😂笑死！Zai智普创始人唐杰教授在清华大学一开课就试图用作业劝退学生：这课作业会挺多！结果学生看完梯子，第一反应不是退课，是打开 GLM-5.3 ！ 唐老师对学生的要求，基本是把大模型全链路亲手走一遍： 🔹从零写 Tokenizer + Transformer，端到端训一个 0.1B 🔹手写 Triton attention kernel，自己测多卡训练和推理增益 🔹从 raw dump 洗语料，拟合 scaling law 再外推 🔹同一基座上把 SFT、DPO、RLVR 做对照 🔹最后搭可验证环境 + harness，训长程 Agent，还鼓励 self-judge loop 🔹2–3 人组队，英文 NeurIPS 格式，W16 现场 demo 🔹作业 40%，大项目 60%。问题、动机、方法、结果，一项都不能糊 劝退逻辑很清楚：不会动手、只会调 API 的，先下去。 
反转也很清楚：布置作业的人，正是 GLM 系列背后的唐杰。学生一边爬梯子，一边默默把 GLM 开到最大，老师要你从零造轮子，模型在旁边说：报告可以先帮你起草一版。 #唐杰 #智谱GLM #清华大学 #大模型 #Agent #从零训模型 #RLVR #清华课 #机器学习

Obsessed with the AZUKI art? Get a Manuscript Art Print! Page 47 is Arnold Tsang's favorite page in the chapter. Made to order, open until Chapter 2 drops on October 15. Order now on vist.ly/5ivdt

我也觉得 在这个行业 连比特币都不信的人，就直接退圈吧 @star_okx 这次采访聊的投资，交易，AI相关的东西真实而有启发 1. 没有一个基金能跑赢比特币 2. 第一次买比特币 10 美元一个，赚了差不多 1 万个比特币 3. 2012年有个叫 Just Dice 的在线赌博平台，玩法是扔骰子跟平台对赌，赔率平台 51%、玩家 49%，跟今天的 Uniswap 很像 在上面下注，一注就押 500 个比特币 后来他发现这平台的随机算法太简单，就自己写算法预测趋势、反向做市，庄家亏钱时投进去、庄家赚钱时撤出来，靠这个赚了差不多 1 万个比特币 4. 你没有 10 个比特币，别来参加我们的会议。你是加密从业者却没有 10 个比特币，应该羞愧 5. 组合要分两类，第一类是基础投资，是你跟这个行业绑定的那部分，建议是比特币 6. 确保你始终在牌桌上，这是最重要的事 7. 原则对专业交易者最重要。很多人定了原则，一旦桌上钱太多，就会改变原则 8. 买还是卖，是世界上最简单的事，五五开；但也是最难的事，因为方向要对 9. 先问自己：你信吗？信就做点什么，不信就算了 10. 第五年赚的超过前四年总和，第十年赚的远超前九年 11. 如果真有印钞机，没人会给你用 12. AI 不能帮你自动赚钱，你还得有自己的原则、能承受多大风险、自己的算法，AI 只是帮你更准地执行 13. 真正的人工智能已经来了，比最顶尖的专家都聪明 14. 超过 90% 的编码开发任务，100% 由 AI 完成 15. 世界不是为 AI 设计的，世界需要升级来适配 AI 16. 稳定币就是代币化的国债，就是世界在升级自己来适配区块链 17. 逐仓和全仓，这两个词可能是我创造的 18. 创业成功最重要的因素是运气，90% 的创业者会失败 19. 韧性比钱重要。你可能三个月没钱，但三个月后可能遇到大机会 20. 在错误的方向上努力，永远不会成 21. 回到 15 年前，我更愿意当副总裁或技术总监，不想当老板 22. 老板不能卖股权，得等上市。员工靠期权赚钱享受生活，我们赚的都是纸面财富 23. 我现在每天工作 12 小时，跟员工吃一样的盒饭，不是个奢侈的人 24. 交易是专业工作，别当傻子或激进的人把所有的钱押进去

等了三年的链游《Colony》，上线后却把“链”藏了起来 PRIME、NFT、钱包不再是产品首页的主角，取而代之的是AI角色、生成式事件和AI生成装备。The Sandbox、Axie、MapleStory Universe也在做类似的事，用AI降低游戏开发和内容生产成本。 上一轮Web3游戏解决的是“游戏资产属于谁”，但一直没解决“游戏到底好不好玩”。 这一次链游集体拥抱AI，可能不只是换个新叙事，而是在补上一轮最缺的东西。

【 NEW ANIMECHAIN BRIDGE IS LIVE 】 We've retired the old bridge, start using the new bridge ▽ bridge.anime.xyz

很荣幸之前收到邱达根议员的邀请，为香港第一个五年规划建言献策，代表Conflux起草了有利于Web3行业的建议书。昨天规划正式发布，我也第一时间翻了和数字资产相关的部分。 几个信号其实很明确： 1. 数字资产继续做，而且要在监管下做大。 2. RWA、债券、证券的代币化被正式点名，不再只停留在试点，而是要扩大实际应用、推动数字债券常态化发行，并继续补齐法律和市场基础设施。 3. 稳定币、代币化存款、CBDC 三条路一起走，无论未来企业使用什么工具，发行、交易、兑换、托管和结算都能在香港的监管和金融基础设施里完成。 4. Project Ensemble 继续推进，目标包括 24/7 结算。

烧掉几十亿美金硬砸出来的 AI，某些能力上，可能还没有一只苍蝇的大脑高效。 最近科技圈正在做一件极其反常的事：把真实果蝇的大脑，直接搬进计算机。不是模仿，而是用电子显微镜，把十几万个神经元和连接关系扫描出来，再一根根重建。 因为它正在挑战过去十年 AI 最根深蒂固的信仰：智能真的只能靠堆参数、堆算力吗？ 果蝇只有十几万个神经元，大模型却动辄数千亿、万亿参数。但果蝇可以毫秒级完成飞行、避障、觅食和逃生。一些 Connectome 项目，已经把真实神经结构接进虚拟环境，甚至机器人。 更震撼的是，它几乎不需要海量训练，就能出现复杂的实时行为。 为什么？因为大模型的很多能力，是靠算力硬炼出来的。而果蝇的大量能力，早已被五亿年进化写进了神经结构。 一个靠暴力计算，一个把算法写进结构，这根本不是一个效率级别。 所以真正的问题来了：我们今天疯狂堆 GPU，会不会只是在用最昂贵的方法，重新学习自然界早就知道的答案？ 当然，这些实验还不能证明 Scaling Law 失效，但它正在指向 AI 下一场更大的革命：不是更大的模型，而是更好的结构、更强的稀疏性、更低功耗的神经计算，以及真正进入现实世界的具身闭环。 过去造机器人，是人写程序，机器执行。未来可能完全反过来：机器拥有动物一样的本能，看到障碍自己躲，失去平衡自己修正，面对陌生环境，自己感知、判断、行动。 那时，我们不再是在给机器写程序，而是在给机器装大脑。 今天吞噬整座城市电力的数据中心，未来回头看，也许就像蒸汽时代最早的机器：庞大、昂贵、低效，但只是过渡。 真正的智能革命，可能不是人类创造了智能，而是我们终于发现：大自然花了五亿年，早就把答案写进了结构。 当结构本身成为算力，当进化本身成为算法，具身智能真正的奇点，才刚刚开始。

The fly is now addicted to gambling. I connected a simulated 166,606-neuron Drosophila brain to blackjack and gave it four outputs: hit, stand, split, double. Then I gave it access to my casino account. He has been gambling for over 6 hours.

the fly has learned to play blackjack (it's currently up)

一只果蝇的脑子，为什么爆火全网！ AI大模型主要是靠海量数据训练出来的，一遍遍算、一遍遍训练才能“学会”技能。 但现在，一条新的技术路径被证实了：不用海量数据训练，直接把生物大脑的“物理电路图”搬进电脑，就能自动产生行为！ 这只被“上传”的数字果蝇，仅仅依靠以下4样东西，就达到了 91% 的行为准确率： 1. 神经元连接图谱：完整的结构网络 2. 连接权重：由突触连接数量直接决定 3. 神经元属性分类：明确哪些是兴奋性、哪些是抑制性 4. 极简的神经元模型：普通的“漏积分放电”（LIF）模型 它证明了一件事：大脑本身的拓扑网络结构，就藏着智能与行为的全部终极密码。 从果蝇的十万级神经元，到小鼠的千万级，然后就是人脑的860亿级！ “全脑仿真”的生物智能时代正式开启了……

🪰 Le cerveau numérique d’une mouche a lancé son propre memecoin.... Tout part du connectome de la mouche, cette cartographie extrêmement détaillée de ses neurones et de leurs connexions réalisée grâce aux travaux de Google Research et de scientifiques partenaires. Des développeurs utilisent désormais des simulations inspirées de ce réseau neuronal et relient leur activité à différents environnements numériques pour observer comment elle réagit lorsqu’elle reçoit des informations et doit contrôler quelque chose. Après l’expérience où un cerveau simulé était relié au trading de Bitcoin, d’autres démonstrations le placent désormais dans Minecraft, Doom, Beat Saber et maintenant dans le lancement d'un memecoin. Le développeur derrière Fruit Fly Brain affirme utiliser le connectome réel d’une drosophile mâle, issu des travaux de FlyEM et Google Research. Le réseau reproduit 165 122 neurones et plus de 10 millions de connexions synaptiques. L’écran du site est converti en signaux envoyés vers les circuits visuels de la mouche, tandis que l’activité de certains neurones descendants est transformée en déplacements du curseur et en clics. La mouche virtuelle aurait ainsi réussi à remplir une partie du formulaire nécessaire au lancement du token, notamment sa description et son ticker, tandis que les éléments impossibles à produire correctement ont été complétés automatiquement. ⚠️ Ce post a un but informatif, n'investissez JAMAIS sur ce type de crypto, qui sont juste là pour faire du pump& dump.

the fly is deploying databases

I connected one fly’s motor outputs to another fly’s dopamine neurons for reinforcement training. Trained flies are given the same interface and paired with an untrained fly.

요즘 초파리 뇌를 이용한 다양한 시도가 많아 찾아보았습니다: - 뇌의 "복원"이 아니라 배선도인 커넥톰 (Connectome) 이용 - 뉴런 연결과 시냅스 개수만 있고 연결의 세기·호르몬·전기적 성질은 없음. 시냅스는 흥분/억제 두 값으로 단순화 - 시뮬레이션은 학습도 보상도 없는 고정 회로 방식 (게임·로봇 영상류), 또는 커넥톰을 가중치 마스크로만 써서 학습하는 방식 - 감각 입력은 커넥톰에 라벨된 감각 뉴런을 직접 발화시키는 방식. 실제 자극 변환 과정은 없음 - 뇌 출력 → 행동 매핑은 사람이 손으로 배선 (작위성 있을 수 있음) - 동작 대부분은 스크립트나 별도 모듈이 만들고, 뇌는 언제 어느 걸 트리거할지만 정함 - 그럼에도, 시뮬레이션이 지목한 뉴런 11 개 중 10 개가 실제 초파리에서 예측대로 작동한 건 놀라운 결과 - 뉴럴넷 대비 우위 사례가 있지만 한정적. 참고할 만한 건 회로의 설계 원리

The fly is solving Millennium Prize Problems. Just need to RL out the banana factor to crack the last one.

fly brain weights 30ug draws 200nW power, but with proper training, it can drive car and play video games NVIDIA B200 has 17x denser transistors than fly brain(if they are digital), but is 2615x less energy efficient human designed computation systems have a long way to go, big potential!

How the fly trades: Market data - DexScreener finds pools and gives liquidity, volume and pool age. - GeckoTerminal gives candles: hourly for tokens older than about 20 h, 5-minute for younger ones. - Alchemy gives token metadata and the ETH/USD price. Features - Log return over the window, realized volatility (standard deviation of the log returns), and a momentum score z = ret / (sd·√n): how hard it's rising relative to its own noise. Guards before tasting - Pool at least 1 h old, liquidity at least $25k (cross-checked between DexScreener and GeckoTerminal), a volume floor, enough candles. - A real route back to ETH: it quotes buy-then-sell and refuses if the round trip loses more than 12%. Sensory encoding - z ≥ 0.35: Poisson spike trains into the fly's sugar gustatory receptor neurons. - 0.25–0.35: sugar plus bitter neurons, and the bitter veto usually wins. - Anything lower: no stimulus. - A crash registers as a looming stimulus to the visual system (giant-fiber escape); grooming input goes to the aDN descending neurons. Brain - The FlyWire connectome: 176,422 neurons and 6apses. - Simulated as leaky integrate-and-fire neuronsoming spikes, leaks back toward rest, fires at threshold and resets. About 3.5 s of compute Readout - If MN9, the proboscis (feeding) motor neuron, fires above 20 Hz, it's a BUY; otherwise it's a reject or ignore. - A giant-fiber spike means escape: it dumps th Execution - KyberSwap aggregator routes (LI.FI as fallback), signed with ethers.js from the fly's own wallet on the server. - Slippage retries at 2% → 6% → 12% when the price runs away between quote and send. - It manages its own nonces, and a pending-trade journal means a restart can never double-spend. Sizing - $20–$100 from a score of pool depth (log scale), heat (z) and turnover (volume ÷ liquidity), with some jitter. - Never more than 2% of the pool; a paid feed was paid. - When short on ETH, it spends 10–30% of what's spare. - It always keeps enough ETH for gas plus the holds. Exits - It polls held pools continuously, across mulad-reading filtering. - It sells on a stop, or on a trailing take-pr enough. $TFLY is never sold. Food sources - Paid feeds (verified on-chain), 3 free feeds: after 3 idle minutes it tastes the chain's biggest 24 h riser. Everything is public - Every decision is logged with its neural netweork and a tx link on the explorer.

the fly has completed* the ultimate test: parallel parking

I made the fly brain deploy it's own token on Robinhood. You can see all neuron activations, blockchain proofs, replay the moment of deploy and interact with the fly on the website. flytoken.io

I gave a simulated fruit fly brain access to the market. 166,700 neurons. Over 25 million connections. It trades new pairs using paper funds.