汪汪简报

全部新闻

1. 

   机构与应用 · CoinDesk

   加密货币多年来投入新产品，下一个挑战是留住用户

   产品堆再多也留不住人，这才是加密公司真短板。

   Coinbase 金融服务负责人该把奖励预算的考核口径从拉新改成促销到期后仍留在平台的余额；WisdomTree 这类资管则要把代币化基金铺进能直接触达客户的渠道，而不是再发一只新基金。

   展开全文收起

   依据

   Coinbase 金融服务与忠诚度产品负责人 Ben Shen 说，行业过去「非常技术导向」，产品满是术语、还把底层技术暴露给用户；现在与主流金融重叠，客户只想让钱长大、持有、转出、花掉或抵押，链在不在下面不是重点。他找的是「magic moments」（魔力时刻，用户一眼看懂产品为什么有用的瞬间），并把采用看成 flywheel（飞轮，自我强化的循环）：钱先进平台，客户有理由把钱留住，再有办法用掉——收工资、存款、持币拿奖励，最后消费、交易、支付。奖励用来打破 inertia（惰性，用户不愿把钱从已在用的产品搬走），但 Coinbase 明确不想促销一停钱就撤。WisdomTree 在扩大代币化基金（tokenized fund，把基金份额发到链上的产品）的分销，Kevin O'Leary 要求链上网络拿出真实成交而不是测试。瓶颈由此从「能不能造」移到分销与留存，而奖励成本由谁承担、促销结束后钱走不走，材料没给答案。

   1. 钱进入平台
      ↓→奖励打破惰性
   2. 有理由把钱留住
      ↓→找到用途
   3. 消费、交易、支付

   没写清 三段循环各自能留住多少钱、奖励到期后撤走多少，材料没有给出任何留存率或资金净流入数字；WisdomTree 的分销扩到哪些渠道、规模多大也未列出。

   下一步 等 WisdomTree 下一份季报或公告披露代币化基金的分销渠道与规模，看是否出现可核对的具体数字。

   原文 →

   剪报

2. 行业动态 · MIT Technology Review AI

   别被骗了——LLM不会推理

   以围棋第37手为由证明LLM不会推理，反例虽旧，却戳中能力边界的争论

   如果你在医疗、工程或科研场景评估 LLM，这份观点要求你把验收标准从“答得对”改到“能拿出可检查的推理状态”；否则 next-token prediction 的中间步骤仍不可追溯。

   展开全文收起

   依据

   作者 Thore Graepel 参与构建 AlphaGo，他回看 2016 年首尔那场五局赛：第二局第 37 手被 policy network（策略网络，负责猜强人类会走哪）判为专家人类大约 one in 10,000 才会走的选择，是 search machinery（搜索机制，负责展开并搜索游戏树）把它推了出来；AlphaGo 最终 4-1 击败李世石。作为对照，Deep Blue 在 1997 年靠人类硬编码规则，每步向前看 six to eight moves ahead per player，每秒评估 200 million 个国际象棋局面。今天 LLM 只反复挑 next token（下一个词元），chain of thought（思维链）仍由同一 next-token prediction 迭代产生，没有独立搜索；材料列出 Three shortcomings：没有显式、持久、可检查的 epistemic state（认知状态），知识与如何操作知识之间未分离，以及思维链常在答案出来后编造。医学、工程、科研不只问结论，也问结论怎么来。

   1. policy network 给候选
      ↓→供候选
   2. search machinery 展开游戏树
      ↓→复核
   3. Move 37 被选中

   没写清 材料没有给出今天任何具体 LLM 在医学、工程或科研任务上因缺少独立搜索机制而失败的可核对案例或基准分数，因此不能替它补上失败率或对比成绩。

   下一步 下一步可核对的是：是否有团队公开把显式的可检查推理状态与 next-token 模型分离，并在医学或科研任务上给出可复核的对照结果。

   原文 →

   剪报