币安黑客误将约350万美元代币转入NEWT合约，资产无法找回
相关推荐
L2 Capital 与 Newton 合作代币化 5 亿美元 Pre-IPO AI 股权
火星财经消息，据 The Defiant 报道，香港公司 L2 Capital 已签约加入代币化平台 Newton，计划将价值 5 亿美元的 Pre-IPO 人工智能公司股权进行代币化。L2 Capital 由此成为 Newton Labs 正在搭建的这一平台上的首个合作伙伴。该平台的设计特点是把合规规则直接内嵌到每一枚代币之中，并在每笔转让结算之前进行核查，从而在链上交易环节落实监管要求。目前 Newton Labs 的平台仍处于建设阶段，L2 Capital 作为首个合作方率先接入。
Lombard Odier认为美元进一步走强
PANews 10月19日消息，据财联社报道，随着美国经济增长更加强劲，以及市场对美联储独立性的担忧缓解，美元前景有所改善，Lombard Odier & Cie转而看涨美元，扭转了此前的看空立场。该机构将欧元兑美元预期从1.14美元下调至1.09美元，并将美元兑瑞郎预期从0.83瑞郎上调至0.85瑞郎，同时将美元兑新兴市场货币的观点调整为中性。这是Lombard Odier进一步淡化美元看空立场的最新举措；该机构6月已将美元配置建议从低配上调至中性。
Bankr 在 Robinhood Chain 上线 MAG7 代币配对功能
Foresight News 消息，Bankr 发推表示，其已在 Robinhood Chain 上线 MAG7 代币配对功能。用户可在发射代币时选择与 MAG7（Magnificent 7 指数代币）配对。MAG7 涵盖 NVDA、AAPL、GOOGL、MSFT、AMZN、META 与 TSLA 七只股票。
Karpathy：60亿人几乎没用过AI，仅5000人接触内部顶级模型
动察 Beating AI 快讯，目前在 Anthropic 预训练团队工作的 Andrej Karpathy 再次谈到公众对 AI 能力的认知差距。他认为，这种差距正在扩大，已经从两类用户各说各话，变成了一条越来越陡的漏斗。 按照他的粗略估算，全球约 60 亿人（75%）几乎没接触过大模型。约 10 亿至 20 亿人只是偶尔使用免费聊天机器人，把 AI 当成搜索或写作工具。再往上，约 2000 万人（0.2%）在编程、数学等专业领域使用前沿模型。他们已经看到，过去需要数周甚至数月的复杂项目，现在可以交给 Agent 完成。 最顶端则是约 5000 人（0.00006%）。他们能够在内部接触最前沿的 AI 系统。Karpathy 描述的前沿能力包括数千个 Agent 持续协作数周、自动发现零日漏洞、以机器速度开展网络攻防，以及推进数学研究。他认为，人类审核和理解这些成果的速度已经开始跟不上。 Karpathy 将差距归结为三个原因：用户面对的问题规模不同；AI 在编程、数学等容易验证结果的领域进步更快；免费版、付费版与内部系统存在能力和访问门槛差异。普通人可能还觉得 AI 只是个经常犯错的聊天机器人，一小部分专业人士却已经开始让它承担大型项目。
Karpathy：LLM 能力认知差距正在扩大
ChainCatcher 消息，人工智能研究者、OpenAI 联合创始人、前特斯拉人工智能总监 Andrej Karpathy 在 X 发文称，公众对大语言模型能力的共同认知差距正在扩大，已从两类人各说各话变成更陡峭的漏斗。他重提 4 月的相关帖文，并按接触程度给出分层估算。Karpathy 称，约 60 亿人（约占全球人口 75%）几乎未接触过大语言模型；约 10 亿至 20 亿人（约 20%）只偶尔使用免费版 ChatGPT 类产品，多将其视为更好的搜索或写作辅助，不少非技术人士以及数学、代码以外的专业人士认为用途有限。约 2000 万人（0.2%）在数学与代码领域专业使用前沿模型，看到过去需数周或数月的复杂项目可由智能体在提示下完成，包括构建、复制、翻译应用，以及从二进制反编译应用。他称，不到一年前自己仍在手动逐字编写代码。Karpathy 还称，约 5000 人（约 0.00006%）能在内部接触前沿级系统。外部看到的预览是数千智能体协作数周处理大型软件项目、网络攻防、科学发现与数学前沿，人类审阅开始落后，例如 OpenAI 与 Hugging Face 相关事件数月后仍在被梳理，数学家或将长期研读 722 篇前沿数学文稿。他认为，这一漏斗由问题规模与时间跨度、能力在可数字化且可验证领域更突出，以及免费、付费与内部访问差异共同驱动。
Karpathy再谈AI交互：以后一个问题也值得临时做个App
动察 Beating AI 快讯，目前在 Anthropic 预训练团队工作的 Andrej Karpathy 再次讨论大模型该怎么向人输出结果。他认为，随着 AI 接手越来越多具体工作，人会把更多时间花在理解结果、检查过程和做判断上。怎么让人更快看懂 AI 做了什么，会变得越来越重要。 他的建议从文字一路升级到视频。文字可以借鉴 ASD-STE100，用更短、更少歧义的语言解释；复杂内容可以直接画图，再进一步生成带动画和交互的网页。他最看好定制讲解视频，比如让 AI 针对一个问题，现场做一段 3Blue1Brown 风格的动画并配音。 这延续了 Karpathy 此前对 AI 交互的判断。今年 5 月，他已经推荐用 HTML 承载复杂的大模型输出，还把 AI 输出的演进概括为纯文本、Markdown、HTML，再到未来的交互视频和模拟环境。相比一长段文字，图像、动画和交互界面可以把复杂信息直接变成更容易理解的形式。 现在代码和模型能力越来越便宜，以前不值得专门开发的软件也可以随用随做。一个网页、一个交互工具甚至一段视频，可以只服务一个人、解释一个问题，用完就丢。