# 操纵的所有文章

在 HTX 新聞中心流覽與「操纵」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

NFL重返DraftKings和FanDuel,但仍避开预测市场

8月27日,美国国家橄榄球联盟(NFL)宣布与DraftKings、FanDuel和Fanatics Betting and Gaming达成新的多年商业协议,恢复了自3月底以来空缺的赞助类别。协议赋予这些公司使用联盟标识、在超级碗和选秀活动中曝光,以及通过Genius Sports获取实时比赛数据、Next Gen Stats统计数据和BetVision的权利。 所有合作伙伴均同意遵守联盟关于比赛诚信的核心规则,共同禁止涉及裁判判罚、球员伤病等被视为不可接受的投注类型。联盟高管表示,这些公司与其在创新、球迷参与,尤其是维护比赛公正方面有共同承诺。 尽管新协议广泛涵盖了体育博彩领域,但NFL目前仍避免涉足“预测市场”这一类别。预测市场允许对更具体的事件(如某球员是否出场)进行合约交易,而NFL认为这尤其在涉及伤病时易受操纵且对球员不敬。联盟正与美国商品期货交易委员会(CFTC)沟通,希望其规则能更严格地反映体育博彩领域的诚信标准。 消息人士称,NFL与Kalshi、Polymarket等预测市场平台的谈判已持续数月但无果,新赛季开始前预计不会达成协议。联盟不允许旗下单个俱乐部自行签署此类协议。 此前,NFL与DraftKings等公司的五年期价值近10亿美元的协议于3月31日到期,新协议中Genius Sports保留了数据分发独家权,并负责实时投注模式监控,以支持联盟的诚信计划。相比之下,北美职业冰球联盟(NHL)和职业棒球大联盟(MLB)已与部分预测市场平台建立了合作。

cryptonews.ru昨天 13:14

NFL重返DraftKings和FanDuel,但仍避开预测市场

cryptonews.ru昨天 13:14

6000万美元市值meme币一分钟闪崩65%,fomo再陷质疑

Solana链上近期备受关注的meme币$CATE在市值一度突破8000万美元后,于昨日凌晨一分钟内闪崩65%,市值蒸发严重。此次暴跌主要与两个事件相关:其官方X账号突然被封,以及其关键交易平台fomo在此期间发生宕机,导致大量用户无法交易。 $CATE本身缺乏新颖叙事,被市场视为Doge的仿盘,其热度很大程度上依赖fomo平台上的知名交易员Poorgoat(被称为“小Ansem”)的流量支持。Poorgoat在该币上投入约4.47万美元,巅峰时盈利超200万美元,拥有大量追随者。因此,fomo的宕机被视为导致流动性瞬间枯竭和价格崩溃的重要原因。 此次事件暴露了当前meme币市场的残酷现实:缺乏坚实社区基础和有机增长路径的代币,其市值天花板可能极低,且极易受到单一平台故障或关键意见领袖行为的影响。尽管$CATE仍拥有超6万个持有地址,但仅不到150万美元的抛售就引发了崩盘。 同时,事件将fomo平台推向争议中心。社区质疑平台与KOL是否存在合谋操纵、批量创建地址的嫌疑,并对其在用户量激增时系统过载的解释表示不满,认为其安全性和应对能力存疑。此前,fomo已因条款中免除资产安全保证、以及部分KOL在暴跌前“精准逃顶”而备受质疑。平台在快速扩张的同时,正面临日益增长的信任危机。

marsbit08/05 06:56

6000万美元市值meme币一分钟闪崩65%,fomo再陷质疑

marsbit08/05 06:56

具身智能“高考”难疯了,人类100分,最强模型12.8

近日,一个名为RoboDojo的新型机器人操作评测基准发布,旨在全面评估具身智能模型的综合能力。该基准由学术机构联盟推出,包含42个仿真任务和18个真实世界任务,覆盖泛化、记忆、精细操作、长程执行和开放语义理解五大核心维度。 评测结果显示,当前最强通用机器人策略在仿真任务中的平均成功率仅为8.80%,在真实世界任务中最好模型的平均成功率也仅有12.8%。相比之下,人类专家在仿真和真实任务中的成功率分别达到76.03%和100%,差距显著。 RoboDojo的仿真任务设计复杂,例如在泛化任务中场景物体可达25个且随机变化,记忆任务需识别曾在传送带出现的物体,精细操作要求完成插管、对齐等高精度动作。其实验室还设立了标准化的真机评测平台(RoboDojo-RealEval),使用多款双臂机器人执行如盖积木、做面包、插充电器等日常任务,并统一硬件、布局与评测流程,确保结果可复现、可比较。 在公开排行榜中,仿真任务榜首Hy-Embodied-0.5-VLA平均成功率仅8.80%,真实任务榜首π0.5成功率12.8%。模型表现不均,尤其在开放语义任务上,最强模型成功率仅约1.67%,表明现有系统在理解新指令并可靠执行方面仍很薄弱。 为支撑评测,项目同时提供了异构并行仿真工具和统一策略接入层XPolicyLab,帮助研究者高效集成和比较不同模型。团队表示,RoboDojo如同“具身智能的珠峰”,旨在通过标准化、多维度的评测推动领域发展,未来还将扩展灵巧操作、移动操作等更多评测方向。

marsbit07/08 11:49

具身智能“高考”难疯了,人类100分,最强模型12.8

marsbit07/08 11:49

机器人看视频学操作,伯克利首次打通互联网视频到灵巧手真机部署链路

加州大学伯克利分校的研究团队提出了一种名为“Do as I Do”的端到端流程,首次成功实现了从互联网单目RGB视频到灵巧手真机部署的完整链路。该方法旨在解决机器人“看”视频却“不会做”的核心难题,即如何将带有噪声的日常人类操作视频,转化为多指灵巧手能够执行的动作轨迹。 系统流程分为两个阶段。第一阶段,通过引导式扩散模型,稳定地从视频中重建出4D手-物交互过程,解决了传统方法在运动模糊、遮挡下跟踪不稳定的问题。第二阶段,针对重建出的带噪声参考轨迹,改进了原有的动作重定向优化框架,通过多项设计显著提升了成功率,从25%提升至71%。 研究团队利用该方法,从网络视频中生成了涵盖放置、书写、搅拌、锤击等20类复杂日常操作的500条已验证轨迹,并选取其中10项成功部署到双UR3e机械臂与双Sharpa Wave灵巧手平台上进行50Hz的真实执行。Sharpa Wave灵巧手因其接近人手的尺度和自由度,更适合此类迁移。 研究同时指出,直接从网络海量视频中筛选可用数据至关重要,未经处理的视频中仅有约5%的片段适合用于机器人学习,并总结了一套关键的数据筛选要点。这项工作标志着将人类视频大规模转化为机器人可执行数据的关键一步,为机器人学习开辟了新的数据来源。

marsbit07/06 07:19

机器人看视频学操作,伯克利首次打通互联网视频到灵巧手真机部署链路

marsbit07/06 07:19

活动图片