DApp Store | Pusat Web3 untuk Event & Game

Topik trending

NingNing

Pembaruan grafik kognitif Menurut banteng AI Andrej Karpathy, di era pra-pelatihan, kuncinya adalah data teks Internet; Di era pengawasan penyempurnaan, kuncinya adalah pengetahuan terstruktur tentang gaya Tanya Jawab Zhihu dan Stackflow; Di era pembelajaran intensif, kuncinya adalah lingkungan yang beragam. Trek AI x Crypto, yang berfokus pada tokenisasi aset AI, memiliki aset AI baru yang dapat ditokenisasi: lingkungan selain daya komputasi, data, model, dan agen tradisional

Di era prapelatihan, yang penting adalah teks internet. Anda terutama menginginkan koleksi dokumen internet yang besar, beragam, dan berkualitas tinggi untuk dipelajari. Di era penyempurnaan yang diawasi, itu adalah percakapan. Pekerja kontrak dipekerjakan untuk membuat jawaban atas pertanyaan, sedikit seperti yang Anda lihat di Stack Overflow / Quora, atau lain-lain, tetapi diarahkan untuk kasus penggunaan LLM. Tak satu pun dari dua hal di atas akan hilang (imo), tetapi di era pembelajaran penguatan ini, sekarang menjadi lingkungan. Tidak seperti di atas, mereka memberi LLM kesempatan untuk benar-benar berinteraksi - mengambil tindakan, melihat hasil, dll. Ini berarti Anda dapat berharap untuk melakukan jauh lebih baik daripada tiruan ahli statistik. Dan mereka dapat digunakan baik untuk pelatihan dan evaluasi model. Tetapi seperti sebelumnya, masalah inti sekarang adalah membutuhkan serangkaian lingkungan yang besar, beragam, dan berkualitas tinggi, sebagai latihan bagi LLM untuk berlatih. Dalam beberapa hal, saya teringat pada proyek pertama OpenAI (gym), yang merupakan kerangka kerja yang berharap untuk membangun koleksi besar lingkungan dalam skema yang sama, tetapi ini jauh sebelum LLM. Jadi lingkungannya adalah tugas kontrol akademik sederhana saat itu, seperti tiang gerobak, ATARI, dll. Hub lingkungan @PrimeIntellect (dan repositori 'verifier' di GitHub) membangun versi modern yang secara khusus menargetkan LLM, dan ini adalah upaya/ide yang hebat. Saya mengajukan agar seseorang membangun sesuatu seperti itu awal tahun ini: Lingkungan memiliki properti bahwa setelah kerangka kerja diadakan, pada prinsipnya komunitas / industri dapat menyejajarkan di banyak domain yang berbeda, yang menarik. Pemikiran akhir - secara pribadi dan jangka panjang, saya optimis pada lingkungan dan interaksi agen tetapi saya bearish pada pembelajaran penguatan secara khusus. Saya pikir fungsi penghargaan itu super sus, dan saya pikir manusia tidak menggunakan RL untuk belajar (mungkin mereka melakukannya untuk beberapa tugas motorik dll, tetapi bukan tugas pemecahan masalah intelektual). Manusia menggunakan paradigma pembelajaran yang berbeda yang secara signifikan lebih kuat dan efisien sampel dan yang belum ditemukan dan diskalakan dengan benar, meskipun ada sketsa dan ide awal (sebagai salah satu contoh, gagasan "pembelajaran cepat sistem", memindahkan pembaruan ke token/konteks bukan bobot dan secara opsional menyuling ke bobot sebagai proses terpisah seperti tidur).

Dalam proses klarifikasi pengawasan enkripsi pemerintah Trump 2.0, pemikiran arbitrageur kebijakan adalah Menggunakan jendela waktu antara periode relaksasi peraturan dan periode pembentukan kerangka peraturan, saham mata uang tipe treasury membuang ke daun bawang saham AS untuk menghasilkan uang dengan cepat, sementara pemikiran Builder adalah untuk membangun sistem adaptif baru di bawah kerangka peraturan, yang mencakup tokenisasi aset standar, pembuatan likuiditas, skenario aplikasi DeFi, dan suite lainnya. Singkatnya, yang pertama adalah pemikiran keuangan, dan yang terakhir adalah pemikiran produk. Dalam hal kinerja pasar sekunder, yang pertama memiliki efek langsung, sedangkan yang terakhir telah mengumpulkan banyak uang. Dari estetika portofolio pribadi saya, ketika ada mata uang nyata di posisi, saya tidak mungkin mengalokasikan saham mata uang treasury, karena ini akan menyebabkan amplifikasi eksponensial risiko^2 dan potensi pengembalian hanya amplifikasi linier, dan tidak bijaksana untuk mengalokasikannya. Sebaliknya, proyek RWA seperti Plume, yang mematuhi pemikiran produk, lebih cocok untuk kepemilikan jangka panjang di keranjang, yang meningkatkan potensi pengembalian sekaligus mengurangi risiko karena diversifikasi aset keranjang. Mengupas kembali struktur realistis dari narasi RWAfi Plume, kami mengungkapkan: -Sisi aset terutama terdiri dari produk RWA SuperState, stablecoin USDC, dan versi pUSD yang dibungkus -Lapisan tengah terdiri dari Plume AppChain berdasarkan pengembangan sekunder Cosmos SDK + platform tokenisasi aset bawaan + oracle aset RWA bawaan + protokol interoperabilitas lintas rantai -Sisi aplikasi terutama terdiri dari Morpho dan serangkaian protokol DeFi dalam ekosistem Berbeda dengan rute RWA agresif Robinhood, yang berfokus pada penjualan volatilitas ke dunia nyata, Plume adalah model bisnis konservatif yang berfokus pada penjualan hasil dunia nyata ke pasar Crypto. Jadi, di satu sisi, Plume sangat dekat dengan filosofi pengembangan Huma, yang juga mengarah pada strategi serupa dalam berinvestasi dalam token mereka: YieldFarming+ lindung nilai mata uang lokal. Karena sumber pendapatan mereka berasal dari pendapatan riil, bukan hasil yang dihasilkan dengan menginjak kaki kiri dan kanan di era biadab DeFi, strategi ini sangat kuat. Misalnya, saya menerapkan strategi vault Morpho Lite + hedging plume. Dalam 25 tahun terakhir, RWA telah bertransisi dari narasi ke produktisasi, dan proses pendaratan produk seringkali merupakan proses de-pesona naratif pada saat yang bersamaan. Jika Anda melihat ke belakang sekarang, Anda akan menemukan bahwa ukuran pasar $15 triliun yang diprediksi oleh institusi top hanyalah omong kosong dan kue. Proyek RWA seperti Plume dengan $392 juta TVL dan 200.000 pengguna sudah langka. Namun, tidak perlu bingung dan pesimis tentang keadaan industri RWA pada tahap ini, kami sedang dalam proses mengkriptifikasi pasar keuangan sepenuhnya, dan meskipun kepentingan pribadi konservatif di Tradfi ingin membatasi dan menahan RWA, mereka tidak dapat mencegah munculnya, adopsi, dan pengarusutamaan "inovasi yang mengganggu". Atas.

Ini buntut sapi ?! Saya belum masuk ke dalam mobil 😂." Sejak dibersihkan oleh keluarga asal yang tidak tahu malu pada bulan Mei, ia belum mendapatkan kembali status perdagangannya, dan posisinya selalu tetap lemah di 1/3. Saat menyesuaikan posisi untuk musim altcoin yang akan datang pada awal Juli, mereka tidak mematuhi strategi barbel untuk mengalokasikan JLP, juga tidak membeli kembali NFT penguin gemuk dengan take-profit tinggi, tetapi hanya mengalokasikan $C $REI di sektor AI x Crypto, $LA di sektor ZK, dan Degods di sektor NFT di sekitar narasi teknis. Dari jumlah tersebut, hanya Degods yang dalam keadaan menguntungkan. Untungnya, $SOON menarik gelombang pada bulan Agustus, yang menyelamatkan kinerja kurva imbal hasil portofolio saya di musim altcoin pada bulan Juli ~ Agustus. Meskipun saya tidak setuju dengan "teori buntu", saya pikir musim peniru kemungkinan besar akan berakhir tiba-tiba pada bulan September, tetapi ini adalah penyesuaian yang jinak. Sekarang tidak ada titik risiko badai petir berantai seperti Luna dan FTX di siklus sebelumnya. Jika ada penurunan tajam di bulan September, itu akan memberi saya kesempatan untuk mengalokasikan altcoin di tingkat tahunan investor ritel, dan kali ini saya pasti akan menggunakan strategi barbel Beta (JLP) + Alpha (proyek AIxCrypto mutakhir) untuk menangkap peluang naik di pasar musim gugur. Dan saya akan belajar dari pengalaman sebelumnya tentang perdagangan subjektif "narasi adalah raja", dan memperkenalkan sistem analisis pasar Multi-Agen yang dibangun sendiri dan terus-menerus berulang sebagai bantuan dalam pemilihan target investasi.

Teratas

Peringkat

Favorit