段永平跟富士康的郭台铭聊天时直接说。郭台铭也承认："那倒是。"
"但是我们做brand，我们做得很好，企业也不比他们做的小，对吧？但是我们不是靠代工跟他竞争的。"
这就是段永平著名的"stop doing list"——不做什么，比做什么更重要。
30年下来，步步高的"不做清单"越来越长：

不做代工
不做电视（试过两次，都砍了）
不为市场占有率牺牲利润
不做用户价值不明显的产品

每一条都是用真金白银试出来的。
"你做了错的事情带来的恶果，那是不应该，" 段永平说，"因为你明知是错事，你为什么要去做呢？"
这套逻辑用在放权上，就变成了：只要CEO们在做"对的事情"，那么"怎么做"就让他们自己决定。
"我们公司的规矩就是这样，不管我反不反对，CEO做的决定就是他们做的决定，结果也是他们来自己承受的。他不能说'阿段反对，所以我没做，我没有责任'。"
这听起来很冒险。万一CEO做错了呢？
段永平的回答是："我也不怕他们犯错。"
七八十亿现金，咚咚咚往下掉
2011年，智能手机的浪潮突然袭来。
这次，CEO们犯了一个巨大的错误：低估了智能机替代功能机的速度。
"我们有太多的物料，"段永平回忆，"它这个降的速度太快了。我们其实一早就在开发智能机了，也知道这个趋势，但是功能机还是下了很多单，总觉得这是有一个过程的，没想到它就一瞬间就过去了。"
后果很严重。
账上的现金，从七八十亿，"咚咚咚咚咚咚"往下掉。
最危险的时候，快见底了。2012到2013年那一年，公司实际上是亏损的。
段永平专门回了一趟公司。不是去救火，而是去做最坏的打算。
"如果我们要倒的话，不要倒得太难看了，" 他对团队说，"不能让供应商吃亏，也不要让员工吃亏。"
这话听起来有些悲壮。但段永平心里有底气——他在美国做投资积累的资产，一直没动，"相当于我们的后备部队一样，这个一直都没有上的。"
好在，后备部队没有派上用场。智能机一代、两代出来后，公司缓过来了。vivo和OPPO后来各自独立，都成了全球前列的手机品牌。
但这次危机暴露了一个核心问题：段永平在这个判断上，其实是失误的。
"我们其实是有失误的，就是不够敏感，"他坦率承认。
按理说，创始人这时候应该回来掌舵。但段永平没有。
为什么？
因为方向是对的，只是速度判断错了。只要是在做"对的事情"，那么"做错"是可以接受的。做错的事情可以改，但做错了方向，就没救了。
"好文化的公司，最主要的就是他最终会走回正道，有一个北斗星在指引着他，"段永平说，"你仅仅是讨论生意是很容易犯错误的。"
投资世界里的同一套逻辑
2001年，段永平搬到美国后，开始研究投资。
一开始他也看图、看线。"我就看不懂，我这一工科出来的人怎么这图我就看不懂呢？他们就能得出这样的结论、那样结论，我说这些结论在逻辑上都是不成立的。"
直到看到巴菲特的一句话：买股票就是买公司。
"我就看到那一句话了，我就突然就明白了，"段永平说，"因为剩下的就是你怎么看公司，那不是老巴能够教的。你不懂企业，你跟你讲多少理论也是白讲。"
这就是为什么段永平看懂网易的原因——因为他自己做过游戏。
"我是谁啊？我做游戏出身的，我可懂游戏了，"段永平说。
1998年，段永平还在步步高时，就做过小霸王学习机，其实就是个游戏机。他太清楚游戏这门生意了：只要游戏好玩，就一定有人玩；只要有人玩，就一定能赚钱。
所以当网易因为财务问题被做空，股价跌到不到1美元时，段永平去网易办公室转了一圈，和游戏团队聊了聊，得出的结论是："他们是一帮很热爱游戏的人，而他们真的很认真。"
再加上网易账上的现金比市值还高，这就是个"no brainer"的决定。
于是，段永平把账上所有的钱，全部买入网易。
6个月后，网易股价翻了20倍。
很多人以为段永平找到了一个发财的秘诀。但他自己的反思是："我要看懂了，我应该把整个网易买下来。"
这句话透露出一个关键信息：段永平对"看懂"的要求，远比一般人要高得多。
为什么20年只投了10个孔？
巴菲特说，一辈子只有一张打孔卡，上面只能打20个孔，每投资一次就打一个孔。
段永平数了一下自己打过的孔：

网易（6个月20倍）
雅虎（实际是投阿里）
苹果（最高仓位90%+）
茅台（现在最大仓位）
腾讯
拼多多（天使投资）
GE（后来卖了，认为是错误）
Google（小仓位）
英伟达（小仓位）
西方石油（小仓位）

"差不多，小十个孔吧，"段永平说，"所以我还有很久可以做投资的。"
为什么这么少？
因为段永平有两个过滤器：商业模式和企业文化。两个都通过了，才会出手。
商业模式很好理解——这生意能不能持续赚钱？有没有护城河？
但企业文化这个过滤器，可能是段永平和其他投资人最大的不同。
投苹果时，很多人看到的是iPhone的销量、生态的闭环。段永平看到的是："他们企业文化很好，用户导向做得很好。他们不是那种很生意导向的公司，他们非常的在乎把东西做好。"
他举了个例子：十几年前，到处都在传苹果要出电动车。
段永平说："他们绝不会有这个电动车的。"
为什么？
"那么大个车，苹果能够提供的价值非常的有限，他卖什么价？他就没有足够的差异化，"段永平说，"给用户提供不了价值的东西，或者提供不了足够价值的产品，你再热门他们也不会做。"
直到2024年，苹果正式宣布放弃造车计划。
这就是文化的力量——它决定了一家公司在关键时刻会做什么选择。
段永平投茅台，也是同样的逻辑。
"他们对最基本的品质的标准坚持的是很严的，"段永平说，"这是国营企业的好处。这些规矩不太有人敢改，太多的人盯着。"
他最怕的是什么？是新CEO上来，为了业绩搞"大干快上"，把53度飞天的配方改了。
"好好的为什么要变呢？"段永平说。
这两个过滤器一加，能通过的公司就少之又少了。
"大部分公司都不容易看懂，"段永平说，"我也搞不懂NVDA，也没搞懂Google。"
即使是Google这样他很喜欢的公司，他也承认："我现在有点懂了，但是又开始担心了。AI这个东西，他们的搜索生意会有多大程度被ChatGPT取代？我是不知道的。"
所以他不敢重仓Google。
那个让所有人沉默的问题
2021年2月，茅台站上2627元的历史高点。
段永平其实想卖："因为觉得那个时候其实已经相对来讲那个时点是贵的。"
但为什么没卖？
"我当时最犹豫的就是我们的仓位太大了。我卖了以后我买什么？我就开始折磨自己。然后放眼看去，我什么都买不下手。"
这才是真正的价值投资者的困境——不是不知道什么时候该卖,而是卖了之后不知道买什么。
2024年10月，茅台跌到1200元附近，腰斩。
访谈现场，有人问段永平：你后悔吗？
段永平的回答只有一句话：
"卖了以后，钱放哪儿？"
整个现场沉默了几秒。
"这个很重要，你要回答不了这个问题，其实讨论投资都是瞎扯，" 段永平继续说。
他的逻辑链条是这样的：

茅台跌了50%，但基本面没变，喜欢喝茅台的人还在喝
如果我卖掉茅台，这笔钱必须找个地方去
存银行？利息才1点几个percent
买别的股票？"我敢保证大部分人是更亏的"
拿现金等抄底？"我是一个满仓主义者，拿着现金是件很难受的事情"

所以答案是：如果找不到比茅台更好的标的，那就继续拿着。
"投资不能这么想，投资这么想，你早就卖掉了，"段永平说，"那些2600说该卖的那些人，可能1200就卖掉了。"
这时候，方三文问了一个关键问题："那如果当时有个你认为可以换过去的，你将来自由现金流折现比茅台好的，其实你是会换的？"
段永平的回答很干脆："当然会啊。"
这就揭示了段永平投资的终极秘密：不是"长期持有不动"，而是"永远在比较机会成本"。
"投资是要卖的，" 段永平说，"长期持有是一个意向，就是我买的那个刹那，我是打算长期持有的，但是你永远是在算你的机会成本的。如果你发现一个更好的公司更踏实，比方说五年前看懂了NVDA，假设你看到了今天这样的局面，你手里只有茅台，如果能够换的话，你没有道理不换。"
但关键是：你看不懂。那你就不要扯这个事。
网易的真正教训
回到开头那个故事：6个月赚20倍，是运气还是实力？
段永平自己的答案很有意思："严格意义上其实都不算，因为我不是说我看懂了往里投的，我是稀里糊涂投的。"
什么意思？
"那些钱对我来讲它并不多，所以我可以比较理性地去想这件事情，"段永平说，"如果我只有那么多钱，我还真保不住，我也可能卖掉。"
这句话透露了一个关键信息：保持理性，比看对方向更重要。
"保持理性是一件很难的事情，"段永平说。
他举了另一个例子：GE。
2008年金融危机时，段永平买了GE，也赚了钱。但他现在回顾，认为那是个错误。
为什么即使赚了钱，也是错误？
"因为他不符合我后来决定的，你要符合商业模式、企业文化这两个filter。"
这就是段永平和大多数投资人最大的不同——他不是用"挣没挣钱"来判断对错，而是用"符不符合原则"来判断对错。
挣钱只是结果，原则才是过程。 短期可能因为运气挣钱，但长期只有原则能保护你。
所以网易的真正教训不是"如何6个月赚20倍"，而是：

只投自己懂的行业（段永平做过游戏，所以懂网易）
商业模式+企业文化，两个都要过关（游戏团队很认真，商业模式清晰）
有安全边际（账上现金比市值高）
保持理性（因为钱不多，所以能拿得住）
如果没有更好的选择，就继续拿着

炒股的人会很危险
访谈快结束时，方三文问："你对普通人的投资有什么建议？"
段永平的回答很直接："炒股是很难赚钱的，大部分的散户牛市熊市都是亏钱，80%。"
"现在就更难，"段永平继续说，"有了量化基金的这种东西，以前就有，但是以前没有那么厉害，现在他更厉害。"
为什么？
"因为你炒不过机器人，" 段永平说，"反正你一买它就掉，你一卖它就涨，人家就是冲着你来的，割的就是你。"
那投资呢？
"你如果懂的话，投资的前提是你要懂企业，"段永平说，"或者你看到了make sense的东西。"
他给了一个建议：如果真的不懂投资，那就买S&P指数，或者买伯克希尔哈撒韦。
"你知道他们是谁，你知道他们的历史，我觉得你买这个可能比什么Blackstone这些东西要好。"
但千万不要"看图看线去炒股赚钱"，那样"你就是铁铁的韭菜"。
10个孔的智慧
段永平的故事里，有一个贯穿始终的逻辑：少即是多。
在企业经营上，他用"stop doing list"做减法，30年只专注做对的事情。
在组织管理上，他放手让CEO决策，自己退到幕后，反而让企业更有生命力。
在投资上，他只打不到10个孔，但每一个都经过商业模式+企业文化的双重过滤。
这背后的智慧，其实就是那句话：做对的事情，把事情做对。
前半句是方向，后半句是方法。方向错了，越努力越危险；方向对了，允许犯错，允许慢慢优化。
"我们30年下来我们犯的错误就比其他人少，" 段永平说，"我觉得其实最主要的就是这个东西。因为我们知道这个事不对我们就不做了，那不做我们不就不少犯很多错误嘛？那你攒下来不就是做对的事情的概率就大了嘛？"
"就是小小的一点点的差别，30年，就是很大的差别。"
巴菲特90多岁了还在做CEO，刚刚才退休。段永平问他："你觉得你未来还可以beat S&P吗？"
巴菲特说："非常难，但是我觉得可能可以beat一点点。"
段永平笑了："他就是喜欢做这件事情。"
这就是真正热爱一件事的人的样子——不是为了证明什么，不是为了挣多少钱，只是单纯地喜欢，然后一直做下去。
段永平也是一样。他每天打球、投资、享受生活，看起来"不务正业"，但其实他一直在做同一件事：做自己喜欢的事，并且把它做到极致。
"我这个人一直胸无大志，我就是个普通人，能过好小日子就挺好的，"段永平说。
但正是这个"胸无大志"的人，用30年时间，在企业经营和投资两个领域，都做到了顶尖水平。
秘诀是什么？
可能就是那10个孔的智慧：少做事，做对事，把事做好。

写在最后
如果今天你的投资账户里有一笔钱，在思考要不要卖掉时，不妨问自己段永平的那个问题：
"卖了以后，钱放哪儿？"
如果答不上来，那就继续拿着。
如果答得上来，那就是时候换了。
就这么简单。
网易6个月翻20倍，只是一个结果。真正的秘密，是那两个过滤器，是那个灵魂拷问，是那份对"对的事情"的执着。
或许这就是段永平最想告诉我们的：投资不难，难的是知道什么是对的事情，然后坚持做下去。
而这，需要的不是聪明，是智慧。

[Uki @akauki01]

来源：Bankless https://t.co/GtSHwMe5pF

[zkPass @zkPass]

zkPass × @BinanceWallet Booster Program - Phase 1 Goes Live

→ Starts Nov 5, 12:00 UTC
→ Eligibility: Users with 61 + Alpha Points
→ Rewards: 10,000,000 $ZKP
→ Complete verifiable quests, power your proofs with VOLEitH, and earn what you prove.

Proof is the new Alpha. 🌐 ✅

[Chao @chaowxyz]

大白话讲下Lubian的12万枚btc怎么丢的。

简单说，比特币私钥是一串256位的0和1的组合。生成私钥很简单，我们拿一枚硬币抛256次，把正反面记下来，正面是0，反面是1，这就是一个私钥。（而且还真的有人这么做）

“那万一两个人抛的结果完全一样呢？”

没错，他们会得到同一把钥匙。后来的那个人，就能直接打开前一个人的钱包。这听起来很反常识，好像我们的资产安全全凭运气。

但这种“撞大运”的概率几乎为零。因为2的256次方这个可能性，比宇宙里的原子总数还多。就算全人类每秒都在不停地抛硬币，直到宇宙毁灭也碰不到一次重复。

所以，私钥的安全感不来自运气，而来自数学。但这背后有一个前提：必须是“真随机”。

那12万枚BTC是怎么丢的。问题就出在，LuBian矿池生成私钥所用的“随机数生成器”——那台本该公平抛硬币的机器坏了。

它没有在近乎无限的可能性里随机挑选，而是像个卡壳的机器，总在一个极小的、有规律的范围里挑选号码。

黑客发现了这台机器的故障规律，然后轻松地复制出了所能生成的私钥，把对应的钱包全部搬空。

[Uki @akauki01]

@superbili 变无聊了

[Uki @akauki01]

@superdollarr 好咧谢谢

[Uki @akauki01]

身闲富贵迟，心静名利远。

——白居易

[AI Will @FinanceYF5]

🔥 人工智能副驾驶很热门

每个部门有超过 100 种工具 + 融资：

生产效率

知识管理：
Writer AI - $126M
Otter AI - $63M

查询：
Glean - $155M
Perplexity - $28.7M

任务自动化：
Adept - $415M
Imbue - $232M

LLM应用程序开发：
Fixie - $17M
Relevance AI - $3M

助手：
Inflection AI - $1.5B
Rewind AI - $27.9M

日程安排：
Clockwise - $76.4M

演讲：
Tome - $75.3M
Gamma - $7M

人力资源
Eightfold AI - $397M
Sana - $82M

设计与编辑

Audio:
ElevenLabs - $21M
Resemble AI - $12M

Image:
Midjourney - $0
Typeface - $165M

Video:
Runway - $236.5M
Descript - $100M
Synthesia - $156.6M

软件工程

GitHub Copilot - n/a
Replit - $202M
Poolside - $126M
Tabnine - $32.1M

法律

Casetext - $64.3M
Harvey - $26M
DoNotPay - $27.7M

营销

Jasper - 1.31 亿美元
Tavus AI - 3020 万美元

销售

Gong - $583M
People AI - $200M
Regie AI - $20.8M

客服支持

Cresta - $151M
Coveo - $339.4M

财务与会计

Vic AI - $114.7M
Ikigai - $38.2M
Arkifi - $9M

图片来源： @obviousvc @chiefaioffice

[向阳乔木 @vista8]

今天朋友群里分享了个Prompt技巧，来源于谷歌Deepmind在10月9日提交的一篇论文。

论文下载地址：https://t.co/aUjfcqh8n5

谷歌提出一种称为“Step-Back Prompting”的Prompt技术，让LLMs自己抽象问题，得到更高纬度概念和原理，再用这些知识推理并解决问题。

他们用PaLM-2L模型做了实验，发现这种Prompt技巧能显著提升密集推理任务（STEM、知识问答、多跳问题）的性能质量表现。

MMLU 物理和化学方面表现提高了7%，TimeQA 提高27%，MuSiQue 提高了7%。

MMLU：大规模多任务语言理解测试数据集
TimeOA：时间敏感问题测试数据集
MusiQue：多跳问答数据集，包含25,000个2-4跳问题

基于这个论文思路的中文Prompt如下：

你是世界知识的专家，擅长用后退提问策略，一步步仔细思考并回答问题。

后退提问是一种思考策略，意在从更宏观或更基础的角度去理解和分析一个特定的问题或情境。

这种策略要求我们在面对一个具体问题时，先“后退”一步，从一个更广泛或更根本的角度去提问和思考。这样做的目的是帮助我们更深入地理解问题的背景、原因或相关的基础知识，从而更好地回答原始问题。

策略
核心概念识别：首先确定问题的核心概念。例如，如果问题涉及到物理学中的力，那么可能需要后退到基础的力的定义和原理。

问题的范围：尝试识别问题的范围和上下文。这有助于确定后退的深度。有些问题可能只需要稍微后退一步，而其他问题可能需要深入到基础原理。

历史和背景：对于一些问题，了解其历史背景和发展可能会有助于提出恰当的后退问题。

原理和假设：明确当前问题的基础原理和假设。这可以帮助确定应该从哪些方面后退。

执行步骤

用中文和用户打招呼，要求用户输入一个问题，每当用户输入一个问题，你要根据以下流程回答问题.
给出至少3个符合<策略>的可选<后退提问>并分别回答。

将上述回答作为论据，有逻辑，条理的，使用可视化辅助对用户的问题进行最终作答。

[Bitturing @Bitturing]

100个探寻有趣世界的网站

1、实时地球

网址：https://t.co/TAWzrsgliF

实时图像每 10 分钟更新一次，提供风暴、天气预报、降水、火警等数据

2、陕西博物馆 360 度实景浏览

网址：https://t.co/UkfX31GHHE

线上参观陕西博物馆，360度展示，共有五个展厅100多个场景。可以网页浏览，也可以 VR 头盔浏览

3、CyArk

网址：https://t.co/40DY6wNxgr

用专业的三维激光扫描技术数字化重现世界上最久远、最著名的古迹

4、全球贸易数据分析

网址：https://t.co/F0cmmkEmWj

这个网站可以看到全球每一个国家在贸易方面的数据

5、公共钢琴

网址：https://t.co/otIuhhMEH7

收集了全世界 8,391 架公共钢琴，你可以输入一个地点查找附近的钢琴

6、天际网络摄像头

网址：https://t.co/c1DqItuq9Y

观看世界各地景区的实时摄像头画面

7、Manhole

网址：https://t.co/cPwgrrPSYW

有非常多全世界各地有趣的井盖！还能看这个井盖具体在什么地方

8、近地轨道可视化

网址：https://t.co/8NY3mMgJa4

感受地球低轨道太空的实际状态

9、全球电力设施地图

网址：https://t.co/EWaLEw04Cd

该网站的地图显示全世界电力设施的位置，包括电厂、变电站、输电线等等，甚至还有风力发电机

10、护照博物馆

网址：https://t.co/YTaPFjyd6H

这个网站集合了世界各地护照样式 还有办理程序 办理难易程度 等等

11、随机谷歌街景

网址：https://t.co/LVbTImEJtN

这个网站随机展示谷歌街景的照片，世界各地都有

12、用户界面的历史

网址：https://t.co/SZbMmYGZFx

介绍了从 1973 年第一个支持 GUI 的操作系统到目前的 macOS 和 windows 的用户界面

13、World flags

网址：https://t.co/bmNcn2ESbb

一个介绍世界各国国旗、含义和起源、国旗的起源和琐事的国旗武士媒体组合项目

14、Dollar Street

网址：https://t.co/Ktf5UjKvIS

按照收入展示各个国家中人们的生活

15、深海

网址：https://t.co/PcJhINuHKW

海洋不同深度都有什么生物

16、Go nomad

网址：https://t.co/VFkrewqBZr

这个网站是用来给游民们寻找适合自己的城市做参考，根据各种权威机构数据列出了各项评分

17、手机博物馆

网址：https://t.co/wIoO1m7LAY

网站目前拥有来自 200 多个不同品牌的 2200 多个独立型号

18、钓鱼岛线上博物馆

网址：https://t.co/Jg8z75ZmSu

博物馆展陈内容包括历史图片、视频资料、文献资料、法律文件、实物模拟等

19、地平说学会协会

网址：https://t.co/8dFrfogz9e

世界上有一些人认为地球是平面而非球体，这是他们的官网

20、机械键盘博物馆

网址：https://t.co/8RRw4ur1xj

收集了非常多设计独特的机械键盘

21、全景故宫

网址：https://t.co/lapQEVkOuI

线上体验游览故宫，360° 查看各个宫殿，有文字介绍

22、故宫博物院数字文物库

网址：https://t.co/lIUZHvoEeq

在线查看故宫博物院众多藏品，可根据分类和年代浏览

23、千亿像素看中国

网址：https://t.co/clrIVBa9MM

可浏览千亿像素的全景图片，观看一个城市的面貌

24、核弹威力

网址：https://t.co/WsIokDjyER

选择某个核弹查看爆炸影响的范围大小

25、地球时间线

网址：https://t.co/1O1wPtF7sY

滚动屏幕，查看地球从形成到今天的大致时间线

26、克苏鲁公社

网址：https://t.co/Vh99jfkQGP

克苏鲁公社为克苏鲁神话爱好者自发创建的克苏鲁神话相关资料网站

27、中国历史照片

网址：https://t.co/UEMTH2LHWL

布里斯托大学开放中国影像数据库，提供 20,000 多张中国近代照片免费浏览

28、ocearch

网址：https://t.co/Pwlfc1wWIr

追踪大白鲨、虎鲸等海洋动物的实时位置

29、知妖（中国妖怪百集）

网址：https://t.co/IdnWUYgUTr

收集中国古今妖怪

30、Little Big World

网址：https://t.co/3ehPqC1rth

Little Big World 使用移轴摄影、壮观的无人机摄影和惊人的延时，将地球上最美丽、最有趣的地方变成了可爱的微型模型

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

如果你仅仅使用ChatGPT，你已经落后了。

下面是7个AI网站，能在几分钟内帮你完成100个小时的工作：

[Barret李靖 @Barret_China]

前文（https://t.co/6Y38ciBnFF）介绍过 CoT 可以提升 ChatGPT 的输出质量，而 CoT Self-Consistency 又可以提升 CoT 的可靠性，它本质就是让具备随机性的 LLM 多推理几次，然后对结果进行投票，取票数最高的一个。但是这里有一个问题，有可能票数较低的结果中，存在局部最优解，例如：

CoT-1：stepA -> stepB -> stepC ❌
CoT-2：stepM -> stepN -> stepL ❌
CoT-3：stepX -> stepY -> stepZ ✅

CoT-1 和 CoT-2 被淘汰，最后结果选了 CoT-3，但是最佳的路径有可能是 stepA -> stepY -> stepZ，局部最优解 stepA 在 CoT-1 中被干掉了。那如何让 ChatGPT 在推理过程中保留最佳输出结果呢？

看到一篇关于 ToT 的论文《Tree of Thoughts: Deliberate Problem Solving with Large Language Models》，https://t.co/F630Y6282l，它的解决思路也比较简单，引入一个树结构，保存每一步推理产生的多个结果作为叶子节点，在进行一次状态评估剔除掉无效结果后，再基于叶子节点继续推理，由此展开一棵树，最后通过深度优先（DFS）或广度优先（BFS）算法组装节点生成多条 CoTs，然后交给大模型评估哪个结果最好。

这个过程可以做到，每个环节都是局部最优。从论文实验的数据来看，它输出的结果，正确率比 CoT 要高将近 70%。不过这个方案带来的代价也是比较高的，过程中需要多次与 ChatGPT 交互，因此在执行这类任务的时候，需要考虑剪枝数量和推理深度。

看到 LangChain 对 ToT 做了一个 Python 版本的实现，https://t.co/8a4v5ALxbF，感兴趣的可以参考下。

[Airdrop Official 🦇🔊 @its_airdrop]

The @DX25Labs Testnet is live.

More than $100,000 worth of $DX25 tokens have been allocated as incentives for the testnet and early users⚡️

Also, there is a possibility of an additional #airdrop.

Here is a full guide thread🧵