Kevin Simback

現在在加密貨幣 x AI 領域有一些極好的風險回報機會
正確的篩選條件是：真正的人工智能開發者人才 + 不僅吸引加密貨幣原生用戶的產品
有幾個項目無論主流幣種如何表現，都能輕易實現 5 到 10 倍回報

我相信我們將會在2026-27年見證史上最大的科技併購浪潮
龐大的股權估值可作為貨幣 + 用AI重塑行業動態 = 收購狂潮

任何不是極度偏頗的人都會看著這場比賽，得出Balogun受到不公平對待的結論。
無論是誰促成此事，推翻這個決定都是正確的。

剛剛聽完最新的 @theallinpod，裡面討論了 Alex Karp 本週爆紅的「抱怨文」
大家逐漸意識到最大的問題是使用前沿模型時缺乏競爭優勢
如果你的競爭對手都在用，你就沒有任何差異化
更糟的是，使用這些模型可能讓你面臨競爭風險，如果那些實驗室決定拿你的資料來開發與你競爭的產品（問問 Figma 就知道）
最誇張的是，這些模型的成本是其他替代方案的 5 到 100 倍，而這些替代方案只要正確實施也能做到同樣好
所以你不但失去了差異化，還要付出高昂代價來失去它
這些觀點，我們這些長期支持開源 AI 的人已經說了一段時間，很高興看到它逐漸成為共識
但現在真正的挑戰才開始——使用 Anthropic 或 OpenAI 在很多方面就像按「輕鬆鈕」一樣
產品很棒，確實有效，新的「部署公司」會樂於將它們嵌入你的組織，讓你不用太費心想怎麼用
但用你自己的資料和開源模型來建立主權 AI 需要更多技巧，並不容易
那些能讓企業輕鬆做到這一點的公司，在未來幾年將會表現得非常出色

想像可能性
推論資本市場 x $ansem 聯手
利用注意力來推動去中心化AI、代理市場
抄送 @blknoiz06 和 @0xgilbert

自從重新啟用後，我一直在極致使用 Fable
我的主觀意見是——它以其他模型目前無法做到的方式展現自主性
它會做我要求的事，然後在過程中找到其他重要的相關事項，也一併處理
它像一個在乎的人一樣處理工作

當每個人都在談論 Anthropic/OpenAI 與中國開源模型的競爭時
請記住，還有其他參與者可能在任何一天發布重大消息，從而改變任何一方的平衡
預測：我們將在未來一到兩週內迎來一個重大消息

編寫程式碼是 AI 無可爭議的 PMF 使用案例，但大多數知識工作仍有待改進
編寫程式碼之所以可行，是因為所有脈絡都存在於一個版本化、結構化、集中於一處的 Git 儲存庫中，而且通常附有測試套件來告訴你什麼是正確的
另一方面，知識工作則是基於分散在不同地方的資訊——Slack、電子郵件、各種系統，甚至經常存在於人們的腦袋裡
所以，如果你想讓知識工作像程式碼一樣自動化，你需要一個「脈絡儲存庫」，或者常被稱為「公司大腦」
但一個只是接收檔案、把它們放到某處然後加上 RAG 的公司大腦，並非正確的解答
你需要的是基於本體論的系統——建立這個系統很困難，維護它更是難上加難
我們看到許多企業 AI 試點失敗或無法產生投資回報率是有原因的，因為「脈絡儲存庫」沒有被正確建立
不過，關鍵在這裡——如果做得正確，脈絡層可以從公司為新工具付出的成本，轉變為他們建立且能持續增值的資產
當以代理人為基礎的工作流程建立在脈絡層之上，且這些代理人的遙測數據饋入強化學習環境，使公司能夠後續訓練出編碼公司運作方式的模型，而這些模型由公司擁有時，這就變成了資產
擁有一個包含你公司實際運作方式的資料的模型，就是最終的 boss 級招式

將LLM作為評審是創建循環最簡單且最容易的方法
1. 做你已經透過提示AI在做的事
2. 使用另一個模型來評估輸出並給予回饋
3. 迭代直到雙方都滿意
只在循環完成後才看到最終輸出
由於你使用LLM作為評審，這通常最適合非確定性任務，如研究、設計、建立規格等
使用Looper來執行這項工作將使其變得非常簡單，透過優化你的提示以建立更好的循環、添加評審，並設定退出標準，以避免執行不必要的迭代
現在已有500+ ⭐️

PTSD 誘發的，懂的都懂

剛離開正處於熱浪中的義大利，我真的不懂為什麼空調還能成為一個爭論話題
根本每個人——包括當地人——都在抱怨
室內悶熱只會讓人心煩氣躁，快裝上空調吧

如果你不是美國或中國，我不知道你怎麼能坐視不管，依賴他們來提供將定義未來的智慧
你會認為制定一個策略是國家的優先事項
當然，說起來容易做起來難——你需要大量資金和人才來與前沿實驗室競爭
最簡單的第一步是建立主權數據中心，並託管開放權重模型或後訓練版本——至少你擁有某種形式的智慧
阿聯酋和沙烏地阿拉伯似乎正走這條路，並朝著訓練方向邁進
下一個最具影響力的步驟將是專注於去中心化訓練
如果你無法建立一個能訓練出有能力模型的集群，去中心化訓練可能是一個可行的選擇
不是今天，但作為一個對沖被鎖定或被漲價出美國和中國模型風險的選項
我們將深入研究去中心化訓練，並很快發布一份報告
如果你有任何想要了解的項目，告訴我，我已經有一個相當不錯的清單，但如果其他項目是真正的，也願意加入。

如果你正在對一家新創公司進行盡職調查，你現在需要評估他們的“AI本土化”程度，與團隊、產品和市場一起
為什麼？如果他們沒有走在使用AI的前沿，這會讓他們面臨執行速度不夠快的風險
這不是一個硬性通過標準，但它是一個信號——這裡有一些早期的跡象：
1. 他們是否給你一個.md文件，配合一個簡報，你可以用你的LLM來讀取？
2. 他們是建立一個互動式HTML簡報，還是只發送PDF或Docsend？
3. 他們是否談論專有技能、數據、評估或用來構建產品的方法？
4. 他們是否在會議之間推出了重要的產品更新？
這不是一個詳盡的清單，只是我注意到的一些轶事性跡象

如果你正在評估一家新創公司，你現在需要除了團隊、產品和市場之外，也評估他們的“AI 原生性”
為什麼？如果他們沒有走在使用 AI 的前沿，就有可能無法足夠快速地執行
這不是一個硬性通過標準，但它是一個信號——這裡有一些早期的跡象：
1. 他們是否給你一個 .md 文件，配合一個簡報，你可以用你的大型語言模型（LLM）來喂養？
2. 他們是建立一個互動式的 HTML 簡報，還是只傳送一個 PDF / DocSend？
3. 他們是否談論專有技能、數據、評估或他們用來建立產品的方法？
4. 他們是否在會議之間推出了重要的產品更新？
這不是一個詳盡的清單，只是我注意到的一些軼事跡象

猜猜我這個：
當 GLM-6 發布並具有 Fable/Mythos 功能時會發生什麼？
這不是是否的問題，而是何時
理解這些情境和影響非常重要