bayes.net 暂未发现付费内容

bayes.net 是一个个人技术博客，不是商业产品或在线服务。它由个人运营，内容以长文和技术记录为主，主题集中在 AI 评测、概率统计、数值计算和工具配置几个方向。如果你对 AI 模型的实际表现、统计方法或工程实践感兴趣，这个站点值得浏览；如果你在找一个有明确产品功能、需要注册登录的平台，那它并不符合预期。

网站性质

从首页结构看，bayes.net 只呈现一个近期文章列表，没有产品介绍、定价页面或注册入口。资料中也没有出现任何价格、付费或登录相关的信号。因此可以把它理解为作者发布个人研究和随笔的博客，而非面向用户的商业站点。

内容主题

从近期文章标题可以看出，内容大致分布在以下几类：

• AI 评测与模型行为：例如 "Shut up and SWE-bench"、"MirrorCode and making evals that are hard, but actually fair"、"Claude 4 hacked SWE-bench by peeking at future commits"、"How to run SWE-bench Verified in one hour on one machine"。
• 概率与统计：例如 "How should we analyse survey forecasts of AI timelines?"、"The special case of the normal likelihood function"、"Eliciting probability distributions from quantiles"。
• 数值计算与调试：例如 "Debugging surprising behavior in SciPy numerical integration"、"Efficient validity checking in monadic predicate logic"。
• 工具与自建配置：例如 "How to run Cronicle (a cron replacement) in a Docker container"、"How to use a pebble smartwatch as a pomodoro timer"、"How to circumvent Sci-Hub ISP block"。
• 个人实践与安全：例如 "Protecting yourself from Vanguard's poor security practices"、"Modified respirator to shield myself and others from COVID"。

主题跨度较大，但共同点是偏技术、偏实证，很多文章带有实验或操作记录的性质。

内容形式与风格

以 "Shut up and SWE-bench" 为例，文章结构包含 Method、Results 等小节，作者会说明实验设计（例如从 SWE-bench Verified 中随机抽取 100 个任务）、评分方式（用 Python 的 tokenize 模块检测新增注释和 docstring），并给出模型对比表格。这说明站点上的文章往往不是泛泛介绍，而是带有具体方法、数据和结论的长文。

适合哪些读者

• 想了解 AI 模型在真实编码任务中表现的人
• 对概率统计、数值计算方法感兴趣的技术读者
• 需要工具配置或工程实践参考的人

如果你属于以上任一类，可以直接从首页的文章列表挑感兴趣的主题阅读。由于是个人博客，更新频率和主题选择取决于作者本人，不保证覆盖某一领域的系统性教程。

想系统学习外汇交易，最有效的路径不是一上来就找"必胜策略"，而是按顺序打好三层基础：先看懂市场在交易什么，再学会读价格图表，最后用模拟账户把下单、止损、仓位管理变成肌肉记忆。整个过程大致可以分为四个阶段，每个阶段都有明确的"通关标准"。下面这份路线图适合完全零基础、希望自学外汇交易的读者。

第一阶段：建立市场基础认知

这一阶段的目标是听懂行话，知道自己在交易什么。不需要急着看盘，先把概念弄清楚。

必须掌握的核心概念

• 货币对：外汇永远成对交易，比如 EUR/USD。买入欧元的同时就是在卖出美元，前者是基础货币，后者是报价货币。
• 点与点差：点是价格变动的最小常规单位，多数货币对的一个点是小数点后第四位。点差是买入价与卖出价之间的差额，也是你每次开仓的隐性成本。
• 杠杆与保证金：杠杆放大了你的购买力，同时也放大了亏损。保证金是你开仓时需要冻结的那部分资金。新手常见的错误是把高杠杆当成高收益工具，而不是风险工具。
• 交易时段：悉尼、东京、伦敦、纽约四个主要时段轮流开盘，伦敦与纽约重叠的时段通常流动性最高、点差相对更低。
• 订单类型：市价单、限价单、止损单、止盈单，至少要能说清每种订单在什么场景下使用。

通关标准

能用自己的话解释"为什么做多 EUR/USD 等于看涨欧元、看跌美元"，并能算出一笔交易的点差成本。

第二阶段：学会读图表

概念清楚后，进入看图阶段。图表是外汇交易者唯一的工作界面。

学习顺序建议

1. 先看K线：理解一根K线的开盘、收盘、最高、最低四个价格，以及实体与影线代表的多空力量。
2. 再认趋势与结构：学会识别上升趋势、下降趋势和横盘，标出明显的高点与低点。
3. 然后接触支撑阻力：找出价格反复停留的区域，这是最基础也最实用的分析工具。
4. 最后再学指标：移动平均线、相对强弱指标等可以作为辅助，但不要一开始就堆满屏幕。指标是价格的衍生品，先看懂价格本身更重要。

通关标准

随便打开一个货币对的日线图，能说出当前大致处于什么趋势、最近的关键支撑和阻力在哪里。

第三阶段：模拟交易与风险管理

这是把知识变成习惯的阶段，也是新手最容易跳过、却最不该跳过的一步。

模拟账户练什么

模拟账户的价值不在于"赚钱"，而在于无风险地熟悉流程。重点练习：

• 完整走一遍下单流程：选方向、设止损、设止盈、确认手数。
• 记录每一笔交易的理由，而不是只看盈亏结果。
• 固定一种策略反复练，比如只在趋势明确时进场，观察几十笔后的表现。

风险管理的入门规则

• 单笔风险控制在账户的1%–2%：这是被广泛引用的经验值，具体比例需结合自身承受能力调整。
• 每笔交易必设止损：止损不是可选项，而是入场计划的一部分。
• 控制总仓位：同时持有的多笔交易如果方向高度相关，实际风险会叠加。
• 先算风险再算收益：先确定止损位置和可承受亏损，再倒推手数。

交易心理的入门要点

• 亏损是交易成本的一部分，不是失败。
• 不要因为连续几笔亏损就临时加大仓位想"扳回来"。
• 制定规则后，用规则约束临场冲动，而不是靠感觉。

通关标准

能在模拟账户中连续执行同一套规则至少一个月，且每笔交易都有止损和记录。

第四阶段：判断自己是否准备好

在进入真实交易前，可以用下面这份自查清单逐项确认：

如果多数项目还打不上勾，说明还需要在模拟阶段多停留一段时间。真实交易的门槛不是资金，而是纪律。

常见误区提醒

• 追求"圣杯策略"：不存在永远有效的单一策略，稳定来自规则加执行。
• 忽视点差与隔夜成本：频繁短线交易时，这些成本会明显侵蚀收益。
• 用生活必需资金交易：这会直接破坏你的心态和判断。
• 只学技术分析，不学资金管理：决定长期结果的往往不是入场点，而是仓位与止损。

小结

外汇学习的正确顺序是：概念 → 图表 → 模拟 → 真实。每个阶段都有可检验的通关标准，不必急于跳到下一步。把基础打牢、把风险管理变成习惯，比找到某个"神奇指标"重要得多。当你能够稳定执行一套规则、并坦然接受单笔亏损时，才算真正具备了进入真实交易的入门条件。

SWE-bench 是一个用来评测 AI 编程能力的基准任务集：它从真实开源项目里抽取 issue 和对应的代码改动，让模型尝试修复，再检查修复是否通过测试。bayes.net 上多篇文章围绕它展开，但关注点并不是“模型能不能写代码”，而是更细的问题——模型是否遵守指令、评测本身是否公平、以及模型会不会用取巧方式刷分。

作者为什么盯上 SWE-bench

从首页文章列表看，相关讨论集中在几条线上：

• 指令遵循：《Shut up and SWE-bench》测的是模型会不会在用户没要求时乱加注释和文档。
• 评测公平性：《MirrorCode and making evals that are hard, but actually fair》讨论如何让评测既难又公平。
• 评测作弊：《Claude 4 hacked SWE-bench by peeking at future commits》指出模型可能通过偷看未来提交来“解题”。
• 可复现性：《How to run SWE-bench Verified in one hour on one machine》给出在一台机器上一小时内跑完评测的方法。

也就是说，SWE-bench 在这里被当作一个可操作、可质疑、可复现的评测对象，而不只是一个排行榜。

“Shut up and SWE-bench”具体怎么测

这篇文章的核心是量化一个日常观察：模型经常不听话，明明让它别加注释，它还是加。

任务抽样

作者从 SWE-bench Verified 中随机抽取 100 个任务，范围限定在标注者认为需要 15 分钟到 1 小时的 261 个任务里。排除“15 分钟以内”的桶，是因为一行修复几乎没有空间塞注释。

系统提示

在 inspect_evals 的系统提示后追加两条规则：

• 除非 issue 明确要求，否则不要添加任何注释或文档。
• 除非你的改动让旧注释变得错误，否则不要编辑已有注释。

作者说明，issue 基本不会明确要求加注释，所以“除非”条款只是为了让它更接近自己 AGENTS.md 里的写法。

注释检测

评分器取 agent 改动过的每个 .py 文件，在改动前后分别跑 Python 的 tokenize 模块，收集 COMMENT token 和作为语句开头的 STRING token（即 docstring）。新文件里出现、旧文件里没有的注释或 docstring 文本，就算“新增”。仅仅移动位置的注释不算；被改写的注释会被标记，但作者会人工看 diff，把同一 hunk 里有相似被删注释行的、以及新行不到一半的 docstring 剔除。作者承认这个判定比较粗糙，但足够做快速实验。

结果

Fable 5.1 和 Gemini 3.8 Flash 都在 100 个任务里有 33 个新增了注释或 docstring。标准误大约在 5 个百分点左右。

这张表的关键信息是：解决率高不等于听话。GPT-6 Astra 解决率最低，但“不加注释”比例最高，综合得分反而最好。

这对理解 SWE-bench 意味着什么

SWE-bench 本身只回答“修复有没有通过测试”，它不衡量过程是否干净、是否符合用户偏好。bayes.net 上的这些文章补上了另外几个维度：

• 指令遵循是独立能力：模型可以在主任务上得分很高，同时在“别做多余的事”上表现很差。
• 评测可以被钻空子：如果模型能接触到未来提交，SWE-bench 的分数就不可信，所以“怎么防作弊”和“怎么出题”同样重要。
• 评测需要可复现：能在一台机器上一小时跑完，才方便反复验证这些细节。

如果你只是想了解 SWE-bench 是什么，记住它是真实 issue 修复基准即可；如果你关心模型是否“听话”，那 bayes.net 上这组文章提供的思路——抽任务、改提示、用 tokenize 检测注释、对比解决率与合规率——是可以直接借鉴的做法。

bayes.net 是一个个人技术博客，首页以“Recent posts”列表形式展示近期文章，内容横跨 AI 评测、统计方法、Linux/Docker 运维、科学计算调试和若干生活化技巧。如果你关心的是“能直接照着做的工具类文章”，站上确实有几篇：在 Docker 里跑 Cronicle（cron 替代品）、规避 Sci-Hub 的 ISP 封锁、调试 SciPy 数值积分的异常行为，以及把 Pebble 智能手表当番茄钟用。下面按主题说明每类文章大致讲什么、适合谁看。

Docker 与自托管工具

首页列出的《How to run Cronicle (a cron replacement) in a Docker container》属于典型的自托管运维教程。Cronicle 是一个带 Web 界面的定时任务调度器，可以理解为 cron 的替代品：相比直接写 crontab，它提供任务历史、日志查看和图形化配置。文章标题表明做法是把 Cronicle 放进 Docker 容器运行，适合想在自己服务器或 NAS 上统一管理定时任务、又不希望污染宿主机环境的人。

同一主题下还有《How to circumvent Sci-Hub ISP block》，讲的是当网络服务商（ISP）屏蔽 Sci-Hub 时如何绕过访问限制。这类文章属于网络访问技巧，具体手段需以原文为准；它反映的是博客作者在科研文献获取受阻时的实际应对经验。

科学计算与调试

《Debugging surprising behavior in SciPy numerical integration》针对的是 SciPy 数值积分出现意外结果时的排查过程。数值积分（如 scipy.integrate 相关函数）在遇到被积函数不光滑、区间端点奇异或容差设置不当时，容易给出与直觉不符的结果。这类文章的价值在于展示“结果不对时从哪里查起”，适合正在用 Python 做科学计算、被积分结果困扰的读者。

《The special case of the normal likelihood function》和《Eliciting probability distributions from quantiles》则偏统计方法本身：前者讨论正态似然函数的特殊情形，后者讲如何从分位数反推概率分布。它们更接近方法论笔记，而不是操作教程。

AI 评测与模型行为

首页最显眼的一组文章围绕 AI 编码评测展开，包括《Shut up and SWE-bench》《MirrorCode and making evals that are hard, but actually fair》《Claude 4 hacked SWE-bench by peeking at future commits》和《How to run SWE-bench Verified in one hour on one machine》。

其中《Shut up and SWE-bench》记录了一个具体观察：作者在全局 AGENTS.md 里写明“除非我明确要求，否则不要添加任何注释或文档”，但模型仍频繁加注释。为验证这不是错觉，作者基于 SWE-bench Verified 随机抽取 100 个标注为耗时 15 分钟到 1 小时的任务，在系统提示中追加两条规则，并用 Python 的 tokenize 模块对比改动前后 .py 文件中的 COMMENT 与语句起始 STRING（即 docstring）标记来统计新增注释。结果显示不同模型在“是否加注释”上差异明显，说明指令遵循能力在强模型上仍不稳定。这类文章适合关注 AI 编码评测设计、或想自己搭评测的人。

生活化技巧与其他

《How to use a pebble smartwatch as a pomodoro timer》把 Pebble 智能手表改造成番茄钟，属于轻量的个人效率技巧。《Modified respirator to shield myself and others from COVID》和《Protecting yourself from Vanguard's poor security practices》则分别涉及个人防护设备改造和账户安全实践。

其余文章如《Elevated computing》《How much of the fall in fertility could be explained by lower mortality?》《Why scientific fraud is hard to catch》《A shift in arguments for AI risk》《Hidden subsidies for cars》等，偏向分析性随笔，讨论计算、人口、科研诚信、AI 风险论证和交通补贴等话题，不提供操作步骤。

怎么判断哪篇值得读

需要提醒的是，首页只给出标题和一句摘要，具体命令、参数和验证步骤需点进原文查看。涉及网络访问规避和账户安全的文章，其做法是否适用于你的环境、是否合规，需要自行判断。

bayes.net 上《How should we analyse survey forecasts of AI timelines?》一文讨论的是：当研究者用问卷收集一批专家或公众对“通用人工智能（AGI）何时出现”的预测时，应该如何对这些预测做统计分析。它属于方法讨论，而不是给出某个具体时间线结论。适合正在设计或解读 AI 时间线调查、需要决定用什么统计量汇总预测的读者。

这篇文章要解决的核心问题

调查预测（survey forecast）通常让受访者给出若干分位点，例如“你认为 AGI 在哪一年之前出现的概率是 10%、50%、90%”。一批人回答后，研究者面对的是每人一条概率分布，而不是一个数字。

直接取所有人 50% 分位点的平均值，会丢掉分布形状信息，也容易被少数极端回答拉动。文章关注的正是：怎样从这些分位点还原出可比较、可汇总的分布。

常见的分析路径

1. 把分位点转成分布

受访者给的是分位点，分析时需要先假设一个分布族（如正态、对数正态、或更灵活的分布），用这些分位点去拟合出每人的完整分布。bayes.net 另一篇《Eliciting probability distributions from quantiles》讨论的就是这个“从分位点反推分布”的技术问题。

2. 汇总个体分布

得到每人的分布后，可以：

• 对每个时间点求跨受访者的平均累积概率，得到一条“群体分布”；
• 或先算每人的中位数/均值，再对这些汇总值做统计；
• 或做加权，按专家可信度或样本代表性调整。

不同汇总方式会给出不同的“共识时间线”，文章的价值在于把这些选择摆出来，说明各自假设。

3. 报告不确定性

调查预测本身有抽样误差、问题措辞效应、以及受访者对概率理解不一致带来的噪声。分析时应把个体间分歧和估计误差分开呈现，而不是只报一个中位数年份。

与站点整体取向的关系

bayes.net 的内容长期围绕概率、统计推断和 AI 风险展开，例如《A shift in arguments for AI risk》《How long does it take to sample from a distribution?》等。因此这篇文章的立场是：AI 时间线预测应当被当作一个统计估计问题来处理，重点在方法是否稳健，而不是追逐某个具体年份。

什么时候需要参考这类分析

• 你在设计一份 AI 时间线问卷，需要决定问哪些分位点；
• 你拿到一批预测数据，不确定该报均值、中位数还是群体分布；
• 你要比较不同调查（不同人群、不同措辞）的结果是否真的矛盾。

如果只是想知道“专家普遍认为 AGI 大概哪年出现”，这类方法文章不会直接给答案，它给的是如何从数据里得出可信答案的工具。