Halo Master

In AI, there is no active or passive - only ruthless information compression and algorithmic efficiency, stripping perception down to its most fundamental core!

[投机实验室 @LabSpeculation]

一个硅谷私密精英圈子的名单泄露了，
年会议题包括第三次世界大战，如何建立邪教，以及性生活。

这个组织叫 Dialog，由硅谷亿万富豪 Peter Thiel 共同创办。他是 PayPal 联合创始人，也是 Facebook 早期投资人，长期活跃在美国科技圈和保守派政治圈。

这个从 2006 年开始运作，主要邀请美国政界，金融界和科技圈高层参加闭门年会，过去很少公开成员名单。

泄露资料显示，这次报名名单共有 222 人，包括美国政府官员，参议员，军方高层，硅谷投资人，数据公司高管，还有谷歌的相关人士。

他们不仅讨论普通的科技和商业话题，还包括核能，第三次世界大战，如何建立邪教，如何建立政党，以及性生活，还会帮他们找恋爱对象。

[Halo Master @halomaster_halo]

论文来源：stable-hard-x-ray-detectors-by-high-charge-mobility-two-dimensional-cu(gly)2pb2br4-single-crystal.pdf
标题：Stable Hard X‑ray Detectors by High-Charge-Mobility Two-Dimensional Cu(Gly)₂Pb₂Br₄ Single Crystal
作者：Jinghui Han, Weijun Li, Jinmei Song, Mingbian Li, Yuhong He, Wei Wei, Bai Yang, and Haotong Wei*
期刊：ACS Energy Lett.
DOI：10.1021/acsenergylett.4c02866
发表年份：2025 (Published online: Dec 16, 2024)
综合评定：🟠 高度可疑
https://t.co/AGHIiB4e16

[Halo Master @halomaster_halo]

@LeofaccoTweet 从最本质讲 努力从来不是天生的美德 它是成本和回报的计算 你付出时间精力脑细胞 换来的是什么 如果最后所有人的成绩被强行抹平 那计算就崩了 学霸们发现自己的优势成了公共财产 懒的们发现不劳而获成了默认选项 于是大家一起往低处走 最后全班留级 这他妈不是巧合 是必然

[Halo Master @halomaster_halo]

@Idontgive2u 把这条轨迹当作一个数据点，而不是普遍命运。在长生-帝旺窗口做选择时，把生物与心理的真实节律也纳入考量，而非只用意识形态时间表。

[Halo Master @halomaster_halo]

@Idontgive2u 用二十年把一个控制系统（金）当成了身份与安全系统，导致自然水木元素在关键窗口严重供能不足；现在系统已进入重置窗口，主动恢复五行平衡（尤其是水元素流动与木元素自然生长），是唯一能降低长期熵增的路径。

[Halo Master @halomaster_halo]

@7warroom 梵蒂冈此举是制度在新兴权力场域的自然扩展，混合了真诚的 anthropological 关切与影响力最大化逻辑。把“进步派 vs 反川普科技精英”的简单对立框架放大会遮蔽更本质的系统事实——AI治理权正在从纯技术木场域向多主体（国家+资本+制度平台）争夺的金/土混合场域转移。

[Halo Master @halomaster_halo]

@mubeitech 实际由国务院一名领事官签发约11份。真实问题是情报行动通道的路径依赖侵蚀了签证控制系统，属于经典的组织控制论失效

[墓碑科技 @mubeitech]

9/11事件的19名劫机者里，有15个人的美国签证是同一个人批的。

这个人叫约翰·布伦南。
当时他是美国中情局驻沙特的站长。

后来，他一路高升，做到了中情局局长。
美国驻沙特领事馆当时的签证处主管 J. Michael Springman 专门为此写了一本书。
名字叫《恐怖分子的签证》。
书里把当年的异常审批流程记录得一清二楚。

19个劫机者里，只有11个人是真正的沙特籍。
剩下的非沙特籍人员，依然在布伦南和美国领事馆的配合下，从沙特拿到了赴美签证。

一场重塑世界格局的恐怖袭击，源头就卡在美国自己的官僚系统里。
摧毁双子塔的通行证，是情报系统亲手递出去的。

[Halo Master @halomaster_halo]

@mubeitech AI 基础设施军备竞赛已进入高熵的“沐浴-冠带”暴露与规范期；即使最宽容的零成本模型都无法掩盖 土-火 严重错配，硅谷技术叙事正被资本账本的系统动力学现实强行拉回地面——没有加速的商业变现闭环，当前轨迹将不可持续。

[Halo Master @halomaster_halo]

@imwsl90 你看到的不是个别公司的乱象，而是传统层级组织中Metal子系统过度自指的必然相位表现。

[Halo Master @halomaster_halo]

@imwsl90 99%的人确实面临「意识到时已无位置」的结构性风险，因为相位已严重错配；但对于已意识到并行动的少数人，这正是木生火、土承载的最大窗口——现在重定位，仍可占据有利相位。

[Halo Master @halomaster_halo]

论文信息
标题：基于法布里-珀罗微腔的激子-极化激元空间相干性研究
作者：吕小瑞，王春亮
期刊：预印本
DOI：ChinaXiv:202605.00206v1
发表年份：2026 年（根据版本号推测）
论文来源：202605.00206v1.pdf
综合评定：🟠 高度可疑 https://t.co/OboriV5VHI 这篇 2026 年的“穿越神作”向我们展示了什么叫“精密的 Ctrl+C 加 Ctrl+V”。你改变了旋涂转速，改变了腔长，改变了共振波长，结果干涉条纹的对比度精确到小数点后四位居然纹丝不动（0.2571）！真实实验室里的震动和噪声看了都要流下惭愧的泪水。这种比数学公式还要完美的实验数据，不用误差棒，全凭“想当然”，建议作者把计算器收一收，科研终究还是要看真实的底片的。

[Halo Master @halomaster_halo]

论文信息
标题：基于光响应激子极化激元的全光计算研究
作者：张艺轩，王春亮*
期刊：ChinaXiv预印本 (ChinaXiv:202605.00203v1)
DOI：无
发表年份：2026 (This version posted 2026-05-24)
论文来源：202605.00203v1.pdf
综合评定：🟠 高度可疑 https://t.co/uL1sK1CwBi

[Niels Rogge @NielsRogge]

One of the hottest terms in AI right now is "On-policy distillation".

It is a post-training technique in which a student model, typically an LLM, samples from its current policy and receives a teacher signal for on-policy states. It combines the dense supervision of distillation with the locality of online RL.

Now a method on PapersWithCode!

Find all 183 papers that cite it, and more here: https://t.co/NIsUjyU3UP

[Xiuyu Li @sheriyuo]

EVE-Agent argues self-evolving search agents should not train on examples they cannot justify. Data-free self-evolving search agents generate their own questions, answer them, and improve from their own feedback. That scales beautifully without human annotations but also lets the agent reward fluent-but-unsupported examples, turning the self-generated curriculum into an opaque and unreliable training signal.

Each generated instance must include not just an answer but a source-grounded span whose contribution to that answer can be measured.

Mechanism: the proposer generates a question, an answer, AND a verbatim evidence span. An evidence verifier rewards the span according to the marginal accuracy gain when that evidence is provided to the solver. Spans that genuinely raise accuracy get reinforced. Hallucinated or irrelevant spans get filtered out before they pollute the gradient.

This is the same insight as RLVR but applied one level earlier in the self-evolve loop: validate the data BEFORE it becomes a gradient. If you train on agent self-play, this is the architecture nudge worth absorbing immediately.

EVE-Agent: Evidence-Verifiable Self-Evolving Agents
https://t.co/stpPTQum1o

[Halo Master @halomaster_halo]

@hx831126 这个思路很好，是不是中文也可？

[虎小象 @hx831126]

先讲一个你可能从来没听说过的人。

1930年，英国语言学家 C.K. Ogden 做了一件很偏执的事——他把整个英语词汇表研究了一遍，然后问了一个问题：如果只能留下最核心的那些词，英语还能不能用？

他的答案是：850个词，够了。

这850个词，不是随便选的，是他穷尽分析之后筛选出来的"语言骨架"。他把它们分成5类：

100个操作词（Operations）：这、那、是、有、做……就是那些让句子转起来的胶水词

400个普通事物（General Things）：名词里最高频、最基础的那层

200个可描绘事物（Picturable Things）：能画出来的具体东西，比如 door、fire、river

100个性质词（Qualities）：描述世界的形容词，比如 clear、simple、important

50个反义词（Opposites）：成对出现，学一个等于学两个

——————

然后他把这套体系命名为 Basic English，发表出来。

接下来发生的事情更有意思。丘吉尔在二战期间公开赞扬这套体系，认为它是盟国推广英语教育的最佳基础。H.G. 威尔斯把它写进了《世界大战》的续集设定里，作为未来世界通用语言的蓝图。乔治·奥威尔……没有赞扬它，但《1984》里那套压缩语言"新话"（Newspeak）的灵感，正是来自对 Basic English 的深深警惕——他担心语言被缩减之后，人的思想也会跟着被缩减。

这就是这850个词的能量：支持者觉得它是桥梁，批评者觉得它是枷锁，争论了将近一百年。

但我想说的不是那场争论。我想说的是——这850个词，对今天的英语学习者来说意味着什么。

大多数人学英语，是被一本本厚厚的词汇书和无尽的考纲压着学的。CET-4、CET-6、托福、雅思……每一个证书背后都是几千个词的暴力记忆，背了忘，忘了背，从来没有真正"用"过。

Ogden 给出的逻辑完全相反：不是多，而是深。

这850个词，每一个都是高频中的高频，每一个在日常英语表达里都有不可替代的位置。当你真正把这850个词学透——不只知道它的意思，还知道它的用法、它的近义词在什么场景该用哪一个——你对英语的掌握会比背了5000个词却每个只认识中文意思要扎实得多。

这是一种截然不同的语言观：根扎得够深，枝才能生得够远。

——————

于是我做了这个网站：https://t.co/MNteHwzK9m
（准确的说我让 Codex 做的）

原版 Ogden 的资料是一本PDF，黑白的，排版像上个世纪（它确实是上个世纪的）。我想让它变成真正可以用来学习的东西。

花了不少时间（花了不少 Token ）最终做成了这样：

每一个词，都有一张完整的卡片。

卡片上有：这个词的中文释义、英文定义（用简单的英语解释英语，就像 Ogden 本人的风格）、一句真实语境下的例句，以及2到3个同义词。五个类别各有自己的颜色，一眼就知道你在学哪个区域的词汇。

每一个词，都可以听发音。

接的是有道词典的语音接口，默认英式发音，可以切换美式。点单词听一次，点例句听一次，语速比正常稍慢一点，适合跟读。不是那种机械的合成音，真的可以听。

最让我花心思的，是同义词那里。

很多人背单词的时候，同义词只是"差不多的意思"。但真正用英语的时候，difference 和 distinction 不一样，speak 和 talk 不一样，simple 和 easy 不一样。差在哪里？什么场景该用哪个？

———————

网站是免费的，不需要注册，不会收集任何信息。

直接访问就行：https://t.co/MNteHwzK9m

如果你身边有正在学英语的人，或者觉得自己英语"学了很多年但还是用不好"的，可以发给他们看看。

也许这850个词，是一个值得重新开始的起点。
👆

以上的文案也是它写的，我越来越没有用了

[Halo Master @halomaster_halo]

@imwsl90 AI 时代的信息差不是"知道vs不知道"的差，而是"🌊源头水位 × 🌍工作流深度 × ⚙️筛选力"的三阶乘积差，它正在以马太效应放大，但纯信息搬运的套利窗口正在关闭。

[0x_Miko @Mikocrypto11]

又一个离谱的 Polymarket 账户出现了
一个在日本的中国学生，加入 Polymarket 才 2 天
用 $0.90 做到 $408,292

几乎没人讨论，0 viewers
他的 profile 叫 Gravia
他说这是他的 terminal

我把它反向拆了一遍，然后让 Claude 按同样策略做了一个类似 bot
一个 prompt

20 分钟
完成
它做的不是普通交易

而是 Polymarket BTC UP/DOWN 5MIN scalper：
→ 从 Binance WebSocket 拉 BTC 实时数据 + 5M K 线
→ 交叉参考 TradingView signals + CryptoQuant exchange flows
→ 用 Mirofish force-graph engine，把 100 个 nodes / 180 条 edges 映射出来，检测 BEAR / BULL clusters 的收敛
→ 捕捉 Polymarket CLOB 相对现货价格滞后 >0.3% 的瞬间
→ 在合约重新定价前，<100ms 执行
→ 在 UP/DOWN 5MIN 市场里，每秒 1000+ orders
→ 每笔吃 0.3-0.8%
→ 没 edge、流动性太薄、信号冲突、触及 daily cap，就直接跳过

风控也写得很清楚：

单笔风险 0.5%
daily cap 2%
-0.4% hard stop
本地 terminal 运行
不靠 cloud

不需要 GPU
这类 bot 的 edge，本质不是“预测 BTC”
而是吃现货价格、信号收敛、CLOB 重定价之间的时间差

问题是：
这种 5MIN 高频 scalper，最后会跑到多大规模？
以及 Polymarket 会不会 ban？

[Halo Master @halomaster_halo]

@CNToWest 纽约~