配对关系黑名单：

SHI XIAOLONG

18 Feb 2026 — 1 min read

配对关系黑名单：

AERO/USDC:USDC base=SNX/USDC:USDC
CRV/USDC:USDC base=TIA/USDC:USDC
CRV/USDC:USDC base=SNX/USDC:USDC
SUSHI/USDC:USDC base=SNX/USDC:USDC

XRP/USDC:USDC base=FET/USDC:USDC

SUPER/USDC:USDC base=SNX/USDC:USDC
UNI/USDC:USDC base=SNX/USDC:USDC
UNI/USDC:USDC base=IMX/USDC:USDC
UNI/USDC:USDC base=SUPER/USDC:USDC
UNI/USDC:USDC base=LINK/USDC:USDC
UNI/USDC:USDC base=TRUMP/USDC:USDC
UNI/USDC:USDC base=SUSHI/USDC:USDC
UNI/USDC:USDC base=ETH/USDC:USDC
UNI/USDC:USDC base=DYDX/USDC:USDC
UNI/USDC:USDC base=AIXBT/USDC:USDC
UNI/USDC:USDC base=BOME/USDC:USDC
UNI/USDC:USDC base=AIXBT/USDC:USDC
UNI/USDC:USDC base=W/USDC:USDC
UNI/USDC:USDC base=AR/USDC:USDC

CELO/USDC:USDC base=MINA/USDC:USDC
ORDI/USDC:USDC base=YGG/USDC:USDC

INJ/USDC:USDC base=SEI/USDC:USDC

WIF/USDC:USDC base=PUMP/USDC:USDC
WIF/USDC:USDC base=FARTCOIN/USDC:USDC
WIF/USDC:USDC base=TIA/USDC:USDC

INJ/USDC:USDC base=OP/USDC:USDC

XAI/USDC:USDC base=USUAL/USDC:USDC
XAI/USDC:USDC base=AERO/USDC:USDC

PROVE/USDC:USDC base=ALT/USDC:USDC
GOAT/USDC:USDC base=IMX/USDC:USDC

LINK/USDC:USDC base=SAND/USDC:USDC
LINK/USDC:USDC base=UMA/USDC:USDC
DYDX/USDC:USDC base=AERO/USDC:USDC

APE/USDC:USDC base=SAND/USDC:USDC
PROVE/USDC:USDC base=ETHFI/USDC:USDC
ARB/USDC:USDC base=OP/USDC:USDC
kNEIRO/USDC:USDC base=NEAR/USDC:USDC
MNT/USDC:USDC base=EIGEN/USDC:USDC
SCR/USDC:USDC base=BNB/USDC:USDC
MNT/USDC:USDC base=SUI/USDC:USDC
ARB/USDC:USDC base=SEI/USDC:USDC
FET/USDC:USDC base=ADA/USDC:USDC
USUAL/USDC:USDC base=SUPER/USDC:USDC
UNI/USDC:USDC base=DOT/USDC:USDC
PUMP/USDC:USDC base=TIA/USDC:USDC
NEAR/USDC:USDC base=AERO/USDC:USDC

Read more

跑步的技巧（滚动落地）

“滚动落地（rolling contact / rolling foot strike）”不是一种教条式的“脚法”，而是一种让冲击沿着整只脚、整条后链逐级传递的落地机制。它的核心不是“你先用哪儿着地”，而是：你的脚落地之后，冲击是不是像轮子一样滚过去，而不是像锤子一样砸下去。这就是滚动落地的本质。一、什么叫“滚动落地”？你可以把它理解成两种完全不同的落地方式： 1. 砸地（撞击式）脚像锤子一样拍到地上： * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷结果就是： * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式这叫撞击式着地（impact strike）。 2. 滚地（滚动式）脚像轮胎一样“滚”过地面： * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

AMI的优越性

世界模型（World Models）的具体例子如下，我按类型分类，便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列（最直接对应“世界模型”概念）这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA（Image JEPA，2023）输入一张图像，模型把不同区域（context 和 target）编码成抽象表示，然后预测 target 的表示（不在像素级别重建）。例子：给定一张遮挡了部分物体的图片，模型能预测“被遮挡物体的大致位置和属性”，构建对物体持久性和空间关系的理解。这是一个“原始世界模型”，能学习物理常识（如物体不会凭空消失）。 * V-JEPA / V-JEPA 2（Video JEPA，

什么是：“世界模型（World Models）”

世界模型（World Models）是人工智能领域的一个核心概念，尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示，让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。简单比喻想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”（digital twin）或“内部模拟器”：它不是简单记住数据，而是学习世界的动态、因果关系和物理直觉（如重力、物体持久性、遮挡、因果等）。为什么需要世界模型？当前主流的大型语言模型（LLM）擅长处理文本（统计模式预测），但存在根本局限： * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标当前 Beta 套利策略的 K 线周期硬编码为 "1h"，分散在多个文件中。需要： 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL，使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件（共 6 个）文件硬编码位置修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段，