
@Cornell Law | Primary markets, AI, Web3, RWA | Programmable Compliance
NYC / Shanghai
Joined August 2025
- Tweets277
- Following625
- Followers152
- Likes432
这次事件再次说明,API Key 没有提现权限,不代表资金就绝对安全。真正的安全边界,不仅取决于单个操作的权限,更取决于多个操作组合后能实现什么。
GCSA Insight | How 10.39 Million USDC Flowed Out of Lighter Through Public Pools
The compromised API key could not withdraw funds directly. Yet 10,393,057 USDC left Lighter’s Ethereum settlement contract on November 16, 2026. The receiving address then swapped the funds for approximately 5,764 ETH through CoW Swap.
Lighter’s post-mortem traced the key exposure to a trader’s custom signing code, which reused an ECDSA nonce. With order signatures available in public calldata, an attacker could recover the account’s API private key. Lighter said its official SDK was unaffected.
The public pool provided a route around the key’s withdrawal restriction. Lighter treated transfers into the creator’s pool as movements between accounts under the same owner. Other accounts, however, could hold and redeem shares in that pool.
Adding funds without issuing new shares increased the amount existing shareholders could redeem. Funds moved internally could therefore become accessible to another account.
Lighter has since introduced wallet-signature requirements for public-pool transfers and removed API signature data from public calldata. IP whitelisting and per-key limits are also planned.
The platform said its protocol, smart contracts and infrastructure were not compromised. A separate withdrawal attempt was blocked, and approximately 5 million USDC was returned. The final net loss remains unconfirmed.
Our analysis follows the timeline and examines where the permission model fell short. For anyone building or auditing a trading API, the question extends beyond whether a key can withdraw funds directly to whether its other permissions can produce the same result.
Read the full GCSA analysis
media.gcsa.com/en-US/news-37…
· Stay Connected with GCSA
Follow GCSA's official social media channels for the latest news, product launches, research developments, and ecosystem updates.
GCSA Official Telegram Channel:
t.me/gcsaofficial
GCSA Official WeChat Account:
mp.weixin.qq.com/s/MZadK42X1…
#GCSAInsight #GCSACybersecurity #GCSASecVibe
7
刚发完这位81岁老先生的故事,又想起昨天和一位国内的经济学博士生聊天,他说自己每天被数据处理和监控工作困住。我问为什么不用AI?他说本地部署太贵,云端又担心隐私,所以还在手工处理。
当然,数据安全是合理的顾虑。但很多工作完全可以让AI生成自动化脚本,再在本地运行,根本不需要上传原始数据。
我突然有种工业革命时期,有人还在坚持手工纺纱的既视感。😂
这两件事放在一起,真的很有意思:
81岁的退休律师,正在努力学习AI;年轻的经济学研究者,却可能仍被旧的工作方式困住。
我们生活在同一个公历年份,却未必生活在同一个技术时代。
年龄并不决定一个人距离未来有多远。
真正的分水岭,或许是你能否意识到:自己熟悉的那套工作方式,已经可以被重新设计了。
最近一直很好奇,Stanford PAI 这期有不少80岁以上的同学,我还猜他们是不是退休教授。
结果今天在论坛刷到一位81岁的老先生:退休律师,投资AI,现在又跑来Stanford学Probability for AI。😂
他说自己记忆力不如从前,课程视频需要反复看,但坚持学习新知的快乐让一切都值得。
他写道:“It's like trying to juggle except using ideas instead of objects.”
我看到「Retired Lawyer + AI Investor」直接笑出声。救命,这怎么这么像我未来可能走的路线??🤣
原来法律人最可怕的地方,是80岁了还在给自己找新课上。😂
#ProbabilityForAI #LifelongLearning
54
最近一直很好奇,Stanford PAI 这期有不少80岁以上的同学,我还猜他们是不是退休教授。
结果今天在论坛刷到一位81岁的老先生:退休律师,投资AI,现在又跑来Stanford学Probability for AI。😂
他说自己记忆力不如从前,课程视频需要反复看,但坚持学习新知的快乐让一切都值得。
他写道:“It's like trying to juggle except using ideas instead of objects.”
我看到「Retired Lawyer + AI Investor」直接笑出声。救命,这怎么这么像我未来可能走的路线??🤣
原来法律人最可怕的地方,是80岁了还在给自己找新课上。😂
#ProbabilityForAI #LifelongLearning
为什么最近的 ChatGPT 越来越像一个“职场老油条”?😂
比如你说“这个方案不错”,它却回你:“但这并不意味着没有风险,也不能保证一定成功。”
动不动就疯狂叠甲,反复澄清一些用户根本没产生的误解。
刚好这周 Stanford PAI 讲到了 Alignment 和 Post-training。我突然想到一个有趣的假设:如果“说错话”的惩罚远高于“说废话”的成本,模型是不是也会像职场新人一样,为了自保逐渐学会“先免责、再回答”?
这种过度防御,究竟是 RL 奖励机制下形成的策略,还是 Agentic harness 的约束逻辑与多轮对话中的上下文自我强化?
当模型越来越擅长避免犯错,却越来越不擅长解决问题,这是否也是一种 Alignment Failure?
#ProbabilityForAI #Alignment #AI
51
AI 模型真的有价值观吗?还是说,我们看到的其实是模型背后公司的价值观?
最近在Probability for AI 课程中,老师们反复强调一个理念:AI 不应该成为精英阶层的特权。
然而,当课堂上关于 AI 普惠的讨论走向现实,另一幅图景却正在浮现。
以 Claude 为代表的一些前沿 AI,让不少用户在使用时不得不小心翼翼:担心身份验证无法通过,担心地域限制,甚至担心长期使用的账号突然被封禁。
当我们一边鼓励更多人学习、创造和参与 AI,另一边却让部分用户为能否继续使用 AI 而担忧时,一个更根本的问题也随之浮现:
AI 的普惠理想,究竟由谁来定义,又由谁来决定它的边界?
这也让我重新思考 AI Alignment。
我们经常讨论如何让模型更安全、更可靠、更符合人类价值观。
但一个很少被追问的问题是:Whose values?
模型并不是在价值真空中诞生的。
从训练数据的选择、模型对齐、安全边界的设定,到产品层面的身份验证、地域准入和使用限制,背后都有不同程度的人为判断。
这些判断可能来自安全理念、法律义务、商业利益,也可能受到地缘政治环境的影响。
当然,模型的行为对齐与平台的准入治理并不是同一回事。前者决定模型如何回应,后者决定谁能够使用它。但它们共同揭示了一个事实:
AI 的能力由技术创造,而 AI 的使用边界在很大程度上由制度和组织决定。
我并不反对安全治理。AI 的广泛应用必然伴随着风险控制、责任分配与必要的准入机制。
但当 AI 逐渐成为知识生产、科研和商业创新的基础设施,我们是否也应该重新审视这些机制的透明度、比例原则与可申诉性?
过去,知识不平等意味着谁有机会接受教育。
未来,智能不平等可能意味着:即使拥有同样的知识、能力和创造力,不同的人也未必能够获得同样的 AI 工具。
技术正在降低创造的门槛,但新的准入机制也可能重新筑起围墙。
这也是为什么我认为,开源模型、模型可迁移性和多供应商生态,不只是技术路线的选择,也是避免智能能力过度集中于少数平台的重要路径。
AI Safety 和 AI Accessibility 不应该是非此即彼的关系。
真正的问题或许不是 AI 应不应该有价值观,而是:谁有权将自己的价值判断转化为所有人的使用规则?这种权力又应该受到怎样的约束?
我们一直在讨论如何让智能民主化,却很少追问:当智能成为基础设施,谁有权决定谁能使用它?
#AIGovernance #AIAlignment #AIForAll
132
Alex Fan retweeted
最近参观了一些 AI 用得很成熟的团队,也研究过一些很优秀的agent和工作台。发现照搬过来完全行不通。
原因是违反了Gall定律了。
【Gall 定律:一个能正常运行的复杂系统,一定是从一个能正常运行的简单系统演化而来的。从零设计的复杂系统永远无法运行,也无法修补成可运行的状态。】
这很好地解释了为什么“抄最佳实践”经常失效。
我们看到的是别人已经长成的系统,却看不到它是怎么一步步长出来的。
那些流程、规则、Skill、Agent,很多都不是一开始规划好的,而是在业务里先跑一个简单版本,再根据一个个真实问题慢慢加出来的。
所以现在我研究优秀的 AI 团队,不关注他的大而全的工作台。而是:“他最开始解决的那个小问题是什么?下一步为什么会多出这个东西?”
成熟系统可以用来理解方向,但自己的 AI 系统,还是得从一个真正能跑的小系统开始。
复杂是长出来的,不是规划/抄出来的。
最近看到一个观点很有启发:以前觉得有厂房、有土地、有物业才叫财富,现在反而是现金流和流动性更让人安心。
因为资产最大的风险,有时候不是贬值,而是你想变现的时候,根本没有人接。
这让我想到,财富的逻辑可能正在从 Ownership(拥有资源)转向 Access & Coordination(获取和组织资源的能力)。
过去,财富更多来自对稀缺资产的占有;现在,你不一定需要拥有服务器、雇佣庞大的团队,甚至不需要掌握全部资本,也可以通过技术、网络和协作撬动大量资源。
但流动性不等于价值。真正有价值的,是持续创造现金流的能力,以及在不确定环境下保留选择权的能力。
经济学里有个概念叫 Real Options(实物期权)。有时候,能够等待、拒绝、转向,不必在错误的时间做出不可逆的决定,本身就是一种财富。
财富的高级形态,不是拥有多少东西,而是拥有多少选择权,以及把选择转化为结果的能力。
尤其在AI时代,当技术和执行的成本不断下降,真正稀缺的可能不再是生产资料本身,而是判断力、信任、资源配置权,以及承担结果的能力。
未来的财富竞争,或许不只是比谁拥有更多资产,而是比谁能更有效地组织资源、创造价值,并且始终保有选择的自由。
65
最近看历史,除了权谋与人心,最让我感慨的反而是文学的力量。
历朝历代,王侯将相更迭,多少人机关算尽、争权夺利,试图主宰一个时代。可千百年后,那些显赫一时的权力早已烟消云散,失意诗人留下的寥寥数语,却依然能让后人为之动容。
“大江东去,浪淘尽,千古风流人物。”
“无边落木萧萧下,不尽长江滚滚来。”
即使到了 AI 时代,机器可以模仿诗歌的格律与辞藻,却很难复现那些文字背后真实的生命、命运与时代。
而最浪漫的事情莫过于,千年后的我们读到一句诗,竟发现一个早已消逝的人,精准地表达了自己此刻的心境。
那一瞬间,千年的时间仿佛不存在了。
权力试图占有当下,艺术却可能拥有未来。
帝王征服土地,诗人征服时间。
1
112
奇绩创坛被 OFAC 制裁,我更关注的不是“被投企业会不会连坐”,而是这件事暴露了 AI 投资尽调中一个长期被低估的问题:技术能力与技术权利是两回事。
美国法院记录显示,丁林伟创办的公司曾获得奇绩关联投资方 500 万元投资,对应 7% 股权。但投资涉案企业,不等于投资机构必然知情或参与窃密,这两件事必须区分。
真正值得行业反思的是:一家 AI 公司能够展示技术成果,不代表它能证明核心技术的合法来源。
过去,技术尽调更多关注产品能否实现、性能是否领先。未来还必须进一步验证:代码、模型、数据及相关知识产权的来源和授权链条是否清晰?
我认为,技术来源证明不应该只是尽调报告里的几行字,而应该成为融资交割前可以验证的合规条件。
AI 创业不仅需要证明 what you can build,还需要证明 what you have the right to build。
🚨中国最著名的投资机构之一的奇绩创坛被美国政府制裁了。
根据美国财政部OFAC于10月19日发布的官方公告,奇绩的投资管理公司、人民币一期基金、人民币二期基金,以及致远企业管理主体,共4家实体被列入制裁名单。
同批被列入的还有上海至算科技。
这次依据的是美国《2022年保护美国知识产权法》(PAIPA),措施涉及美国管辖范围内的资产冻结、外汇和银行交易限制,以及美国人对这些受制裁主体的股权、债务投资限制。
这次制裁,牵涉到前谷歌工程师丁林葳窃取谷歌AI商业机密的案件。
根据美国司法部披露,丁林葳在谷歌任职期间,将超过2000页内部机密资料上传到个人云账户,内容涉及TPU、GPU系统、芯片通信,以及管理大规模计算集群的软件等技术。今年1月29日,美国联邦陪审团裁定他7项经济间谍罪和7项窃取商业秘密罪成立。
他在国内创办的上海至算科技,曾获得奇绩的种子投资,并通过奇绩的路演向投资人展示公司。按照美国国务院今天公布的说法,丁林葳在申请孵化项目和路演时,强调自己掌握谷歌的内部技术,宣称能够复制谷歌的AI基础设施。
美国国务院给出的制裁依据,是其认定奇绩为相关商业秘密窃取活动提供了重大支持。奇绩旗下的另外三个主体,则因与奇绩的控制或代理关系,一并被列入制裁名单。
对奇绩的被投企业来说,接下来的融资和退出安排,确实需要重新评估了。
具体影响要看股权结构。按照OFAC的50%规则,一个或多个受冻结主体,直接或间接合计持股达到50%,被投企业也会进入自动冻结范围。
假设一家受制裁基金持股7%,所有受冻结股东加起来也低于50%,这家公司就不会因为这条规则自动被冻结。
比如,新一轮融资要不要奇绩参与签约,老股转让、回购和分红怎么处理,退出款项怎么支付,以及交易里有没有美国投资人、美国银行或美元清算环节。这些都得结合受制裁主体的实际权益,逐项核查。
我比较担心的是融资节奏。合规尽调一旦增加,部分交易的交割时间可能就会往后拖。对正在等下一轮钱到账的早期团队来说,这会直接影响招聘、研发和现金流安排。
准备接美资、做美元融资或者筹划海外退出的团队,现在可以先把股东名册和正在谈的融资协议拿出来,跟投资人、银行和律师重新过一遍。
早期拿谁的钱,后面还能接谁的钱,以及最终怎么退出,这几件事得放在一起考虑了。
2
131
Alex Fan retweeted
见贤思齐焉,见不贤而内自省也
靠谱,持续迭代,情绪稳定,第一性原理,是这个时代最宝贵的品质,少被媒体带偏
在靠谱的圈子里获得靠谱的评价,是最好的通行证
需要选好环境,遵从自己的内心,前行的路上,一定会遇到越来越多同行者
之前有些朋友问我,AI 到底该怎么学?
聊多了我发现,很多人其实并不是对 AI 本身有多感兴趣,而是出于 FOMO:害怕错过,害怕落后。于是急着入场,尝试一两次,发现没有立竿见影的回报,又很快放弃了。
也经常有人问我,为什么业余时间还要去上斯坦福的概率论网课?为什么总去参加各种活动、黑客松?这些到底有什么用?
因为好玩啊。其实起点就是这么简单😂
我其实是一个很有规划的人,但这并不意味着,我需要把人生的每一步都安排得严丝合缝,更不意味着每次探索都必须有明确的 ROI。
恰恰相反,我发现很多意想不到的机会、灵感和连接,都是在这些看似漫无目的的探索中自然发生的。有时候随手开启一条支线,反而会意外掉落服务于人生主线的重要线索。
FOMO 可以驱动一个人开始,但真正的兴趣,才能让人一直玩下去。
我喜欢有方向地生活,也喜欢不知道下一步会遇见什么的惊喜。
这两件事,从来不矛盾。
93
🏆 昨天在@awscloud AI-DLC 先锋创造营,我们「本地明明好的」学院成功 Deploy,拿下第一名,创意项更是斩获 93 分😆
作为组长,我主要负责构思核心创意与玩法机制,特别感谢团队里一群靠谱的资深工程师队友,大家借助 @kirodotdev 和 AI-DLC 工作流高频调试、验证,在不到三个小时里,硬是把一个有点抽象的脑洞变成了好玩的实机 Demo。
这次实战最直观的体感是:AI-DLC 不只是加快了写代码的速度,更是真正打通了从需求拆解、开发到测试反馈的极速迭代闭环。
当 AI 不断拉平技术实现的门槛,人的创造力、判断力,以及捕捉时代情绪的能力,反而变得越来越有价值。
创意负责打开想象力,工程负责让它照进现实,完美 Deploy!🚀
96
今天听亚马逊云科技(AWS)的 AI-DLC 2.0 分享,一个很有意思的趋势:Agent 系统正在主动限制 LLM 的决策权。
14 个 Agent、11 种 Workflow Profiles 看起来很炫,但真正值得关注的是背后的设计:Conductor + 确定性状态机决定 what next,LLM 只负责 how。审查、审批和验证被嵌入执行流程,而不是依赖模型自觉遵守。
但这也引出了一个新问题:当 Workflow 可以动态组合、裁剪,哪些约束必须始终不可跳过?
下一阶段的 Agent Engineering,可能不再是让模型拥有更多自主权,而是精确设计自主权的边界。
AWS 的 AI-DLC 2.0 也许正在展示一种新的方向:让 Agent 更强大,但让系统对它的行为拥有更清晰、更可靠的控制。
More agents ≠ Better governance.
#亚马逊云科技 #AIDLC
1
106
原著里说“真正重要的东西,用眼睛是看不见的”,但当 AI 把文字里的 B612 星球变成眼前可探索的立体世界时,那种跨越时代的温柔依然直击人心。这就是科技赋予经典文学最浪漫的重生🌹
花费16天,我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏
结合Tripo+Blender,Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景
希望大家能支持一手,后续会开源整个游戏,以及详细制作流程
Welcome to The Little Prince: Across the Stars✨:littleprince.dev/
1
108
技术降低了创造的门槛,而我们的专业积累,决定了能提出什么样的问题。
@StanfordCodeIP Probability for AI 第一周打卡完成!📚
第一周从概率公理、独立性、条件概率,一路推到全概率公式和贝叶斯定理。@chrispiech 把节奏放得比较基础:先建立共同的数学语言,再逐步深入 AI 的训练、推理与评估。
但这门课最打动我的,不只是数学本身,而是它正在探索的一种 AI 教育新范式。
分享三个这周最大的体会:
1. 当 Coding Agent 降低技术门槛,Domain Knowledge 的价值开始凸显
Chris 发起这门课的初衷,是希望理解 AI 不再是少数拥有高等数学和 CS 背景的人的特权。同学中不仅有程序员,还有歌剧演员、曾在乞力马扎罗山参与救援的医生,以及开发野火检测 App 的 13 岁少年。
这让我想到,AI 教育的意义,或许不只是培养更多懂技术的人,而是让深耕不同领域的人,拥有把专业经验和直觉转化为产品的能力。歌剧演员对声音的敏感、医生在复杂环境下积累的判断力,或者在我自己的领域里,将法律与监管的不确定性转化为 AI 和金融系统中的可执行约束。这些来自不同领域的知识、经验和问题意识,都可能成为 AI 应用创新的起点。
当「做出来」变得越来越容易,「知道什么值得做」反而更加珍贵。
2. 双向学习:用概率理解 LM,再借助 AI 建立概率直觉
这周我通过 Coding Agent 完成了三个小项目:Word Detective、Inference Time Calculator 和 Medical Test Detective。
比如学习全概率公式和贝叶斯定理时,课堂设计了一个 Gemini 与人类文本检测器:先计算不同来源的文本被标记的总体概率,再根据检测结果,反向推断被标记的文本来自 Gemini 的条件概率。随后,我又在 Medical Test Detective 中应用同样的贝叶斯逻辑,尝试调整疾病的基础患病率、检测灵敏度和假阳性率,观察这些参数如何改变阳性结果所代表的含义。原本抽象的先验概率、条件概率和贝叶斯更新,借助 Coding Agent 变成了可以交互、验证和反复实验的小应用。
我很喜欢这种双向学习方式:一边用概率理解语言模型的工作原理,一边借助 AI 的实际应用,反过来建立对数学概念的直觉,这样不再只是记住一个公式,而是真正理解为什么基础概率会改变我们对证据的判断。
3. “We're all teachers and learners.”
这门课还有 500 多名志愿 Section Leaders,来自世界各地,带领不同背景的同学进行小组讨论。Chris 提出了一个我很喜欢的理念:我们既是学习者,也是老师。
学生不再只是被动接收知识,也可以帮助其他同学理解问题,分享来自不同专业的经验;老师同样可以从学生的跨领域视角中获得新的启发。
我觉得 AI 时代的教育变化,不只是引入更多智能工具,也可能是传统师生关系的重新组织。真人教学负责启发、讨论与协作,Coding Agent 则让每个人都能按照自己的节奏动手创造、验证想法。AI 在这里并没有取代教育中人与人的连接,反而让一个跨越年龄、专业和地域的学习社区,有机会创造更多东西。
未来参与 AI 创造,或许不必先花几年成为全职程序员。我们可以带着已有的行业积累、经验与好奇心进入 AI,在学习中创造,也在创造中学习。
Week 1 done. Five more weeks to go! 🚀
#Stanford #ProbabilityForAI #CodingAgents #AI
很喜欢这期 Indigo Talk,尤其是从 Vibe Coding 的 Burnout 聊到 AI 时代的文艺复兴。
有一个很有意思的反差:一个人用 Agent 做出了三十多个产品,生产力获得了前所未有的释放,最后却陷入了倦怠。
我们总以为技术进步会给人带来更多闲暇,但历史似乎没那么简单。效率提升所释放的时间,也可能迅速被新的竞争和更高的预期重新占据。
工具已经开始进入文艺复兴,人的工作方式却仍然深受工业时代的绩效逻辑支配。
所以我反而更好奇:如果 AI 真的让创造变得如此便宜,我们最终会选择创造更多,还是终于有自由选择少做一些?
1
112
云端 Agent 确实是趋势,但不太认同「Claude Code/Codex 都会消失」以及「未来大模型都是究极版 Manus」的判断。
模型原生具备 Agent Loop 能力,不代表运行时基础设施会消失。任务调度、状态管理、权限控制、失败恢复、执行审计,这些问题不会因为模型更强就自动解决。
同样,云端托管会成为主流交付方式,但不意味着本地和混合部署会消失。
Manus 提前验证了一种产品形态,但不一定定义了 Agent 的终局。
Agent 可能不会消失,而是逐渐从独立应用下沉为基础设施。
5
3
194
被 Stanford 的 Probability for AI 录取了 😆
很喜欢这个课的设计:6 周,每周一个 probability concept + 一个 AI project,还有小组 section 一起讨论,最后会做一个自己的 final project。
更有意思的是,这居然是第一届 PAI。学生们来自 150+ 个国家,年龄从 13 岁到 80+,甚至还有 19 位 80 岁以上的学生。这本身就是一个很有意思的AI教育实验。
AI 越往下学,越觉得 probability 不只是“前置知识”,而是一种理解 uncertainty、model behavior 和 decision-making 的语言。
New side quest unlocked.
希望六周之后,能带走一些新的 insight。
2
3
135



















