Telegram 认为首席执行官巴黎被捕后的滥用指控“荒谬”

cryptonews发布于2024-08-08更新于2024-08-27

Last updated:

八月 27, 2024 16:00 GMT+8

你可能也喜欢

CryptoQuant数据显示：山寨币面临自2020年以来最沉重的现货抛压

根据CryptoQuant的数据，山寨币正面临自2020年以来最沉重的现货抛售压力。数据显示，在漫长的净卖出周期中，累计买卖量差额达到约2090亿美元，突显出市场买盘极其疲软。这种压力反映出零售需求疲弱、资金转向稳定币收益产品，以及投资者对比特币和以太坊之外的其他加密货币继续保持谨慎。尽管这种极端的抛售可能最终会成为一个逆向信号，表明市场持仓已变得一边倒，为潜在的反弹留下了空间，但目前的数据并未确认山寨币市场会立即反转。分析指出，山寨币在整个周期中一直面临更安全或更明确替代品的竞争。比特币通过ETF吸引了机构资金，以太坊凭借质押、升级等叙事保持关注，而稳定币和收益产品则为交易者提供了无需承担小市值币种风险即可保持流动性的方式。这使得许多山寨币陷入困境：对保守资本而言风险过高，但波动性又不足以持续吸引投机性动量资金。当零售需求消退时，流动性迅速枯竭。当前的市场状况更像是一个压力指标，表明山寨币严重失宠。然而，抛售压力读数本身并不能证明买家已准备好接管市场。最明确的看涨信号需要出现从净卖出转向持续的现货积累，同时主要山寨币板块广度改善。在此之前，这更像是一个衡量市场压力的指标，而非山寨币季节到来的保证触发器。

bitcoinist18分钟前

bitcoinist18分钟前

AI成绩单背后，藏着一位华人“出题人”

每次前沿AI模型发布，业界都会关注MMLU-Pro、MMMU等基准测试的成绩单。这些评测已成为衡量模型能力的“标准科目”，但其背后的关键人物却鲜为人知——华人学者陈文虎。陈文虎是加拿大滑铁卢大学助理教授，“老虎实验室”（TIGERLab）创始人。随着模型能力快速提升，旧评测体系如MMLU逐渐“失灵”，模型分数趋同，难以区分高下。为此，陈文虎团队推出了MMLU-Pro，通过增加选项、强化推理题、清理简单题目等方式，使新基准更难、更稳定，有效拉开了模型间的差距。在多模态领域，陈文虎团队创建的MMMU基准包含1.15万道需结合图像与专业知识进行推理的题目，即便顶尖模型初期准确率也仅约60%。后续的MMMU-Pro进一步堵住模型“只看文字猜答案”的漏洞，强调真正的多模态理解能力。陈文虎的研究始终围绕复杂信息理解与推理。他拥有产业界研发经验，曾参与谷歌Gemini项目，如今在Meta超级智能实验室继续专注于多模态评估。他相信，好的评估源于对模型能力边界的深刻理解，而“老虎实验室”同时进行模型研发，正是为了更懂如何出题。在AI行业的光环常聚焦于明星公司与产品之时，陈文虎的工作在底层塑造着行业评估模型的共同语言，展现了华人才智在关键基础环节的深远影响。

marsbit53分钟前

marsbit53分钟前

STRC脱锚11%，Strategy的永动机还转得动吗？

Strategy的优先股STRC自5月15日起持续偏离其100美元目标面值，近日折价加剧，盘中一度触及83.26美元低位，收盘价88.59美元，脱锚幅度超11%。这对旨在围绕面值稳定运行的STRC而言是严峻挑战，也反映出市场对Strategy资本运作模式信心的动摇。 STRC作为永续优先股，是Strategy资本扩张闭环的核心引擎。它通过“市价发行”(ATM)机制，在不稀释普通股股东权益、不增加刚性债务的前提下，持续募集法币用于增持比特币，从而构建“增发STRC→买BTC→提升净资产→增强STRC信任”的资本飞轮。此飞轮运转的关键前提是STRC价格需稳定在100美元附近。为维持锚定，Strategy设计了动态股息调整机制。尽管目前股息率已提高至11.5%且派息频率加密，但价格仍未有效回升。市场分析脱锚原因有二：表层是杠杆套利资金平仓引发的踩踏效应；深层则是市场对Strategy流动性的担忧。摩根大通报告指出其现金储备仅能覆盖约6.3个月的优先股股息，而Strategy则强调若计入比特币储备可覆盖32年。然而，Strategy本月首次出售少量比特币的举动，打破了其“永不售币”的叙事，加剧了市场对其未来可能被迫出售比特币以支付股息的忧虑。 STRC持续脱锚将严重削弱Strategy的融资能力。若折价状态长期持续，导致融资受限而现金消耗，市场担忧升级，Strategy可能从比特币市场最重要的边际买家转变为潜在卖家，这或将给比特币价格带来巨大下行压力。

Odaily星球日报1小时前

Odaily星球日报1小时前

硅谷最抢手的新岗位出现了

硅谷最抢手的新岗位正从模型科学家转向“前线部署工程师”（FDE）。过去三年，AI行业核心是模型能力竞赛，但企业采购AI后常因组织流程、数据整合、权责合规等非技术问题难以落地，导致工具闲置。FDE需深入客户现场，理解业务、改造流程并推动AI集成，实质是交付可运行的结果而非单纯软件。这一趋势标志行业重心从技术研发转向应用落地。Palantir早年“卖结果不卖软件”的重交付模式成为范本。2026年5月，Anthropic、OpenAI和谷歌云相继斥巨资成立或扩大部署团队，OpenAI甚至收购驻场咨询公司以获取FDE人才。这类岗位要求技术深度与跨组织协作能力，年薪可达30-50万美元，因其需兼具产品、架构、项目管理和工程多重角色。案例显示，高盛AI项目曾因风控部门担忧“幻觉”风险受阻，零售巨头塔吉特因内部买手团队抵制导致数据项目失败。这些表明AI落地最大障碍常是组织文化与利益格局。FDE的核心任务即帮助企业在数字化基础上完成AI化迁移，推动组织变革。当模型、算力与Agent日益廉价，理解并改造组织流程的能力成为稀缺资源。FDE的崛起揭示技术革命的关键难点并非技术本身，而是人与组织的适配与进化。

marsbit1小时前

marsbit1小时前

当世界杯碰撞 Agent：从 Web2 到 Web3，钱包如何走向 Agentic Wallet？

本文探讨了AI Agent与Web3钱包结合的趋势，提出了“Agentic Wallet”的概念。文章以世界杯预测场景为例，指出传统钱包是用户明确操作意图后的执行工具，而Agentic Wallet则能前置理解用户的自然语言意图（如“我看好葡萄牙出线”），并主动拆解为可执行的链上交易路径，使交互更自然、入口更多元（如网页、Discord）。同时，文章借鉴了Mastercard等传统支付巨头布局“Agent Pay”的动向，强调AI参与支付或资产管理的核心挑战在于设定安全边界与明确授权。对于钱包而言，关键不是追求完全的自动化，而是在提升效率的同时，确保用户对AI Agent的行为有清晰的知情权和控制权，例如限制其操作范围、额度与时长，并提供随时暂停的能力。总之，Agentic Wallet的演进方向是成为一个理解用户意图、无处不在的智能助手，但其基础必须是用户始终掌控最终的决策与安全边界。世界杯等具体场景正成为这一变革的早期试验场。

marsbit2小时前

当世界杯碰撞 Agent：从 Web2 到 Web3，钱包如何走向 Agentic Wallet？