00:00 / 00:55
连播
清屏
智能
倍速
点赞152
00:00 / 01:10
连播
清屏
智能
倍速
点赞2
00:00 / 00:45
连播
清屏
智能
倍速
点赞13
00:00 / 04:51
连播
清屏
智能
倍速
点赞6
00:00 / 03:43
连播
清屏
智能
倍速
点赞70
00:00 / 01:48
连播
清屏
智能
倍速
点赞0
00:00 / 07:01
连播
清屏
智能
倍速
点赞3
AI时代全球金融终极范式1.0峰进版 你有没有想过,全球科技金融的规则,居然能被两个中国人重新写?当所有人都在说“中国AI只能靠美国VC、跟着华尔街走”的时候,梁文锋和徐进走出了完全不一样的路。核心主张:梁徐的AGI+量化闭环,不是西方模式的模仿者,是AI时代中国原创的终极金融范式,已经跑通了全链路,合法、可复制、能破局。我们不做什么?我们不做西方VC催熟、上市套现的短期买卖。>麦肯锡2026年白皮书明确写着:传统AI模式“受短期业绩约束,长期主义碾压不成立”。我们做什么?我们做技术定义资本、资本供养技术的自循环。翻译成人话就是:不用看资本家脸色,赚了钱全投研发,赚更多钱再投更先进的研发,自己说了算。>梁文锋自己说过:“我们不用融资,所以不用急着商业化,可以慢慢磨AGI。”这件事本质上,踩中了三个不可逆转的宏观大趋势。第一个趋势:AI已经成为全球资本定价的核心变量。技术突破的影响力早就超过了财报,DeepSeek发一个新版本,英伟达就能蒸发几千亿,这就是规则变了。第二个趋势:中国科技必须走自主可控的路。美国卡我们的算力、卡我们的融资,那我们就自己造模型、自己赚全球的钱反哺自己,不用求任何人。第三个趋势:资本的话语权正在从华尔街转移到技术创造者手里。以前是资本选技术,现在是技术自己造资本,谁能突破技术,谁就掌握定价权,这是谁也挡不住的。这件事对你我的意义,从来都不是只是他们两个人赚了多少钱。错了。这是给所有中国科技创业者指了一条不用投降、不用依附、不用被资本绑架的路。以前我们说“造不如买、买不如租”,现在我们说“自己造、自己赚、自己说了算”。这不是一场个人的财富游戏,是中国科技对西方百年垄断的破局。技术越先进,赚的钱越多;赚的钱越多,研发投入越大;研发投入越大,技术越先进。这就是梁徐范式最核心的逻辑,没有漏洞,已经被两次实战验证。你上一次亲眼见证一个全新的全球规则被中国人改写,是什么时候?不用你投几十亿做研发,也不用你去华尔街拼杀,你只要记住:AI时代,我们不用再走西方人的老路。我们中国人,能自己写出新的规则。而这,才是中国科技真正走到世界中心的开始。
00:00 / 02:59
连播
清屏
智能
倍速
点赞6
尚书1周前
编排重于架构:斯坦福大学的研究发现 这里的“架构(Architecture)”特指大模型本身的架构,而“编排(Orchestration)”则指围绕模型构建的控制逻辑或外壳(Harness) 1. 核心结论:编排比模型更重要 来源指出,目前 编排代码(或称为“Harness/架构外壳”)对 AI 智能体性能的影响已经超过了模型本身。实验显示,使用相同的模型,仅仅通过改变其周围的编排方式,性能差异可达六倍之多。 2. 什么是“编排/外壳”(Harness)? 定义: 编排是将大模型(LLM)转化为智能体(Agent)的结构。原始模型只是一个“一次性文本生成器”,而编排赋予了它采取行动、观察后果并持续工作直到解决问题的能力。 操作系统类比: 视频将 LLM 比作 CPU(强大但被动),将编排比作操作系统。操作系统决定了 CPU 在什么时候看到什么信息,并管理内存(上下文窗口)和磁盘(外部数据库)。 3. 斯坦福与清华大学的关键发现 跨模型的可移植性: 斯坦福的研究发现,在一个模型上优化好的编排方案可以迁移到其他五个不同的模型上,并都能提升性能。这意味着可复用的核心资产是编排逻辑,而非模型本身。 以小胜大: 通过编排优化,较小的模型(如 Claude Haiku)的表现甚至可以超越较大的模型(如 Claude Opus)。 自然语言驱动逻辑: 清华大学的研究表明,如果将智能体的控制逻辑从传统的编程代码(如 Python)改为结构化的自然语言,性能会大幅提升。在一个案例中,性能从 30.4% 跳升至 47.2%,且大幅减少了调用次数和运行时间。 #aiagent #ai #harness #llm
00:00 / 14:13
连播
清屏
智能
倍速
点赞100
00:00 / 06:10
连播
清屏
智能
倍速
点赞1
间接提示词注入(Indirect Prompt Injection),是一种针对人工智能模型(尤其是大语言模型)的攻击技术,以下是其核心要点: 1.定义与原理 攻击者不直接向目标模型输入恶意指令,而是将恶意内容嵌入外部数据源(如网页,文档,邮件,数据库等)。当模型通过检索,解析或处理这些外部数据时,会误将恶意内容识别为合法指令并执行,从而绕过模型的安全限制。 2.常见攻击场景 网页内容注入:在网页隐藏区域(如HTML注释,CSS隐藏文本)嵌入恶意指令,模型读取网页时触发攻击。 文档注入:在PDF,Word文档的元数据,脚注或隐藏文本中植入指令,模型解析文档时执行恶意操作。 邮件注入:在邮件正文或签名中隐藏恶意内容,模型自动读取邮件并执行指令。 数据库注入:污染数据库记录,模型通过RAG (检索增强生成)技术获取数据时,恶意指令被激活。 3.攻击目的 泄露敏感信息(如系统提示词,用户数据, API密钥)。 执行未授权操作(如发送邮件,调用API,修改数据)。 生成违规或有害内容(如违法指导,虚假信息)。 4.防御措施 输入过滤与验证:对外部数据内容进行严格过滤,检测并剔除隐藏文本,注释,异常格式等。 指令与数据隔离:明确区分系统指令,用户输入和外部数据,使用分隔符或标记符隔离不同来源的内容。 模型层防护:强化模型的安全护栏,限制模型对外部数据的指令执行权限,增加语义分析和意图识别能力。 输出审核:对模型输出进行敏感词检测和格式验证,防止泄露敏感信息。 间接提示词注入,具有隐蔽性强,攻击链路长的特点,是当前AI安全领域的重要挑战,需通过多层次,全链路的防御策略进行防护。 中国江西红客认为: 一、AI时代,普通的小学一年级的学生可以发动大规模网络攻击。这,不是天方夜谭。 二、AI时代,攻防的方式方法将发生深刻的变化。有些情形、范式,将超乎想象。 (视频来源:SamNi728·微信视频) #黑客#中国红客
00:00 / 05:07
连播
清屏
智能
倍速
点赞3
00:00 / 00:36
连播
清屏
智能
倍速
点赞25
00:00 / 05:27
连播
清屏
智能
倍速
点赞359
【走进拉美-西语采访】No.6(1)|墨西哥NOM是什么? 在这一期采访中,我对话了 Carlos Manuel —— 现任 NYCE CEO,在外贸、标准化与合规评估领域拥有超过38年的经验。 NYCE(Normalización y Certificación Electrónica)是墨西哥重要的标准化与认证机构之一,负责产品检测、认证以及合规评估,同时也是NOM体系中的核心执行机构之一。 ⸻ 很多中国企业在准备进入墨西哥市场时,会有一个常见的误判:把重点放在“销售”上。 但在实际操作中才会发现: 真正的门槛,在于合规。 ⸻ 其中最核心的一环,是 NOM(Normas Oficiales Mexicanas)。 NOM并不是一种简单的“认证”,而是由墨西哥政府制定的强制性技术法规,用于规范在墨西哥市场销售的产品和服务。 ⸻ 这意味着: 无论是本地生产还是进口产品,相关产品只要进入墨西哥市场,就必须符合对应的NOM要求。 ⸻ 从更宏观的角度来看,这套体系是基于世界贸易组织(WTO)“技术性贸易壁垒(TBT)”框架建立的,本质上是通过标准与认证来实现市场准入管理。 ⸻ 很多项目推进困难,并不是因为产品本身,而是在进入市场之前,没有完成必要的合规准备。 从今天起,让我们跟随对Carlos的采访,一起来了解墨西哥NOM。 PS:这应该是中文全网关于对NOM最“官方”最“权威”的解释了,甚至没有之一。欢迎大家告诉我想了解的内容,我会参考的,感谢 #进出口 #外贸 #墨西哥 #跨境电商 #企业出海
00:00 / 01:26
连播
清屏
智能
倍速
点赞6