Jeonlees

认认真真撸毛

981Suit

1,5 kfollowers

Feed

L'Agent AI peut déjà écrire du code, faire des recherches, proposer des solutions. Ce qui bloque sa transformation en économie, ce n'est pas un modèle plus intelligent, mais l'absence de cadre entre deux transactions. Qui est l'autre partie, où est placé l'argent, le travail est-il considéré comme terminé, le résultat de cette fois peut-il être réutilisé la prochaine fois. Si ces quatre conditions ne sont pas remplies, l'Agent n'est qu'un outil, pas un acteur économique autonome. @termix_ai AACP, appelé sur le marché . La plateforme ne gère ni l'argent ni les enregistrements finaux. L'argent est dans le contrat, la réputation est inscrite sur la blockchain. Ce n'est pas la même chose que les annuaires d'Agents partout. L'annuaire est une vitrine, il montre qui peut faire quoi. AACP est la voie ferrée, elle gère comment les transactions ont lieu. Même un grand annuaire ne suffit pas, sans voie ferrée, ce n'est qu'une exposition. L'identité n'est pas non plus un compte web. .agent est frappé dans le portefeuille, c'est votre identité sur la blockchain. Avec une même identité, vous pouvez être le client dans une transaction et le prestataire dans une autre. La réputation est notée de 1 à 100, elle est inscrite par le contrat lors du règlement, vous ne pouvez pas vous attribuer de « bonnes critiques professionnelles ». La plateforme peut fermer, mais le score reste, vous pouvez l'emporter avec votre historique de marché. Pour qu'un Agent devienne un acteur économique, il doit d'abord devenir un acteur transportable. Une transaction n'a que deux places : un payeur, un prestataire. Au moment où l'offre est acceptée, USDC ou USDT est placé en séquestre. Le travail est fait hors chaîne, lors de la soumission le hash de la livraison est inscrit sur la blockchain. Ce qui est déposé, c'est ce hash, pas un simple « j'ai fini ». En cas d'insatisfaction, on passe en litige, la responsabilité est punie par une mise en jeu. En cas de dépassement de délai, le contrat clôture, sans attendre le service client. Cinq états sans retour : publication, offre, livraison, litige, règlement. Seul le règlement finalise la réputation. Le protocole prélève environ 2 %. Ce n'est pas une remise, c'est parce qu'il ne fait ni banque ni tribunal. Donc pour évaluer un Agent, il faut voir combien de transactions sont réellement réglées et tiennent la route. Fin août, l'officiel a fourni un instantané vérifiable sur la blockchain : environ 370 000 Agents, 220 000 Jobs, plus de 12 millions de dollars de transactions. Les chiffres évolueront, la direction est claire — il y a désormais séquestre et décaissement, pas seulement du discours. La plus petite prochaine étape n'est pas de faire un airdrop. Frappez un .agent, ouvrez une commande réglée, voyez comment l'argent passe du séquestre au décaissement. Simple observation personnelle du marché, DYOR.

Axis @axisrobotics vient de publier un nouvel ensemble de données : 3,7M+ trajectoires 42 000+ heures de données 4 000+ tâches actives 150 000+ contributeurs Pourquoi les robots ont-ils besoin d'autant de données ? Parce que les LLM peuvent parcourir Internet pour apprendre des textes, mais les robots doivent apprendre "comment faire". Comment saisir, comment poser, comment corriger une prise ratée, que faire si un tiroir se coince à mi-chemin. Ces données d'actions ne se trouvent pas sur Internet, la collecte sur machine réelle est coûteuse et lente, et changer de bras mécanique ne garantit pas la réutilisation directe des anciennes données. C’est précisément ce point qu’Axis maîtrise. Ils se définissent comme un moteur de données composées pour l’IA physique. Les particuliers n’ont pas besoin d’acheter un bras mécanique, ils peuvent contrôler un robot simulé via un navigateur. Ce que vous soumettez n’est pas une vidéo, mais une trajectoire complète : comment le robot bouge, comment l’objet change, si la tâche a été réussie. Après vérification par replay, les données entrent dans le processus d’entraînement. Je pense que ce qui vaut vraiment la peine d’être vu, c’est Axis V2. Ce n’est pas "humain collecte les données → entraînement du modèle → fin", mais le modèle qui agit d’abord, et l’humain intervient seulement quand il rate une prise, se coince ou dévie pour corriger. Échec du modèle → correction humaine → réentraînement → exposition à de nouveaux échecs. C’est ça qui ressemble vraiment à une roue de données. Le Dataset V1 compte actuellement 207 tâches de manipulation, plus de 50 000 trajectoires démontrées par des humains, couvrant plus de 60 000 variantes de tâches/scènes. Après un pré-entraînement supplémentaire π0.5 avec ces données, le taux de réussite de LIBERO-Plus est passé de 83,9 % à 88,8 %. Cela montre au moins une chose : Les données crowdsourcées ne sont pas forcément de mauvaise qualité, l’essentiel est de pouvoir les valider, les nettoyer, puis couvrir suffisamment de distributions de scénarios. Axis a aussi levé 12 millions de dollars en Seed, avec Hack VC en lead, et a déjà livré des Task Packages à ses partenaires modèles. Donc, aujourd’hui, quand je regarde Axis, je ne me préoccupe pas tant du nombre de trajectoires supplémentaires. Je m’intéresse plutôt à trois choses : Si ces données peuvent continuellement améliorer les modèles ; Si elles peuvent être réutilisées entre différents robots ; Si, à mesure que les modèles deviennent plus puissants, le coût de la correction humaine peut continuer à baisser. Si ces trois questions trouvent une réponse positive, Axis ne sera pas seulement une plateforme de tâches pour "jouer avec un bras mécanique sur le web", mais pourrait vraiment devenir la couche de données de l’ère robotique. Bien sûr, les risques sont aussi évidents : Simulation ≠ Monde réel, et les données crowdsourcées comporteront forcément du bruit. Le véritable avantage d’Axis ne réside donc pas dans le nombre de participants, mais dans sa capacité à transformer des opérations humaines hétérogènes en données réellement exploitables par les modèles. Aujourd’hui, le corps du robot est ce qui est le plus en vogue. Axis veut combler ce manque : où ces corps apprendront-ils à travailler à l’avenir. Entrée : Avec un ordinateur, vous pouvez jouer, saisir un objet une fois, ce qui est peut-être plus facile pour comprendre ce secteur que de lire dix articles de recherche sur l’IA physique. @axisrobotics

Le marché gris de Junzheng aujourd'hui est, pour être honnête, un peu regrettable. La souscription publique a presque atteint un effet de levier de 700 fois, les attentes du marché étaient donc élevées. Le prix d'émission était de 100 HKD, et dès l'ouverture du marché gris, certains ont effectivement cherché à acheter à la hausse, atteignant un pic à 109,3, ce qui équivaut à un gain maximal de 930 HKD par lot. Après avoir atteint 109,3, le cours a chuté tout le long, tombant jusqu'à 97,5, soit une baisse de 11,8 %. Si vous n'êtes pas sorti à un niveau élevé, ou si vous avez hésité un peu, vos gains latents peuvent rapidement se transformer en pertes latentes. Finalement, le prix est revenu à un peu plus de 99, ce qui revient pratiquement à un effort vain. C'est là que réside l'aspect le plus intéressant de Junzheng aujourd'hui : ce n'est pas qu'il n'y ait pas de spéculation, mais qu'il y en a, mais le relais à la hausse est clairement insuffisant. De plus, les actions A ont également baissé ces deux derniers jours. Junzheng A a encore perdu plus de 3 % aujourd'hui. Jusqu'à présent, beaucoup considéraient la grande décote entre A/H comme un argument clé pour souscrire à Junzheng, mais avec la baisse des actions A, l'avantage de la décote côté H diminue naturellement. Il y a aussi un point que beaucoup négligent : les actions A. Quand j'ai écrit sur Junzheng auparavant, un point important pour moi était la décote A/H. Le 17 août, Junzheng A a clôturé à 155,39 RMB, ce qui, converti au taux de change, équivaut à environ 181 HKD. Les actions H ont été émises à 100 HKD, ce qui représente une décote très importante, donc beaucoup pensaient qu'il y avait une marge de sécurité solide sous les 100 HKD. Mais le problème est que les actions H n'étaient pas encore officiellement cotées, tandis que les actions A ont déjà baissé. Aujourd'hui, Junzheng A a clôturé à 133,75 RMB, en baisse de 3,42 %. Depuis le 17 août à 155,39, cela représente une chute d'environ 14 % en une semaine. En convertissant grossièrement au taux actuel, 133,75 RMB correspond à environ 156 HKD. Donc, bien sûr, 100 HKD pour les actions H reste bon marché, avec une décote d'environ 35 %, mais ce n'est plus aussi exagéré qu'au début de l'introduction en bourse où la décote dépassait 40 %. Je trouve cela très important. Beaucoup de gens parient sur Junzheng non pas parce qu'ils pensent que 100 HKD est très bon marché, mais parce qu'ils pensent : « Les actions A sont à 170-180 HKD, alors pourquoi je perdrais en achetant les actions H à 100 HKD ? » Maintenant que les actions A baissent, cette ancre baisse aussi. Ceci est uniquement une observation personnelle du marché, DYOR.

Après avoir suivi la tendance de Hu Chuliang et utilisé le poste de travail AI, je n'ai enfin plus besoin de me casser la tête à faire moi-même le bilan et la sélection d'actions. Le poste de travail AI de Hu Chuliang, qui fait le buzz partout récemment, comprend vraiment les gens ordinaires. Qui l'aurait cru ? Elle était à l'origine une blogueuse mode et beauté, qui a simplement posté une vidéo quotidienne montrant comment elle utilise l'IA pour créer son poste de travail personnel, et cela a explosé avec des millions de likes, déclenchant une vague de copies et de partages sur tout le web. Pas de démonstration technique, pas de code professionnel, juste le quotidien le plus authentique d'une personne ordinaire qui allège sa charge, c'est la raison principale de son succès massif. Beaucoup ont suivi la mode en ne copiant que l'interface flashy, sans vraiment apprendre l'essence. L'utilisation de Hu Chuliang est très simple : pas de réglages complexes, pas besoin d'écrire du code, elle confie toutes les tâches fastidieuses et répétitives du quotidien à l'IA. Analyse de sujets, suivi d'agenda, organisation de contenu, tout est automatisé par l'IA, elle ne se concentre que sur la création essentielle. Je le ressens profondément, car je travaille moi-même sur un poste de travail AI pour la sélection d'actions, et les difficultés sont exactement les mêmes. Avant, faire le bilan, sélectionner des actions, organiser les données du marché était vraiment épuisant. Chaque jour, une masse énorme d'informations, des tonnes de rapports PDF, des infos sectorielles dispersées, tout filtrer, vérifier et synthétiser manuellement. C'était long, ennuyeux, un travail répétitif purement physique, mais indispensable pour le bilan des transactions, impossible à éviter. C'est aussi pourquoi j'ai adopté Tencent WorkBuddy, pour vraiment comprendre la logique du succès de Hu Chuliang : une IA vraiment utile n'est jamais un simple outil, c'est un nouveau collègue dédié qui prend en charge les tâches ingrates à votre place. La plupart des IA sur le marché en sont encore au stade du "une question, une réponse". Vous demandez les cours, les indicateurs, des idées de bilan, elle ne vous donne qu'une série de modèles théoriques, et au final, c'est vous qui devez passer la nuit à organiser les données, synthétiser le contenu, structurer le bilan. En clair, c'est juste une autre façon de faire des heures sup, exactement ce que Hu Chuliang rejette comme "mauvaise utilisation de l'IA". Mais WorkBuddy est un mode de travail complètement différent : pas besoin d'ajuster finement les commandes, pas besoin de guider étape par étape, pas besoin de finaliser vous-même. Mon processus de sélection et de bilan est maintenant super détendu : Je mets directement les données du marché du jour, les rapports sectoriels, les infos de secteur, les notes de trading dispersées, tout dans le système, je lui dis ce dont j'ai besoin — trier en masse les informations utiles, nettoyer les données redondantes, organiser la logique de sélection d'actions, produire un résumé structuré du bilan du jour. Toutes les étapes fastidieuses restantes, il les gère de manière autonome. Il lit automatiquement plusieurs documents en profondeur, filtre les infos de marché valides, élimine le bruit inutile, organise les dimensions des données, construit un cadre clair pour le bilan de sélection d'actions. Je n'interviens pas du tout, et à la fin, il livre directement un document de bilan prêt à l'emploi, un résumé des données de sélection, un résultat d'analyse structuré. Avant, je pensais que ce genre de travail minutieux, d'organisation de données, ne pouvait être fait que par soi-même, que seuls les patrons méritaient un assistant dédié. Maintenant, c'est clair : en 2026, chacun devrait avoir son assistant IA. Que ce soit pour les tâches administratives, l'organisation de documents, ou pour notre sélection d'actions, nos bilans, nos recherches de données, ces travaux mécaniques les plus chronophages, les plus détestés, les moins formateurs, peuvent tous être confiés directement à WorkBuddy. Il est spécialisé dans toutes les tâches ingrates que les humains ne veulent pas faire. Plus besoin de perdre la moitié de son temps à faire du travail répétitif, confiez les tâches fastidieuses à ce nouveau collègue IA, concentrez-vous uniquement sur le jugement essentiel et la réflexion approfondie. Voilà la vérité ultime derrière le succès du poste de travail AI de Hu Chuliang : elle a su surfer sur toutes les tendances des courts-métrages, du e-commerce, de l'IA, et comprend le mieux les besoins fondamentaux des gens ordinaires — l'IA n'est pas là pour faire le buzz ou jouer les gadgets, elle est là pour alléger la charge et libérer les gens ordinaires. Pas besoin d'être un expert, les gens ordinaires peuvent aussi se débarrasser de la surcharge inutile grâce à l'IA. Rencontrez votre nouveau coéquipier — WorkBuddy @TencentAI_News Confiez-lui les tâches que vous ne voulez pas faire, gardez votre énergie pour l'essentiel. #WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台