# 研究的所有文章

在 HTX 新聞中心流覽與「研究」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。

揭秘Citrini背后“投研之神”：Substack常年霸榜第一，一篇报告让美股蒸发数千亿

在美股牛市中，独立投研机构Citrini凭借深度报告和精准预判备受关注。其创始人James van Geelen拥有UCLA生物学与心理学背景，曾从事急救医疗并创业，后跨界进入投资领域。Citrini在Substack财经类排名第一，拥有近25万订阅者。今年2月，Citrini发布《2028全球智能危机》报告，虽自称“思想实验”，却引发市场对AI导致白领失业和经济萎缩的恐慌，导致软件股等多板块大幅下挫，美股一度蒸发数千亿美元市值。4月，其分析师亲赴霍尔木兹海峡调研，披露了冲突一线的详细观察。机构还准确预判了铜箔产业在AI领域的重要性，带动投资热潮。 Geelen的投资哲学强调“二阶思维”，即关注趋势的次生影响与长期结构性变化。Citrini聚焦AI、地缘政治等超级趋势，通过情景假设提供可执行的投资参考。机构采用创始人驱动加匿名精英团队的模式，持续吸收专业分析师以完善研究能力。其命名“citrinitas”源自炼金术概念，象征着在转变早期发现价值的能力。

Odaily星球日报06/18 09:02

揭秘Citrini背后“投研之神”：Substack常年霸榜第一，一篇报告让美股蒸发数千亿

Odaily星球日报06/18 09:02

NVIDIA团队让编程Agent接管真实机器人实验，成功率达99%

NVIDIA GEAR实验室推出名为ENPIRE的项目，首次让编程Agent在真实机器人硬件上实现了全自动化的研究闭环。系统部署了8个Codex Agent组成机器人舰队，在仅给定“高效安全完成任务”的简单目标后，人类基本退出干预。Agent自主管理整个流程：自动重置环境、搜索文献、编写并改进代码、训练和部署策略、分析日志并持续迭代，最终在系扎带、插针整理等高精度灵巧操作任务中达到了99%的成功率。项目核心是由环境、策略改进、策略评估和进化四个模块构成的闭环框架，将真实世界机器人学习转化为由Agent管理的优化过程。研究中的一个关键发现是，对许多任务而言，重置环境比完成任务本身更容易，因此系统优先让Agent构建自动重置能力。实验还观察到“物理规模定律”，即增加并行机器人数量能显著加快任务解决速度。例如，插针任务在8台机器人并行下，达到完美表现的时间从1.5小时以上缩短至约40分钟。团队为此提出了平均机器人利用率（MRU）和平均Token利用率（MTU）两个新指标，以量化资源效率。目前，部分系统已能彻夜无人干预运行，未来目标是实现实验室完全自主运作。该项目计划开源，使普通开发者也有机会搭建类似系统。

marsbit06/18 00:35

marsbit06/18 00:35

如何做好研究：锻炼那些可以「刻意练习」的真正能力

并没有人真正教过如何做研究，大多数人只学会了如何“看起来”像研究员，而非真正掌握研究能力。真正的能力由一系列可刻意练习的小技能组成。 **一、选择自己的问题** 不应被动接受他人设定的问题，而应主动选择自己真心希望实现的目标，并反向设计实验。这能导向原创性。研究“品味”如同肌肉，可通过反复预测实验结果、仅凭方法猜测论文数据、并事后验证预测准确性来锻炼。 **二、升级信息输入** 若只依赖热门榜单和社群讨论，容易产生趋同想法，价值有限。应重视旧资料，因为领域发展常重演历史。同时，广度与深度并重：跨学科借鉴（如神经科学、机制设计）和理解底层技术（如GPU内存）至关重要。务必阅读论文原文，尤其是附录和“局限性”部分。 **三、坚持记录一切** 写作是最廉价的防自欺机制，能将模糊想法暴露为逻辑漏洞。应效仿达尔文，立即记录任何与理论相悖的事实，防止记忆选择性遗忘。保持实验日志（假设、设置、预期、结果、认知更新），定期回顾能有效促进反思与成长。

marsbit06/15 12:24

marsbit06/15 12:24

做芯片有多难？一个除法运算错误，4.75亿美元就打了水漂

中国科学院计算技术研究所的石侃（B站UP主“老石谈芯”）结合芯片从业经验与科普工作，探讨了芯片技术的难度与挑战。芯片作为现代社会的基石，其研发过程极为复杂，需要从沙子提纯开始，经过设计、制造等多个环节。芯片设计的难点在于必须一次性成功，无法像软件那样通过后期补丁修复错误。例如，英特尔曾因奔腾芯片浮点除法单元的设计漏洞，花费4.75亿美元召回产品。调查显示，仅24%的芯片项目能一次性成功，其余需多次流片，耗费巨大。芯片验证已成为开发周期中最耗时的环节，占比达70%。完全验证一颗CPU核心若用软件仿真需15000年，硬件仿真也需30年，凸显验证效率低下的问题。验证领域存在“不可能三角”：高性能、良好调试能力和低成本无法同时满足。尽管芯片验证研究冷门且不易出成果，石侃及其团队坚持探索，构建了基于FPGA的敏捷验证平台ENCORE，旨在提升验证效率与可调试性，适用于CPU、GPU及AI加速器等芯片。此外，石侃通过科普视频分享芯片知识，希望让更多人了解这一领域。他认为，芯片科研与科普都是“难而长期”的事情，但正因如此，才值得坚持。

marsbit06/15 10:30

marsbit06/15 10:30

以太坊研究人员提出用于后量子钱包的 SPHINCS- 签名方案

以太坊研究人员提出了一种名为SPHINCS-（读作“SPHINCS减”）的后量子签名方案，旨在为钱包提供量子安全保护，且无需更改以太坊现有协议。该方案专为EVM设计，用原生Keccak256哈希函数替换标准SHAKE256，从而可在Solidity中直接实现验证逻辑，无需依赖新的预编译合约或分叉升级。研究重点针对钱包使用场景优化，将每把密钥的签名预算从标准的2^64大幅降低至2^14到2^20之间，更符合实际交易频率。其中C13变体验证成本约为12.7万gas，签名大小为3704字节，相比标准方案有一定效率提升。该提案仍处于研究阶段，并非正式标准，且存在签名耗时较长等实际限制。但其意义在于探索了一条基于现有EVM工具、无需协议层改动即可实现后量子验证的可行路径，为以太坊应对未来量子计算威胁提供了新的技术思路。

bitcoinist06/13 01:06

bitcoinist06/13 01:06

管理近万亿估值公司，Anthropic CEO却只有一个直接下属

彭博社报道，Anthropic首席执行官达里奥·阿莫代采取了一种极为罕见的领导模式：作为一家估值近万亿美元的AI公司CEO，他只有一位直接下属——他的幕僚长。公司所有其他高管（如CFO、CCO）均向其姐姐、总裁丹妮拉·阿莫代汇报。丹妮拉负责日常运营并对董事会负责，这使得达里奥能完全专注于“远焦”事务，如战略方向、研究判断、组织文化和思考AI对人类文明的影响。达里奥认为，CEO最大的价值在于需要大块不被打断时间进行深度思考的事务，而日常管理会切碎时间。因此，他将两者彻底分离。他大约一半时间用于文化建设，通过每两周一次的全员大会和撰写长篇备忘录来主动塑造和巩固公司文化，防止在快速扩张至2500人规模时，来自大公司的员工稀释原有文化。其余时间则用于研究方向和撰写深度文章。哈佛商学院教授拉法埃拉·萨顿对此分析指出，管理幅度取决于公司面临问题的性质。若公司不断面对全新、高风险、无现成答案的问题（如Anthropic），CEO就需要更窄的管理幅度，将最稀缺的时间资源留给最高层的战略判断。这种姐弟分工基于两人背景的互补：达里奥是研究出身，丹妮拉则擅长运营和人事管理。值得注意的是，Anthropic全部七位联合创始人至今仍在公司，这被姐弟俩视为公司文化凝聚力的证明。

marsbit06/12 05:11

marsbit06/12 05:11

Anthropic警告的递归AI，田渊栋新公司刚刚走出了「第一步」

近日，Anthropic发布文章披露，其代码库超过80%由AI撰写，并警告AI“递归自我改进”（即AI自主设计、训练后续版本）可能带来风险，呼吁行业建立暂停机制。与此同时，由田渊栋等人联合创立的新公司Recursive Superintelligence结束了隐身状态，发布了其首项公开技术成果——“迈向自动化AI研究的第一步”。该系统旨在将传统AI研究中“提出想法-编写代码-运行实验-分析结果”的人工闭环自动化。它能够针对给定目标自动生成实验思路、实现代码、运行验证并从中学习，从而自主推进研究进程，并内置了防止“奖励作弊”的机制。 Recursive在三个差异显著的基准测试中取得了领先结果： 1. **小模型训练优化**：在固定计算预算下，将模型验证损失进一步降低，相当于以更少时间达到同等效果。 2. **训练速度竞速**：在社区持续优化两年的基准上，将训练时间从79.7秒缩短至77.5秒，核心改进包括在注意力层使用FP8计算、为优化器添加退火噪声等。 3. **GPU内核优化**：在英伟达的底层计算内核基准测试中，将整体得分提升至0.754，缩小了与硬件理论极限的差距，而这些优化策略并非来自团队的专业知识，而是由系统自主发现。 Recursive团队阵容强大，已获得巨额融资，其目标是构建能够递归提升自身研发能力的AI系统。这与Anthropic的警告形成了微妙对比：一方正在实践AI加速AI研发的路径，另一方则呼吁为可能到来的“递归自我改进”时刻做好风险管控准备。当前成果虽仅是迈向自动化研究的初步尝试，但标志着一个能够自我增强的AI研发新范式已开始运转。

marsbit06/12 04:11

marsbit06/12 04:11

刚刚，Claude Mythos 5发布，5000万行代码1天搞定

Anthropic正式发布了其最强大的大模型Claude Mythos 5，并推出了面向公众的安全版本Claude Fable 5。两者核心能力相同，但Fable 5在检测到高风险请求（如网络安全攻击、生化风险）时会自动降级使用旧模型Opus 4.8来回应，超过95%的会话不受影响。价格定为每百万输入Token 10美元，输出50美元。技术方面，Fable 5在多项评测中表现出色：在软件工程基准SWE-bench Pro获得80.3%高分，并能在一天内完成原本需两个月的5000万行代码库迁移。其原生视觉能力可仅凭截图通关《宝可梦》游戏。在长上下文、记忆能力和金融法律等复杂分析任务上也实现显著突破。官方透露，未完全开放的Mythos 5在生物医药领域展现出强大自主性，能独立执行生物学家工作流，其设计的蛋白质靶向复合物已有多个进入真实药物研发管线。 AI学者Ethan Mollick的测试显示，新模型的工作模式发生根本转变：人类从需要精细操控的“巫师”变为只需提出宏观需求的“甲方”，模型能自主规划并执行长达数小时的多步骤复杂项目。此次发布也标志着前沿AI进入“权限时代”，最强能力伴随更严格的安全审查（如30天数据留存）。模型在提供强大生产力的同时，其自主性也引发了关于人类角色演变的思考。

marsbit06/10 00:23

marsbit06/10 00:23

如何用 Claude 的 Dynamic Workflows 做深度研究

做技术调研容易陷入信息过载和结论模糊的陷阱。AI虽执行力强，但易困于当前信息且跨界联想弱。Claude近期推出的Dynamic Workflows（动态工作流）功能，旨在通过AI自动设计并执行任务流程来提升深度研究能力。其核心是六种工作流模式：1) 路由模式：由主Agent判断任务类型并分发给最专业的子Agent处理，精准高效但处理模糊任务能力弱；2) 拆分合并模式：将任务拆分为多个独立子任务并行执行后合并结果，速度快但Token成本高，合并有挑战；3) 对抗验证模式：让多个Agent从反驳角度挑战同一结论，基于多数票通过，能有效减少确认偏误，但需基于事实而非观点；4) 生成与过滤模式：先生成大量候选方案，再用预设标准筛选出最优，能提升多样性，但过滤标准至关重要；5) 锦标赛模式：多个Agent竞争同一任务，通过两两对比逐轮淘汰选出最优，评判更稳定；6) 循环模式：通过自适应迭代不断尝试直至满足条件，擅长处理边界未知的任务，但有失控风险。相较于作者自建的深度研究技能，官方的动态工作流增加了关键环节：问题拆解、信息可信度评估、交叉删除（投票淘汰而非简单合并）以及目标导向的输出。这有效解决了AI长任务中的目标漂移、过早停止、上下文污染和输出偏向等问题。总之，Dynamic Workflows将研究流程本身结构化，通过多Agent的智能调度，显著提升了研究的效率和结论的可靠性，将以往可能需要十几次对话的调研压缩到3-4次，尽管Token消耗大幅增加。但它仍有局限：在验证机制上可能过于依赖官方文档而非事实数据；对于完全跨界、数据不足的深度思考支持有限；在解决方案的验证与成本权衡上仍有不足；在针对不同受众进行信息极致浓缩方面也需进一步优化。

marsbit06/09 03:07

marsbit06/09 03:07

因一篇14页论文被谷歌“赶走”，超4000人为其声援，6年后再看：当年她几乎预言了整个AI时代

2020年，谷歌伦理AI团队联合负责人Timnit Gebru因一篇未发表的论文与公司发生冲突并遭解雇，事件引发超4000人联名声援。这篇名为《随机鹦鹉的危险》的论文在当时极具前瞻性，指出大型语言模型本质是复现语言模式而非真正理解，并预警了多个风险：模型会生成看似合理但错误的信息（即如今的“AI幻觉”）；会学习并放大训练数据中的偏见；训练大模型将带来巨大的能源消耗与环境影响；训练数据难以审计，可能包含有害内容；AI生成内容充斥互联网将导致“模型崩溃”，并使话语权集中于少数科技巨头。如今，这些预言几乎全部应验，成为AI行业面临的现实挑战。Gebru离开谷歌后创立了分布式AI研究所，专注于研究科技巨头可能回避的伦理与社会问题。六年后再看，她并非反对AI发展，而是更早地看到了其中潜藏的深刻问题。

marsbit06/08 10:29

因一篇14页论文被谷歌“赶走”，超4000人为其声援，6年后再看：当年她几乎预言了整个AI时代