邪恶acg邪恶|考えて見れば最初の徴候はうまく手紙が書けなくなってきたことでした。十一月のおわりかc十二月の始めころからです。それから幻聴が少しずつ始まりました。彼女が手紙を書こうとするとcいろんな人が話しかけてきて手紙を書くのを邪魔するのです。彼女が言葉を選ぼうとすると邪魔をするわけです。しかしあなたの二回目の訪問まではcこういう症状も比較的軽度のものだったしc私も正直言ってそれほど深刻には考えていませんでした。私たちにはある程度そういう症状の周期のようなものがあるのです。でもあなたが帰ったあとでcその症状はかなり深刻なものになってしまいました。彼女は今c日常会話するのにもかなりの困難を覚えています。言葉が選べないのです。それで直子は今ひどく混乱しています。混乱してc怯えています。幻聴もだんだんひどくなっています。-威尼斯人2299

　　界面新闻记者 | 刘晨光

　　一则假冒香港行政长官“炒币”的信息在网络上引发热议。

　　近日，一个名为“john lee ka-chiu“（与香港特首李家超同名，并用上其头像）的社交媒体x账号发布贴文，声称将在solana区块链上发行名为“香港代币”（national hong kong coin）的加密货币，消息随即在网络上流传，引发市场热议。

　　此后，中国香港特区政府发布新闻公报，特区政府发言人告诫市民，切勿误信网上假冒行政长官李家超公布在区块链上发行香港代币（launch of the national hong kong coin）的信息。香港特区政府严正澄清，有关信息绝非事实、存心诈骗，并对不法之徒假冒行政长官发放虚假信息，予以严厉申斥。

　　界面新闻记者了解到，此类现象在业内并不少见，但如果直接冒充政府发布，那这种行为已经涉及违法。

　　据该账号后续发布的内容显示，“我很自豪地介绍solana上的spearl--一种受我们充满活力的城市启发的数字代币，这座城市被称为‘东方之珠’就像我们的城市一样，spearl代表着繁荣、创新和全 球联系。

　　查询发现，该币最新的币值仅有0.05美元，其最近的高点为2月25日的0.23美元，随后一路下挫。

　　截止到发稿前，界面新闻记者已经在社交网络上搜寻不到该账号。

　　上海曼昆律师事务所创始人刘红林告诉界面新闻，从整体来看，“假冒李家超代币”这种事情，本质上是借政府名义进行市场投机，甚至可能涉及欺诈。不仅在法律上风险极高，对整个行业的健康发展也不利。

　　刘红林认为，这种事在加密行业并不罕见，市场上有各种“蹭名人”炒作的代币，但如果直接冒充政府发布，那性质就完全不一样了，这种行为极有可能已经违法。假如项目方明知自己不是官方机构，却故意伪造政府背书的信息，误导投资者，甚至涉及融资，那就很可能构成欺诈或虚假陈述。香港的《商品说明条例》明文禁止误导性商业行为，而如果涉及欺诈性投资、非法集资，可能会触犯《证券及期货条例》甚至《刑事罪行条例》。

　　中国通信工业协会区块链专委会共同主席，香港区块链协会荣誉主席于佳宁接受界面新闻记者采访时表示，当前虚拟资产领域诈骗手法有所演进与复杂化。此类诈骗行为已从简单的钓鱼邮件发展为精心设计的身份冒充策略。

　　于佳宁认为，在虚拟资产市场，名人效应往往能够迅速催化市场情绪，导致短时间内资金大量涌入或撤离。这种情绪化的市场行为，助长了诈骗行为的生存空间，同时也放大了市场的波动性，使投资者面临更高的风险。

　　例如，一度爆火的川普币与阿根廷总统米莱推广的libra币在早期因名人效应而获得市场关注。市场参与者多基于情绪与预期进行交易，而非对项目基本面的理性评估，导致价格走势更接近博弈结果，而非传统金融资产的价值发现过程。

　　政治人物背书的虚拟资产与假冒李家超发行“香港代币”的行为存在本质区别。前者虽极具投机性，但确实由相关政治人物或其支持者发起；而后者纯属诈骗行为，完全虚构政府背景，意在直接侵占投资者资金。

　　“这种区别体现为合法与非法、真实背书与虚假冒名之间的界限。但两者又存在某种连续性，政治人物背书的虚拟资产通常模糊其实际技术价值与应用前景，过度依赖发起人声誉。这种信息不对称与认知偏差正是诈骗者得以利用的心理基础。”于佳宁告诉界面新闻。

　　刘红林认为，从香港监管的角度来看，首先要加强信息透明度。明确哪些公司或者项目是真正获批的，哪些只是市场行为，减少投资者因信息不对称而被骗。其次，加强监管打击。sfc（证监会）、金管局应该密切关注市场上的“假官方代币”，及时发布警示，并迅速采取法律行动打击不法行为。这不仅是为了保护投资者，也是在维护香港的金融市场信誉。

　　另外，刘红林建议，投资者教育，减少被收割的可能性。交易所、主流行业媒体应该对明显带有欺诈性的信息进行澄清，防止不良项目蔓延。对于投资者来说，关键还是提高信息甄别能力，养成查证项目背景的习惯，不要盲目跟风。

　　于佳宁指出，这一骗局确有其难以完全杜绝的特性，香港方面已经展现了迅速而果断的应对措施。政府部门严正驳斥不实消息，并将相关事件移交警方处理，能抑制骗局的扩散速度。专业教育与培训有利于提升社会整体的识别能力。当人们能够理解区块链技术的基本逻辑，以及各类虚拟资产在经济体系中的风险分布，不法分子的诈骗手段便难以施展。

　　此外，也有资深币圈人士表示，香港购买数字货币不违法，但发币方主动来行骗就是另一回事。投资者要避免踩坑，可以从以下几点入手：

第一，看信息来源。真正的政府公告，通常会在官方新闻网站、政府公报、sfc（香港证监会）等权威渠道发布，而不是某个社交媒体账号或者小网站突然冒出来的消息；

第二，看发行主体。一个项目如果真的是正规项目，它的背后应该有明确的法律主体、注册信息、公开团队，而不是匿名团队或者ppt白皮书；

第三，看交易方式。许多骗局会引导用户在非正规的dex（去中心化交易所）交易，甚至通过社交媒体拉人投资，这些都是高风险信号。

责任编辑：王若云

蔡政妃（记者 叶素菱）03月12日,肯德基涨价了！全球知名快餐品牌肯德基中国在2024年12月24日启动了调价，这是该品牌近两年来首次产品价格调整。值得注意的是，早前另一知名餐饮品牌蜜雪冰城也曾宣布涨价。据悉，此次肯德基中国调价平均涨幅为2%，具体调整范围在0.5元至2元不等，旨在更好地适应市场成本变化，确保企业能够持续稳定健康发展。肯德基中国相关负责人表示：结合运营成本的变化，公司会定期评估谨慎调整价格结构。值得注意的是，尽管部分产品价格有所上调，但肯德基中国广受欢迎的优惠套餐，如“疯四”特惠、“疯日”活动、“ok餐”以及“儿童餐”等，将维持原价不变。这一举措旨在继续为消费者提供性价比高的用餐选择，满足不同消费群体的需求，同时也充分考虑到了顾客的消费习惯。面对肯德基此轮调价，大多数消费者表示理解，“经营成本上涨，现在都在涨价，肯德基涨得也不多”，“疯四没涨价！疯四没涨价！”。据了解，肯德基1987年来到中国内地，一直致力于为消费者提供卓越的餐饮体验，并始终保持对市场动态和消费者多元需求的关注。肯德基一直没有停止创新，以原味鸡的创新为例，2024年，肯德基对经典产品原味鸡进行创新，经过反复试验，成功开发了不少新产品。这些新产品丰富了肯德基的产品线，受到了消费者的热烈欢迎。在服务模式创新方面，肯德基也走在了前列。针对咖啡市场的激烈竞争，肯德基推出了肩并肩的新模式，将肯悦咖啡与kfc店开到一起，共享资源，实现了快速发展。目前，肯悦咖啡已经拥有600家门店，成为真正意义上的专业咖啡品牌。肯德基中国负责人进一步表示，未来肯德基将在继续提供高品质餐饮服务的基础上，密切关注消费者需求的变化，努力为消费者带来更丰富的选择和更优质的服务。作为肯德基中国的上市主体，今年11月百胜中国（纽交所：yumc；港交所：9987）发布2024年第三季度财务业绩报告，总收入达到30.7亿美元，为历史最高季度，核心经营利润同比大幅增长18%。截至2024年9月30日，百胜中国门店总数增至15861家，其中11283家为肯德基和3606家为必胜客。值得注意的是，近期大型餐饮业涨价情况并不罕见。早前另一知名餐饮品牌蜜雪冰城也曾宣布涨价。有广州、深圳等地的蜜雪冰城门店在小程序上发布公告称“综合门店经营情况，12月16日起，本店堂食/小程序app饮品（含冰淇淋系列）门市价加1元”。蜜雪冰城总部客服回应采访时称，“综合考虑市场因素和门店经营，我们针对个别区域产品进行了统一调整，其他区域的价格维持不变。”但随着内需持续提振，餐饮消费有望加速回暖。湘财证券指出内需提振和餐饮消费的回暖是推动食品饮料行业上涨的主要因素。中央经济工作会议明确提出2025年将实施更加积极有为的宏观政策，扩大国内需求，并将“促销费、扩内需”作为重点任务。11月，全国社会消费品零售总额同比增长3.0%，餐饮收入同比增长4.0%，显示出消费市场的复苏迹象。此外，多地发放消费券刺激线下消费，预计随着年底消费旺季的到来及更多消费券的发放，餐饮链将率先回暖。责编：梁秋燕校对：高源

蔡政妃（记者 毛萱豪）03月12日,12月30日消息，京东科技宣布落实20薪计划，2025年将实现全员平均20薪。这是京东集团继公布2024年年终奖发放计划和超2万名京东客服涨薪通知后，在24年底再次落地大规模加薪计划。据悉，京东科技是京东集团旗下专注于以技术为客户服务的业务子集团，为城市、企业、金融机构和个人用户提供金融科技产品与技术服务。（易智）本文来自网易科技报道，更多资讯和深度内容，关注5845vip威尼斯电子游戏。

新智元报道编辑：编辑部 hyz【新智元导读】sakana ai联合mit、openai等机构提出了全新算法，自动搜索人工生命再达新的里程碑！不需要繁琐手工设计，只通过描述，ai就能发现全新的人造生命体了。就在刚刚，由transformer八子创立的sakana ai，联合来自mit、openai、瑞士ai实验室idsia等机构的研究人员，提出了「自动搜索人工生命」的新算法！论文地址：https://arxiv.org/abs/2412.17799言归正传，alife，即「人工生命」，是一门跨学科研究，旨在通过模拟生命的行为、特性和演化过程来理解生命的本质，通常结合了计算科学、生物学、复杂系统科学以及物理学等领域。人工生命（alife）的研究中，蕴含着能够推动和加速人工智能进步的重要洞见。如果能用ai加速人工生命的发现，人类就会加深对涌现现象、进化机制和智能本质的理解，而这些核心原则，可以为下一代ai系统提供灵感！而这次研究者们提出的算法，可以使用视觉-语言基础模型自动发现人工生命。以往，人工生命模拟的每一个微小细节规则，往往都需要繁琐的手工设计；但现在，只需要描述要搜索的模拟空间，asal就可以自动发现最有趣、具有开放式的人造生命体了！由于基础模型的广泛通用性，asal可以在各种经典的人工生命模拟中发现新的生命形式，包括 boids、particle life、生命游戏（game of life）、lenia和神经元胞自动机（neural cellular automata）。已发现的生命形式的例子甚至，asal还发现了一些全新的元胞自动机规则，比原始的康威生命游戏更具开放式和表现力。研究者相信，这种全新的范式能够克服手动设计模拟的瓶颈，重新激发人工生命研究的热情，从而突破人类创造力的极限，让这一领域再上一层楼。研究一出，网友们就炸翻了。有人说，这项惊人的工作，是释放ai的力量，重新定义人工生命。有研究者表示，自己多年以来一直在尝试类似的事，用随机数学运算符作为基因，来模拟行为进化。但他们的这项研究，是一个更精彩的版本。自主智能创造人工生命，听起来，我们似乎在扮演上帝的角色。更有趣的是，这项研究是否可以用来观察意识的诞生？ai自动搜索「可能的生命」生命是什么？这个看似简单的问题，却蕴含着无尽的探索空间。现实世界中，我们只能去观察和研究已知的生命形式。但是，通过计算机模拟，科学家们正在探索一个更宏大命题——可能存在的生命。这也是人工生命（alife）研究的核心。通过计算机来研究生命，便意味着需要搜索、绘制整个可能的模拟空间，而非是单一的模拟。它能够让研究人员弄清，为什么以及如何通过不同模拟配置，会产生不同涌现的行为。alife在模拟中进化和学习机制丰富多样，但其基础性突破一个主要障碍是缺乏系统性方法来搜索所有可能的模拟配置。传统上，研究人员主要依靠直觉和经验，去设计猜测这些「人工虚拟世界」的基本规则。另一个挑战便是，在复杂系统中，简单部件大规模相互作用，可能会产生完全意想不到的涌现结果。最最重要的是，这些现象很难，甚至不可能提前预测。这种不可预测性使得设计出，能自我复制、生态系统动态等特性的模拟变得极其困难。也正因此，当前alife领域的研究往往通过手动设计模拟，而且这些模拟也仅针对简单、可预测的结果，从而限制了意外发现的可能性。那么，什么才是最好的解决办法？sakana ai、mit、openai等人认为，自动化搜索模拟的方法，能够扩大探索范围，从根本上改变alife研究方式。当前，也有很多团队尝试通过复杂生命度量、复杂性、有趣程度去量化alife，但这些指标几乎总是无法完全捕捉人类对这些概念的细微理解。asal开创性框架对此，新研究中提出了一个创新方案：利用基础模型（fm）来自动化搜索合适的模拟。基础模型们基于大量自然界数据完成训练，形成了与人类形式的表征能力，甚至可能正在趋向于真实世界统计特征的「柏拉图式」表征。正是这一特性，使得fm成为量化人工生命复杂性的理想工具。基于这个思路，团队提出了自动化人工生命搜索（asal）全新框架，如下图所示。研究人员首先定义一组感兴趣的模拟，称为「基质」（substrate）。基质s包含任何感兴趣的人工生命模拟集合（例如所有lenia模拟的集合）。这些模拟可能在初始状态、转换规则或两者都有所不同。s由参数θ定义，该参数确定了一个包含三个组件的单一模拟：- 初始状态分布init_θ- 前向动态阶跃函数step_θ- 渲染函数（将状态转换为图像）render_θ这里，需要说明的是，渲染函数的参数化和搜索并非是必要的，但在处理先验不可解释的状态值时，才是必要的。将这些项连接在一起，定义一个函数θ，它对初始状态 s_0 进行采样，运行模拟t步，并将最终状态渲染为图像：最后，两个附加函数vlm_img(⋅) 和vlm_txt(⋅) 通过视觉语言fm嵌入图像和自然语言文本，应用相应的内积运算 <⋅,⋅>，以便实现该嵌入空间的相似度测量。与此同时，asal包含了三个基于视觉-语言基础模型（fm）的算法，它们通过不同类型自动化搜索发现人工生命。具体包括：监督目标搜索——针对能够产生特定目标事件或事件序列的模拟进行搜索，从而促进各种可能世界或与我们自身相似世界的发现。在alife研究中，寻找能够实现特定事件或事件序列的模拟是一个重要目标。这种发现可以帮助研究人员识别，与人类世界相似的模拟世界，或者测试某些反事实的进化轨迹在给定基底中是否可能，从而洞察某些生命形式的可行性。为此，asal系统搜索能够产生与目标自然语言提示在基础模型表示空间中匹配的图像的模拟。研究人员可以控制在每个时间步是否使用提示，以及使用什么样的提示。开放式搜索——针对能够在基础模型（fm）表示空间中产生时间上持续开放的新奇性的模拟进行搜索，从而发现对人类观察者始终有趣的世界。alife研究的一个重大挑战是寻找开放式模拟。尽管开放性是主观的，且难以定义，但在适当表示空间中的新颖性可以捕捉到开放性的一般概念。这种方法将测量开放性的主观性转移到表示函数的构建上，该函数体现了观察者的视角。论文中，视觉-语言基础模型的表示作为人类表示的智能体。有了这种新的能力，asal可以搜索能够在基础模型表示空间中产生历史性新颖图像的模拟。一些初步实验表明，通过历史最近邻来评估新颖性，比基于方差的方法效果明显更好。启迪式搜索（illumination）——针对一组具有趣味性和多样性的模拟进行搜索，从而探索未知的世界此外，alife研究的另一个关键目标，是自动揭示基质中可能出现的所有多样化现象。这种理念，是源于对理解「可能存在的生命形式」的追求。这种揭示是绘制和分类整个基底的第一步。为了实现这一目标，asal搜索一组模拟，使其产生的图像在基础模型的表示空间中，最近邻距离最大。研究人员发现，这种基于最近邻的多样性比基于方差的多样性能够产生更好的揭示效果。总的来说，asal全新方法已经在多个人工生命系统中取得重要突破，包括boids、粒子生命、生命游戏、lenia和神经元元胞自动机等等。asal发现了前所未见的生命形式，拓展了人工生命中涌现的结构边界。而且，这也是人类首次通过基础模型驱动alife模拟发现的研究。实验研究者通过多种基质的实验验证了asal的有效性，随后利用基础模型（fm）对部分发现的模拟，进行了新颖的定量分析。基础模型- clip（对比语言-图像预训练）这是一种视觉-语言基础模型，通过在大规模互联网数据集上进行对比预训练，将图像和文本的潜在空间对齐，从而学习通用的图像和文本表示。clip明确提供了 vlm_img(⋅) 和 vlm_txt(⋅) 两种功能。- dinov2（无标签蒸馏）这是一种仅针对视觉的基础模型，通过在大型图像数据集上使用自监督的师生框架学习视觉表征。dinov2仅提供vlm_img(⋅)，因此无法用于asal的监督目标搜索。基质- boids它模拟了n个「鸟群」（boids）在二维欧几里得空间中的运动。所有boids共享一个神经网络的权重，该神经网络根据局部参考框架中k个邻近boids的情况，决定每个boid向左或向右转向。该基质是神经网络的权重空间。- particle life（或clusters）它模拟了n个粒子，每个粒子属于k种类型之一，在二维欧几里得空间中相互作用。该基质是k×k交互矩阵和β参数的空间，用于确定粒子之间的接近程度。初始状态是随机采样的，粒子自组织形成动态模式。- 类生命元胞自动机（ca）它将康威生命游戏推广到所有二进制状态的ca，这些ca在二维晶格中运行，其状态转换仅取决于活着的摩尔邻居数量和单元当前状态。该基质有2^18=262,144种可能的模拟。- lenia它将康威生命游戏推广到连续的空间和时间，允许更高的维度、多种核和多通道。研究者使用leniabreeder代码库，定义了动态的45维度和初始状态的 32×32×3=3072维度。搜索空间以找到的5845vip威尼斯电子游戏的解决方案为中心。- 神经元胞自动机（nca）通过用神经网络表示局部转换函数，来参数化任何连续的元胞自动机。该基质是神经网络的权重空间。目标模拟的搜索- 单一目标团队研究了在lenia、boids和particle life中，通过单个提示词指定目标模拟的搜索效果。监督目标方程在经过t个模拟时间步后，应用一次提示词进行优化。其中，clip作为基础模型，优化算法使用了sep-cma-es。下图显示，从定性角度看，在找到与指定提示词匹配的模拟方面，优化过程的表现良好。一些失败模式表明，当优化失败时，问题往往出在基质的表达能力不足，而非优化过程本身。通过监督目标方程，asal发现了一些模拟，它们的最终状态与指定的提示词相匹配。结果展示了三种不同基质的情况- 时间序列目标团队研究了使用nca基质搜索，生成一系列目标事件的模拟的有效性。通过一个提示词列表，研究者优化了监督目标方程，每个提示词在模拟展开过程中按均匀的时间间隔依次应用。研究者使用clip作为基础模型。按照原始nca论文的方法，使用了时间反向传播和梯度下降算法，并采用adam优化器进行优化。下图展示了asal可以找到生成符合提示词序列轨迹的模拟。通过指定期望的进化轨迹并结合约束基质，asal能够识别出体现所需进化过程本质的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则会自然地支持自我复制的能力。通过监督目标方程，asal发现了一些模拟，它们生成的事件序列与提示词列表相匹配。第二行展示了第一个模拟如何推广到不同的初始状态。结果展示了nca基质的情况搜索开放式模拟为了研究搜索开放式模拟的有效性，研究者使用了类生命元胞自动机（life-like cas）基质，并优化了开放式评分。clip作为基础模型。由于搜索空间相对较小，仅包含262,144种模拟，因此采用了穷举搜索方法。下图揭示了类生命元胞自动机中开放式的潜力。根据开放式指标，著名的康威生命游戏（conway’s game of life）在开放式评分中排名前5%。顶部子图显示，最开放的元胞自动机表现出位于混沌边缘的非平凡动态模式，因为它们既不会停滞，也不会爆炸。左下方子图描绘了三个元胞自动机在clip空间中的轨迹随模拟时间的变化情况。基础模型的表示与人类的认知表示相关，通过基础模型表示空间中的轨迹生成新颖性，也会为人类观察者带来一系列新奇体验。右下方子图使用umap图对所有类生命元胞自动机的clip嵌入进行了可视化，并按开放式评分着色，显示出有意义的结构：最开放的元胞自动机集中在模拟主岛外的小岛上。开放式模拟的发现通过开放式方程，asal在类生命元胞自动机基质中发现了开放式模拟。这些模拟使用golly表示法标记，表示出生和存活所需的活邻居数量。展示了发现的元胞自动机在模拟展开过程中的渲染结果描绘了三个模拟在clip空间中的时间轨迹。像素空间模拟（红色）表现出收敛轨迹，而基础模型空间模拟（绿色）表现出更具发散性的轨迹，甚至超过了康威生命游戏（蓝色）的轨迹所有类生命元胞自动机基于其最终状态的clip嵌入的umap投影绘制，并按开放式评分着色。结果揭示了类似模拟的独特岛屿结构，其中最开放的元胞自动机集中在底部附近的小岛上研究者使用lenia和boids基质，来研究启迪式算法的有效性，其中clip作为基础模型。他们使用一种自定义的遗传算法执行搜索：在每一代中，随机选择父代，生成带有变异的子代，然后保留5845vip威尼斯电子游戏的解决方案中最具多样性的子集。结果模拟集被展示在下图的「模拟图谱」中。这种可视化突出了按视觉相似性组织的发现行为的多样性。可以看到图谱以一种有序的方式映射了所有发现的模拟。其中，左上方的插图显示了未使用启迪式算法进行随机采样的结果。在lenia中，asal发现了许多以前未曾见过的生命形式，这些生命形式类似于按颜色和形状分类的细胞和细菌。在boids中，asal不仅重新发现了经典的群体行为，还探索出了其他行为模式，例如蛇形运动、聚集、绕圈以及其他变体。这些模拟的最终状态，会通过clip嵌入并使用umap投影到二维空间中。然后对该空间进行网格采样，并展示每个网格内最近的模拟。量化人工生命基础模型（fm）不仅可以对有趣现象进行搜索，还能够对之前仅能进行定性分析的现象进行定量化分析。在下图中，研究人员对两个boids模拟之间的参数进行线性插值。中间的模拟缺乏任何一个原始模拟的特性，表现为无序状态，这清楚地表明boids参数空间具有非线性和混沌特性。更重要的是，通过测量中间模拟最终状态与两个原始模拟的clip相似性，这一定性观察现在可以通过定量数据得以支持。模拟最终状态随参数从一个模拟线性插值到另一个模拟的变化下图评估了粒子生命（particle life）中粒子数量对其表现特定生命形式能力的影响。在这个案例中，搜索「毛毛虫」，发现只有当模拟中至少有1,000个粒子时才能找到毛毛虫，这与科学观察中「数量决定差异」（more is different）的理念一致。随粒子数量增加，在粒子生命中涌现「毛毛虫」的变化接下来的图表通过逐一调整粒子生命模拟的各个参数，并测量clip提示词对齐评分的标准差，来量化每个参数对模拟行为的重要性。在确定最重要的参数后，发现其对应于绿色和黄色粒子之间的交互强度，而这种交互对毛毛虫的形成至关重要。按对模拟行为的重要性对粒子生命模拟参数进行排序下图展示了lenia模拟中clip向量随模拟时间变化的速度。该指标在模拟看起来已经定性静止时精确达到平台期，为模拟提供了一个有用的停止条件。绘制lenia中clip嵌入随模拟时间变化的图表，量化平台信号独立于基础模型为了研究使用适当表示空间的重要性，研究人员对lenia和boids的启迪式过程所使用的fm进行了消融实验。在实验中，他们分别使用了clip、dinov2以及低级像素表示作为对比。如下图所示，在生成与人类认知一致的多样性方面，clip的表现似乎略优于dinov2，但两者在质量上都显著优于基于像素的表示。这一结果强调了在衡量人类对多样性概念的认知时，深度基础模型表示（如clip和dinov2）相比低级指标（如像素表示）的重要性。基础模型的重要性在启迪式实验中，通过对基础模型进行了消融分析，结果显示，clip在创建与人类认知一致的多样性方面表现略优于dinov2，但两者均显著优于基于像素的表示。参考资料：https://pub.sakana.ai/asal/https://arxiv.org/abs/2412.17799https://x.com/sakanaailabs/status/1871385917342265592