# 方法论的所有文章

在 HTX 新闻中心浏览与「方法论」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

拖更三年,北大校友翁荔最新长文刷屏

前OpenAI副总裁翁荔(Lilian Weng)发表了一篇关于AI扩展定律(Scaling Laws)的深度分析文章。文章指出,这条指导了AI行业数百亿美元投入的核心定律,远比人们想象的更为脆弱。 文章回顾了Scaling Laws的基本思想,即模型性能随规模扩大而可预测地提升。然而,OpenAI与DeepMind在关键问题上得出了相反结论:给定算力,资源应更多分配给模型还是数据?OpenAI的Kaplan团队认为模型增长应更快,而DeepMind的Chinchilla团队则认为应等比增长。后来研究发现,这一分歧源于参数统计口径的差异和实验规模不足,导致Kaplan的结论仅适用于小规模场景。 更关键的是,被行业广泛采纳的Chinchilla最优配比公式本身也存在方法论瑕疵。2024年有团队复现发现,其损失函数因取均值而非求和,导致优化器提前停止,输出并非最优解。此外,用于外推的关键参数精度不足,放大了误差。 文章进一步指出,经典Scaling Laws的根本前提——高质量数据无限供应——正在崩塌。数据重复训练不可避免,新研究引入了惩罚项来修正公式,并发现大模型对数据重复更敏感。这解释了行业为何转向强化学习、测试时计算和合成数据等新路径。 翁荔的博客以其清晰深入的技术解析著称,这篇文章历时三年完成。她于2025年联合创立了新公司Thinking Machines Lab。文章强调,下一代AI的进步不仅依赖算力规模,更取决于对这些基础定律细节更精确的理解与运用。

marsbit06/26 04:52

拖更三年,北大校友翁荔最新长文刷屏

marsbit06/26 04:52

超越价格的聚合分析:Glassnode 全局指标

随着数字资产领域分裂为数千种资产、板块和快速变化的市值组,整体市场分析变得愈发困难。资产价格波动、新项目推出或消失会导致整体数据序列出现结构性断层,使长期分析难以进行。 Glassnode推出了**全局指标**套件,通过可配置的资产篮子(如按市值阈值、前N名或资产标签定义)来聚合多个加密货币的链上和市场数据。该框架提供两种输出:**原始聚合值**(保留原始单位的经济意义)和**指数**(经过基数归一化的连续时间序列,便于趋势分析和跨篮子比较)。 指数化调整揭示了原始数据难以捕捉的市场动态。例如,在2024年,小市值板块(<1亿美元)因迷因币狂热而大幅上涨,但原始市值数据却无法有效反映这一上涨,因为表现优异的小市值资产会因突破阈值而离开该篮子,导致“优胜者离场”的偏差。经连续性调整的指数则消除了这种偏差,清晰显示了小市值板块的强劲增长及其与其他市值板块的分化。 在盈利情绪方面,已花费输出利润率(SOPR)的全局指标显示,比特币与山寨币的SOPR经常出现分歧,两者利差本身可成为信号。经指数调整后,小市值资产的持有者情绪比原始数据显示得更稳定,而大中市值资产则显示出长期趋势:每个周期中,持有者在卖出时实现的平均利润略有下降,反映更多供应被长期锁定。 在衍生品头寸方面,未平仓合约(OI)的指数显示,虽然大市值资产在绝对值上占主导,但中小市值资产的OI波动性大得多,在投机时期急剧飙升又迅速平仓,这可以作为市场脆弱部分出现级联风险的早期预警信号。 目前发布的全局指标套件包含四个指标(总市值、SOPR中位数、总未平仓合约、活跃地址),每个指标均按四个市值篮子(所有代币、大市值≥$1B、中市值$100M–$1B、小市值<$100M)计算,采用每周再平衡和等权重方式。数据可通过Glassnode API获取原始值和指数值。 该框架将传统价格指数的连续性规范引入链上和市场数据,为日益多元化的加密市场提供了更稳健的整体分析工具。

insights.glassnode06/03 13:48

超越价格的聚合分析:Glassnode 全局指标

insights.glassnode06/03 13:48

活动图片