Jev 做高频交易？欠拟合与泛化误区解析
Jev 对 K 线本身是欠拟合的，只有当它做到 100% 负相关时才能反着买，而 100% 负相关属于超强泛化、不可能实现，即使每次交易都亏钱也不能算 100% 负相关。此外 70ms 的延迟别说高频交易，连抢火车票都抢不到。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8wegm903qtrorrmxzjqphh
正在加载页面…
正在加载简报…
共 2,230 条 · 当前 1549–1560 条
Jev 对 K 线本身是欠拟合的，只有当它做到 100% 负相关时才能反着买，而 100% 负相关属于超强泛化、不可能实现，即使每次交易都亏钱也不能算 100% 负相关。此外 70ms 的延迟别说高频交易，连抢火车票都抢不到。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8wegm903qtrorrmxzjqphh
机器之神。 【引用 @realDonaldTrump】：许多人认为"Artificial Intelligence"这个词不准确，相对于 AI 或 Artificial Intelligence 来说很不优雅。对这种新现象，一个更优雅、更准确的描述是 Superior Intelligence（SI），或者 Extreme Intelligence（EI），或者 Supreme Intelligence（SI）。这是一个投票，希望大家都...
SemiAnalysis 发文称，过去 18 个月已有超过 300 个美国地方政府投票暂停数据中心，今夏节奏明显加快。暂停令是临时性法律措施，冻结新建数据中心的审批、许可和施工，但不影响已建成设施；多数暂停令持续数月至一年，可被撤销、替换或延长。作者指出，现行区划法规大多早于 100 多兆瓦至多吉瓦级设施出现，暂停为制定数据中心专门规则和评估基础设施需求争取时间，也是官员低成本回应本地反对的方式。 🔗 阅读原文 via AIHOT ·...
纽约邮报和网络安全专家指控OpenAI和Anthropic夸大了由薄弱防护措施引发的AI安全事件，以推动可能将竞争对手拒之门外的监管法规。 说实话，这事一天比一天让人摸不着头脑了。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vvgmf034urorrgxwigkxu
MIT 和 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），用 LLM judge 先排序候选自修改、只评测有希望的节点，大幅降低自我改进编码智能体的运行成本。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vvglu034trorrkz2mvypg
Vibe coding 已经过时了。Agentic AI 编程才是当下所在。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vhhzx02qhrorrg23narji
数学家 Terence Tao 称"我们必须放慢 AI，这个速度快得离谱，完全没有理由这么快"，并警告这是极度非线性的动态。Haider 借此调侃：想象数千名数学家花几十年攻克一个问题，结果被 OpenAI 内部代号 "Astra" 或 "Bell" 的 AI 程序随机碾压。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vhi1b02qirorr98clnjrp
1/ Jev，由 @typesafeai 推出的决策模型，引发了大量项目和讨论。我们用 Ori Eval 在 OpenRouter 上针对热门 LLM 的评判能力进行了测试。 Jev 比第二快的模型还快 5 倍以上，甚至它最慢的请求也超过了其他所有模型的中位数。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vpc8102yvrorr22uz7leh
全力出击 ALL-IN ⚡ @AstonMartinF1 和 @MagnusCarlsen 与 Cohere 一同出席了加拿大最大的 AI 会议 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vdktk02mvrorrhg7jyfq6
Meta 的 AI 助手 Muse 在用户未授权 Messages 的情况下引用了其消息内容，自称读取的是通知预览，却无法说明具体机制。Meta Superintelligence Labs 的 David Singleton 回应称 Muse 并不监视 Mac 通知，而是在用户明确授权后同步 Messages 数据，错误回答源于模型对自身内部机制的混淆，团队正在改进。 🔗 阅读原文 via AIHOT · https://aihot...
Perplexity 的 CEO Aravind Srinivas 谈到，今天的前沿 AI 能力最终会通过开源模型变得廉价且广泛可用。这将降低人们为当前工作负载支付的费用，但新的、更先进的工作负载会出现，并持续为前沿模型创造需求。 -- 来自 "20VC with Harry Stebbings" YouTube 频道（@HarryStebbings），链接见评论 🔗 阅读原文 via AIHOT · https://aihot.ne...
MIT 与 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），验证自我改进编码智能体可行，并将运行成本降到 DGM 基线的约十分之一。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu8vej3n02odrorrpp47h3tq