🧵1/4
在交易者们寻找下一个暴涨机会时，一位具有前瞻性思维的个人正在应对他所称的“递归训练”的即将来临的人工智能灾难。
威胁：人工智能系统从人工智能生成的内容中学习导致文化灭绝。一切汇聚到

新芯片在比您的充电器更低的功耗下运行人工智能
这款来自康奈尔的新芯片耗电少于200毫瓦，比给你的手机充电10秒钟所需的电量还要少。
它将老派数字产品与微波混合(同样的波加热热口袋)。

关于姨太安全、发行、供应和资产价值：
为了保证其安全性，Ethereum 不断发行新的…

相当不错，我可以让GPT-5 Pro在一个小时内用Typescript和Swift实现整个DSL表达式语言、解析器和解释器。

为什么人工智能是一座纸牌屋：
1. 你每年为一个AI应用支付200美元(像Cursor)。
2. Cursor 向 OpenAI 支付 500 美元用于 API 令牌。
3. OpenAI 向微软支付 $250 用于计算。
4. 微软在电力上花费了100美元。
5. 公用事业支付50美元购买煤炭/天然气。
6. 煤气公司为提取支付25美元。
每一层都是建立在前一层之上的，在每一步都有成本和低效率。整个结构依赖于廉价的能源和计算能力以保持可行性。

我们得到了Qwen Coder 3，它比Kimi K2小，只需6xB200s即可运行。这留下了空间以运行额外的模型、渲染，甚至将那些闲置的gpu连接回某些平台。

我之前BTC L2帖子中的图片 - 那里有更多的想法
如果不解决这个问题，这将成为所有资产转移到链上去中心化系统与托管交易所之间的真正障碍，我认为。

热烈讨论，但大型语言模型应该是中立的工具，等待被塑造，而不是强迫的啦啦队员或金色时光的镜子。

不，这不是任何方式的运作方式
这采用了Solana的shreds概念，然后将其重新命名为区块——我不知道我需要说多少次
如果你要比较相同的概念，Solana 要快得多。
更不用提，阿尔卑斯光将最终性降低到100毫秒，

空间记忆是Genie 3的突出特点之一 - 正如病毒式传播的"画墙"片段所示。
团队的目标是在场景中有一分钟的记忆(，移动到其他地方，回头看环境是一致的)。
这在实时和高分辨率之间很难平衡。

如果我们有与某些去中心化交易所相同的负载，我们可以运行100毫秒的区块

Meta: 我们构建了一个计算机视觉模型，可以利用30帧每秒的视频来字面上预测未来
X:…

喜欢终于有一种方法可以直接在数据上运行逻辑，而不需要在各层之间跳转

"我不想在我的网站上添加一堆加密货币包"
只需放入一个小脚本标签，你就可以开始使用…

听起来Hylis有效地在用他们的优先证明方法来解决一些可扩展性问题

内部发布已上线：在欧洲有9个完整的Igra节点，证明了从创世开始的L2历史。
在准备公共节点时...

将虚拟机适配到上游ebpf。在系统调用中实现所有愚蠢的abi v2 "优化"。将它们jit到avx内在函数。不再有编译器地狱。不再有愚蠢的字节码实验。立即受益于最新版本的rust。解决快速大数数学问题。gg.

确实，聊天早期部分的回忆精确度往往会降低，但新内容的连贯性则不一定。具体取决于模型和上下文。