扫描下载APP
其它方式登录
Galaxy Digital二季度亏损收窄，数字资产业务毛利润回升但受币价拖累，自有投资组合仍是主要亏损来源；得州Helios数据中心一期133MW开始收租，首次贡献正EBITDA，二期融资35亿美元推进，战略重心转向长期稳定的电力与数据中心业务。
Galaxy Digital 为 CoreWeave 在德州 Helios 园区建设 AI 数据中心融资 35 亿美元，年利息 3.46 亿美元，本金偿还始于项目完工后（预计 2027 年上半年），交付延误将导致 Galaxy 仅付息而无法还本，债务风险高度依赖工期履约。
Galaxy Digital 投入500万美元资助比特币抗量子升级，聚焦后量子签名研究、BIP 360/361提案推进及迁移工具开发；强调技术升级本身可行，但去中心化网络中开发者、矿工、钱包、交易所等多方协调共识与同步部署需数年，是应对量子威胁的最大挑战。
强化学习奠基人Richard Sutton在WAIC 2026分享其新创公司Oak Lab与非营利机构Openmind Research Institute的协同模式，强调以20瓦能耗为目标构建可实时学习的‘完整心智’，批判当前AI过度依赖人类数据、忽视经验学习，并质疑AI‘对齐人类价值观’的可行性与正当性。
文章汇总多家机构对比特币本轮周期底部价格的预测，主流判断集中在5万—6万美元和4万—4.6万美元两个区间；渣打银行认为5.9万美元可能已构成底部，Galaxy Research则给出4万—4.6万美元的基准底部，其他机构如CryptoQuant、花旗、NYDIG等基于已实现价格、MVRV等指标提出5.3万—5.5万美元支撑位，部分KOL和悲观情景延伸至3万—4万美元，但尚未形成统一共识。
火币HTX发布2026年Q3前瞻报告，分析加密市场受全球流动性和监管影响，指出比特币受美元流动性主导，RWA和优质DeFi为结构性机会，市场分化将加剧。
华盛顿大学NLP博士Alisa Liu分享其求职OpenAI等顶尖AI公司的全过程，涵盖57场面试、11家公司、技术与行为面试类型解析、备考策略及谈薪经验，强调技术能力重于研究经历，呼吁博士生平衡当下热爱与未来准备。
多家机构对比特币市场是否见底给出不同判断：Galaxy Digital认为尚未见底，底部区间为3万至5.4万美元；NYDIG称接近但未达历史大底标准；渣打银行则认定5.9万美元已为底部。尽管观点分歧，三方共识明确：底部将在年内出现，当前更近底部而非高点，且长期牛市可期。
IBM Research 提出抽象推理链（Abstract-CoT）技术，用人类不可读的符号替代自然语言思维链，将AI模型推理token消耗压缩最高达11.6倍，同时保持90%以上的准确率；该方法通过两阶段训练（策略迭代热启动+强化学习）实现高效隐式推理，为降低大模型推理成本提供新路径。
GPT-5.5在316道进攻性网络安全评测任务中正确完成292道，正确率达92.4%，导致现有评估体系饱和失效；其能力每5–6个月翻倍，Token预算增加显著提升表现，引发对模型攻击能力失控及安全评估滞后性的深度担忧。
Nous Research团队提出Token Superposition Training（TST）方法，通过预训练早期采用词元叠加与粗粒度学习，显著降低算力消耗：在百亿参数MoE模型上实现GPU时间降至基线38.7%，同时降低loss并提升多项下游评测指标。该方法不修改模型架构或推理流程，仅优化训练路径，为AI模型预训练提供轻量、即插即用的提效新范式。
文章介绍Einsia AI旗下Navers lab发布的Frontier-Eng Bench工程基准测试，该测试包含47个无标准答案的多学科硬核任务，要求AI Agent在仿真环境中完成提出方案、运行反馈、参数调整、持续迭代的完整工程闭环，重点评估其长期优化与自我进化能力，标志着AI正从‘做题家’迈向能承担真实研发任务的Auto Research时代。
Galaxy Digital与SharpLink合作设立1.25亿美元机构级链上收益基金，标志华尔街资本系统性将企业ETH储备纳入DeFi收益体系，推动DeFi从散户高风险实验转向具备真实现金流、稳定币金融化和ETH利率化的机构级链上资本市场，预示ETH正升级为‘链上生产性资本’与互联网金融底层资产。
上海交通大学团队推出开源科研自动化框架ARIS，聚焦提升AI生成科研成果的可信性，通过跨模型对抗协作、三阶段证据审计链和持久化研究Wiki，实现从创意发现到投稿后回应的端到端科研流程，并强调审查驱动修正而非单纯提速。
文章深入对比2026年初AI Agent领域两大代表性项目OpenClaw与Hermes Agent，分析其设计哲学差异：前者强调用户控制、高度定制与模型灵活性，后者侧重开箱即用、低成本和自我学习能力；指出竞争本质是‘可编程个人操作系统’与‘自我进化工作代理’两种范式的分野，核心分水岭已从模型能力转向实用性、成本与工作流适配度。
