crypto花椒

你们搞法律AI大模型的就是法奸
你们搞导演AI大模型的就是导奸
你们搞投研AI大模型的就是投奸
你们搞地产AI大模型的就是地奸
你们搞加密AI大模型的就是加奸
你们搞美股AI大模型的就是美奸
你们搞体检AI大模型的就是体奸
你们搞诈骗AI大模型的就是炸奸

去年9月，OpenAI发了一篇论文
论文作者是OpenAI的Adam Tauman Kalai、Edwin Zhang、Ofir Nachum，加上Georgia Tech的Santosh Vempala
他们建立了一个数学框架，核心发现是这个不等式：
生成错误率 ≥ 2 × 判断错误率
假设AI在判断"1+1等于几"这件事上有1%的概率判断错误。那它在生成回答时，出错的概率至少是2%
为什么会放大？因为一个错误的判断会衍生出多个错误的生成。比如AI判断1+1=3，那它同时犯了两个错：说1+1=3是对的，说1+1=2是错的。一个判断错误，至少两个生成错误
如果你回答"我不知道"，得0分。如果你瞎猜，哪怕只有10%的概率蒙对，期望得分是0.1分。理性选择？猜。 所以AI不是"学会了说谎"。AI是被训练体系逼着猜的
我做AI自动化做了大半年了。我的整个内容系统——从数据抓取到写作到配图——全是AI在跑
这篇论文改变我什么认知了吗？ 说实话，核心认知没变
我一直知道AI会犯错，我的系统设计里每个环节都有人工校验。 但有一件事变清晰了：幻觉不是bug，是feature
所以正确的做法不是等AI变得完美，而是在工作流里假设AI一定会犯错，然后设计兜底机制。
我的做法：
1. 所有AI生成的数据，必须有原始链接可以交叉验证
2. 写作内容里的具体数字，发布前必须人工确认
3. 不

实现了语音 - 视频 解析
github已经ready 我自己本地在测试一下
马上放出来

解决了 cc - 图片识别功能
下一步解决语音/文件/命令行控制/视频
很快很快

马上开源
应该是全网第一个把CC + 连接在一起的
速度点个小铃铛 让一条命令就能把本地电脑 + cursor/claude code/anti gravitity 直接连接上
省心！

Boris Cherny的故事值得每个人看一遍
曾经无家可归，睡在车里。后来自学编程，做到了科技公司CTO。
他追踪一个内存泄漏bug的过程被做成了技术圈经典案例。
但我想说的不是励志鸡汤 ，因为这个人就是你现在用的claude code的搭建人
AI时代"从零到一"的故事会越来越多，因为AI把学习曲线压平了，以前自学编程要3年，现在有Claude帮你可能3个月

AI降低了技能门槛。但意志力的门槛一分没降。

lmao feishu put out openclaw to their livestream for sale(aka your first AI employee) @steipete
飞书怎么把openclaw上架销售了？ 吃像有点难看

非广
试用了一下 zixi @ZixiStablestock 在做的stablestock，确实惊艳到我了
我说一下解决了什么痛点吧
1. 港股/美股种类全，基本上包括了市场里面的股票
2. USDT就可以买所有股，减少磨损，这个我非常喜欢
3. 我看推出了IPO，未来可以参与港股IPO
4.盘前盘后支持，这一点大多数走清算商路子的都不支持
手续费还比较低，确实很棒

丢了一张手机的自拍，然后这个自动化配图也是越来越好了
社交媒体自动化工厂基本上修改的差不多了
然后我再做一套自动化就能本地操控就能自动发了
这个看起来ai含量还行😐

和你们说我在开发all-in-one的社交媒体全自动化，不知道的还以为做个自动化有多简单
我忙了一周，框架已经弄好了，手搓了接近14个skills（专属） + 1个调度的skill + 全局QA Skills
从并行监控 - 知识整合Agent输出富信息包 -> 再到选题Agent(爆款公式） -> 再到并行写作agent -> 多平台配图agent -> 推送 -> feedback agent
每一个条款和规则设定真的是累死人

美宜佳卖假烟我是不好奇的，之前就很好奇一条街上3/4个美宜佳，密集程度比蜜雪冰城都夸张
原来加盟商赚钱的秘密在这里，既然都卖假烟了，那么酒估计也真不了
还好😅315给曝光了