文章核心观点 - 文章评选了加密货币风险投资领域的三位“史上最佳”投资人 并阐述了其入选理由 [1][12] - 三位顶尖投资人的共同特质是具备深刻的行业洞察力 采取逆向投资策略 并能通过亲自参与或长期坚持为投资组合创造巨大价值 [4][10][16] 第三名：Dan Robinson (Paradigm) - Dan Robinson被类比为加密货币界的Mike Speiser 后者曾孵化出市值750亿美元的公司Snowflake [2] - 其关键贡献包括：参与Uniswap发展 是Uniswap V3的联合撰稿人与奠基人之一 该版本成为链上现货交易基石 同时也是Flashbots的早期关键贡献者 催生了现代MEV拍卖 还是Plasma的早期研究贡献者 并因此领投了Optimism的种子轮 [3] - 其独特之处在于打破了传统风险投资人模式 从证券律师自学成为协议架构师、数学家和投资者 其深度参与推动了行业发展 [3][4] 第二名：Chris Dixon (a16z) - Chris Dixon是加密货币领域的元老级人物 最早公开涉足并将风险投资语言引入该领域及硅谷机构LP圈子 [4] - 其促成的最重要交易包括：在2013年行业萌芽阶段领投Coinbase的B轮融资 以及在几乎所有人放弃时投资了Uniswap的A轮融资 当时Uniswap的最终估值仅为1亿美元 [5] - 其行业影响力巨大 凭借一己之力将加密货币行业推向更高的文化地位 并在华盛顿特区推动其合法化与认可 当前行业使用的许多概念和语言都直接源自他 [6][7] 第一名：Kyle Samani (Multicoin Capital) - Kyle Samani被认为是真正的逆向投资者 其投资决策常常引发争议甚至惹恼他人 [9][10] - 其最成功的投资是从Solana种子轮中获得巨额利润 并在FTX崩盘后坚持持有Solana度过低谷 这笔投资是风险投资幂律规律的完美诠释 [10] - 其核心特质在于坚持到底的信念 有时只需要一笔成功的交易就能定义其顶尖地位 [10][11][16] 行业与竞争格局 - 加密货币风险投资是一场纯粹的竞争 最终只有一个人能赢得交易或预测出周期赢家 [1] - 该行业竞争残酷 大多数同行未能坚持下来 顶尖投资人经历了近十年的行业起落 [13] - 风险投资家在该行业中往往鲜少受到赞扬 但他们对支持创始人、推动行业发展起到了关键作用 [13]

研究核心观点 - Vision-Language-Action模型在推理阶段结合生成-验证范式可显著提升泛化能力与可靠性[2] - 研究揭示了具身智能中的Test-Time Scaling Law：随着推理阶段采样与验证规模增长，模型任务成功率和稳定性呈现可预测的提升规律[2] - 该方法能在不改动训练模型的前提下显著提升性能，为通用机器人模型提供更稳健的落地路径[5] 方法论概述 - 方法分为两个阶段：动作验证器训练和推理阶段的计算扩展[8][9] - 阶段一利用机器人数据集采样候选动作并构造合成偏好数据，用以微调一个基于VLM的动作验证器[8] - 阶段二在部署时采样多个初始动作，拟合高斯分布并利用训练好的验证器评估排序，挑选最优动作执行[12] 实验发现与性能提升 - 当增加推理阶段候选动作的生成数量时，VLA的动作误差会持续下降[5] - 在多种主流VLA模型中，动作误差与高斯扰动采样数量之间呈现出稳定的幂律关系[5] - 将VLA模型与RoboMonkey结合可在真实世界out-of-distribution tasks上提升性能25%，在in-distribution SIMPLER环境上提升9%，在LIBERO-Long benchmark上提升7%[17] - 扩展合成数据集规模对验证器性能有显著提升作用，验证器准确性呈近似对数线性增长[16] 系统实现与部署 - 研究团队在SGLang之上实现了专用的VLA serving引擎，支持高速的VLA动作重复采样[19] - 系统通过高斯扰动高效构建动作分布，显著降低了推理阶段的开销[19] - 在相同延迟约束下，配备更大容量高带宽存储器的GPU能够支持更高吞吐量，进一步提升机器人基础模型的泛化能力[19]