最新

作为一名早期阶段的基金经理，我审阅了数百份投资提案。每年的提案质量都有所提升，但其背后的业务发展却未能跟上。 我的观察是：创始人往往更注重5分钟的第一印象，而投资者则关注5年的商业前景。演讲培训行业更倾向于追求表现而非清晰度。我见过的最佳提案往往不那么精致，但它们在投资者提出问题之前就已经回答了所有问题。 我很好奇其他人——创始人、投资者、运营者——是否也看到了同样的模式。提案是一个有用的推动因素，还是对实际工作的干扰？ 如果需要更多背景信息，我在这里写过相关内容： [https://www.pitchvault.ai/pitch-intelligence/pitch-deck-performance-vs-business]

我制作了一个讽刺性的浏览器游戏，与朋友们分享（《霍尔木兹浩劫》：你扮演一位美国总统，管理中东危机，游戏灵感“松散”地来源于当前事件）。制作这个游戏的过程非常有趣，但这并不是最有意思的部分。 有趣的是，在我与朋友们分享游戏后的几个小时内，他们中的一些人开始尝试通过启动一群AI机器人来攻占排行榜，目的是学习游戏并找出获得最高分的方法。这引发了一场猫鼠游戏，他们发现了漏洞，而我则试图修补这些漏洞。 在分享后的几个小时内，有人使用Claude浏览器扩展直接读取了game.js。得分公式、大部分动作效果值和奖励阈值都在客户端的JavaScript中，这对于任何人来说都是一件微不足道的事情，但人类玩家仍然需要玩游戏，而AI机器人则直接针对得分公式进行优化。这意味着第一个AI的得分已经比最佳人类玩家高出2.5倍，因为它是直接针对源代码进行优化，而不是通过玩游戏。 简单的解决办法：将整个游戏引擎移到服务器端。客户端现在只是一个简单的终端，它发送一个动作ID，接收一个渲染状态。浏览器中没有得分逻辑、没有奖励阈值、没有动作效果。实时得分显示使用了故意不同的公式作为误导。 这增加了找到机器人启用的黑客攻击的难度，因此随后的机器人尝试通过暴力破解游戏，试图操控随机数生成函数以及其他方法。 但下一个获胜的机器人发现了一个漏洞，即相同的签名会话令牌可以被重放。它会进行第N轮，观察到一个不好的随机事件，然后重放相同的令牌进行第N轮，得到不同的随机数结果，并保留最佳结果。有效地从一个游戏状态分支，挑选出30轮中的幸运结果。成功将之前机器人的高分提高了1.5倍。 这个机器人的自我描述是：“关键的优化是令牌重放。因为后端允许相同的签名状态被重放，我可以从一个确切的游戏状态重复分支，并在每一轮继续选择最幸运的高价值结果。” 解决办法是：在生成任何随机数之前，原子性地消耗一个轮次的随机数。 目前的状态是排行榜现在分为人类和AI辅助。我认为AI机器人的能力现在已经趋于平稳。也许Claude Mythos能够发现下一个可被黑客攻击的漏洞 ¯\_(ツ)_/¯ 如果你想深入了解上述内容，或者只是想享受游戏，欢迎随时尝试你自己的AI驱动的排行榜挑战！