Hvorfor jeg satser på den kjedeligste stablecoinen i DeFi Har sporet @aave gho i noen måneder nå. Mens alle krangler om DAI Governance og Frax sin siste Tokenomics-oppdatering, nådde GHO nettopp 120 millioner dollar forsyning med null fanfare. Her er grunnen til at jeg tror vi alle ser på feil beregninger. den kjedelige oppgaven som faktisk fungerer Glem fortellingen om stablecoin-krigene. @GHO prøver ikke å snu USDC over natten. I stedet gjør den noe smartere: kobler seg til infrastruktur som allerede fungerer. Når du låner GHO, bruker du det samme sikkerhetssystemet som har håndtert $20b+ i utlånsvolum uten store problemer. ➜ Jeg har lånt gho mot min eth i flere måneder. 4,5 % rente, umiddelbar likviditet, null drama. det fungerer bare veldig bra. Hvorfor tallet på 120 millioner dollar er misvisende Alle ser 120 millioner dollar og tenker "liten stablecoin." men det er ikke slik GHO fungerer. ➥ Tradisjonelle stablecoins blir preget og finn deretter brukstilfeller ➥ gho blir lånt av folk som umiddelbart trenger det til noe spesifikt ➜ Hver dollar av GHO-forsyning representerer faktisk etterspørsel, ikke spekulativ mynting. Dataene som ombestemte meg var skeptisk til GHO i utgangspunktet. En annen stablecoin? virkelig? Så så jeg på pinnestabiliteten: 99,2 % over 90 dager. Det er bedre enn Dai (98,9 %) og matcher nesten USDC (99,8 %). ➜ Men her er kickeren - GHO opprettholder den bindingen samtidig som den genererer 4.5 % avkastning for låntakere. Dais DSR er 3,3 % og krever separat innsats. der alle andre tar feil Crypto Twitter elsker kompleks tokenomics og styringsdrama. I mellomtiden lykkes GHO fordi det er kjedelig. ➥ Ingen algoritmiske pinnemekanismer som går i stykker under flyktighet ➥ Ingen symbolske insentiver som skaper kunstig etterspørsel ➥ Bare oversikret lån som har fungert i årevis ➜ Noen ganger er den mest åpenbare løsningen den rette. Tidslinjen ingen snakker om Hvis GHO opprettholder 15 % månedlig vekst (nåværende rate), når den 500 millioner dollar innen desember. Det setter den foran flere "store" stablecoins som får mye mer oppmerksomhet. Enda viktigere, institusjonell adopsjon kommer til DeFi. Når den gjør det, vil de ha: → velprøvd infrastruktur (aave: 4+ år) → forutsigbare renter (transparente lånerenter) → regulatorisk klarhet (aave er foran her) ➜ GHO sjekker hver boks. Min motstridende spådom Innen 18 måneder vil GHO være en topp-5 stablecoin etter markedsverdi. Ikke på grunn av markedsføring eller token-insentiver, men fordi det løser reelle problemer for ekte brukere. Kjedelige slår prangende i det lange løp. ➜ kan være feil. ofte er. Men dataene tyder på at noe annet skjer med GHO. Risikoen jeg ser på Den største trusselen er ikke konkurranse fra andre stablecoins. Det er Aave selv. ➥ Hvis AAVEs utlånsprotokoll står overfor problemer, går GHO ned med det ➥ at konsentrasjonsrisikoen er reell ➜ Men å satse mot AAVE på dette tidspunktet føles som å satse mot DeFi selv. Bunnlinjen Mens alle diskuterer perfekt tokenomics, har AAVE nettopp sendt ut en stablecoin som folk faktisk bruker. Utførelse slår teori hver gang. ➜ Har allokert mer av stablecoin-eksponeringen min til GHO. ikke økonomisk rådgivning, men det kjedelige spillet kan være det smarte spillet her.

Innhold om lommeboksporing fikk mye oppmerksomhet og spørsmål, så her er en detaljert oversikt over hvordan det fungerer på Nansen. Disse sporingsverktøyene fortsetter å utvikle seg, men imo er det beste akkurat nå @nansen_ai, en AI-analyseplattform med flere kjeder fokusert på sporing av smarte penger.

Så lenge jeg lever, vil jeg fortsette å lære å leve. De største vet at de ikke vet.

Hva om jeg tok all protokoll-, avkastnings-, stablecoin- og defi-kunnskapen jeg har samlet det siste halve tiåret og begynte å bygge det platoniske idealet om en avkastningsfokusert protokoll? Hva om vi allerede hadde >150 millioner dollar i tidlige TVL-forpliktelser? Hva om @mezzanine_fi? Spørsmål 1.26

En av de verste vanene er å leve i forventning. Forvandle det til takknemlighet og se livskvaliteten din stige med det.

Jeg ble nettopp med i @ethos_network som er den jeg har lett etter i 2 måneder, men jeg vil si at det er den vanskeligste Heldigvis ble jeg invitert av @kenodnb kongen av Pendle som er som min profressor i denne karrieren. Jeg møtte ham faktisk da jeg først begynte å utforske Infinit, og jeg tror ærlig talt at han er den beste allsidige skaperen der ute Foreløpig ser Ethos uovertruffen ut, og jeg forventet ikke at de lager dette banger-grensesnittet Formålet jeg har funnet ut at folk bruker Ethos handler om tillit til kontoen En annen funksjon jeg liker med Ethos er at folk kan gi ærlige tanker om et Web3-prosjekt Det er ganske virkningsfullt å se ekte tilbakemeldinger fra fellesskapet, spesielt når de kommer fra ekte og solide brukere Det er også daglige oppgaver for ukentlig xp distribuert, noe som er flott for meg å aktivt bruke Ethos hver dag Ideen om å lage denne appen er så genial, jeg har ikke opplevd noen form for dapps som dette før Forkynn for det mest ekte fellesskapet i Web3

Etter å ha lest @kenodnb innlegg, innså jeg at jeg burde ha sett på Miras innvirkning på utdanning langt tidligere. . . For det Mira gjør er ikke bare «AI for å lage tester», det er et skikkelig sprang i hvordan vi lærer og underviser. ➤ Ta Learnrite som et eksempel, de brukte @Mira_Network til å oppgradere hele testpipelinen: + Feilraten i spørsmålene falt fra 28 % ➜ 4,4 % + Gjennomgangstid per spørsmål kuttet fra 60 minutter ➜ bare 2–3 minutter + Kostnad per spørsmål av høy kvalitet kuttet fra $5 ➜ $0.30 + Ukentlig produksjon vokste fra 40 spørsmål ➜ 1,200 + Og nå er til og med UPSC-eksamener fullt personlig basert på studentenes evner Det er allerede imponerende. ➥ Men Kenos stykke fikk meg til å lure på, hvem er denne teknologien egentlig for? ➤ Studentene drar definitivt nytte av: + Få spørsmål som samsvarer med deres nivå + Spar studietid + Fokuser på deres faktiske svakheter ➤ Men hva om lærere brukte det også? + En litteraturlærer kan bruke AI til å foreslå spørsmål skreddersydd for hver elevs læringsstil + En fysikklærer i en liten by kan generere standardiserte eksamener som de på toppskoler i byen, alt med bare en bærbar datamaskin og @Mira_Network ➜ AI blir en undervisningspartner, som Learnrite viste, gjør Mira lærere fra skapere til validatorer. ➥ Hvert barn fortjener en rettferdig sjanse til å lære I disse dager med all teknologien og globale ting, blir læring mye enklere, men mest for barn som allerede har tilgang. I mellomtiden gjør det ting litt vanskeligere for de i avsidesliggende områder å ta igjen. . . 🩶 Jeg har alltid ønsket at barn som bor langt unna kunne få samme sjanse til å lære som de i storbyer. Det er ikke enkelt, jeg vet, men jeg mener fortsatt at alle fortjener en rettferdig sjanse til utdanning 🌻

La boomers utilsiktet frøene til Bitcoins suksess ved å prise millennials og zoomere ut av eiendomsmarkedet? Maple Finance @syrupsid på @thebellcurvepod... Veldig interessant tema:

Tidligere dekket jeg hvordan @Mira_Network hjelper til med å drive @Delphi_Digital AI-assistent, Delphi Oracle. I dag, la oss se på en annen brukssak. Miras verifiseringsteknologi hjalp Learnrite med å skalere fra 40 til 1,200 eksamensspørsmål i uken per ekspert, uten å ofre kvaliteten. Slik endret det alt for en av de mest konkurransedyktige eksamenene på jorden: Over 1.5 millioner studenter i India tar UPSC hvert år. De konkurrerer om bare 900 stillinger i de prestisjetunge indiske siviltjenestene. En akseptgrad på mindre enn 0.06%, noe som gjør det uten tvil til verdens mest konkurransedyktige eksamen. For å lykkes trenger studentene personlige spørsmål av høy kvalitet. Men å bygge den typen innhold er tregt, dyrt og nesten umulig å skalere. Learnrites mål var enkelt: Gi hver elev personlig UPSC-forberedelse, uansett budsjett. Men det kostet $5 og 60 minutter per ekspert å skrive et enkelt kvalitetsspørsmål. Skalering på tvers av? Helt uoverkommelig. De vendte seg til AI. Til å begynne med så det ut til å fungere. Rask generering, riktige emner, ren grammatikk. Men 28 % av spørsmålene hadde alvorlige faktiske eller logiske feil. Du kan ikke trene for UPSC med ødelagt innhold. Den typen fiasko kan koste studentene alt de har jobbet for. Manuell gjennomgang hjalp heller ikke. Eksperter brukte fortsatt nesten like mye tid på å fikse AI-spørsmål som å skrive dem fra bunnen av. Økonomien endret seg ikke. Kvaliteten led fortsatt. Synet føltes utenfor rekkevidde. Så kom verifiseringen. I stedet for å fikse AI, samarbeidet Learnrite med Mira for å verifisere AI. Mira bruker flere AI-modeller for å kryssjekke hvert spørsmål. Bare de med konsensus kommer gjennom. Feilraten falt fra 28 % til bare 4,4 %. Her er hva som endret seg inne i Learnrite: - Spørsmålshastighet: 40 til 1,200 per uke - Gjennomgangstid: 60 minutter til 2-3 minutter - Kostnad per Q: $5 til $0.30 - Spørsmål per emne: ~50 til 500+ De kunne nå bygge personlige spørsmålssett i stor skala. I løpet av 6 måneder skalerte de verifiserte spørsmål på tvers av hele UPSC-læreplanen. Eksperter sluttet å skape. De begynte å evaluere. Det ene skiftet, opprett først, bekreft andre, snudd hele produksjonsmodellen. Innhold av høy kvalitet koster nå 94 % mindre og tar 95 % kortere tid å validere. Dette endret alt for elevene: - Spørsmålene samsvarer nå med nivået deres - Svake områder får mer fokus - Vanskelighetsgraden justeres automatisk - Nye emner lanseres i løpet av dager, ikke måneder Bedre læring. Mindre bortkastet tid. Flere sjanser til å lykkes. Som en bonus genererte AI ofte unike spørsmål eksperter ikke ville ha kommet på. Med verifisering på plass kan Learnrite trygt bruke disse kreative vinklene for å forbedre elevenes resonnement. Miras verifiseringslag erstattet ikke mennesker, det mangedoblet deres innvirkning. Fremtidens utdanning avhenger av vår evne til å skalere innhold av høy kvalitet uten å miste tilliten. Det er akkurat det Miras verifiseringslag leverer. Og Learnrite er bare begynnelsen.

Repetisjon er mestringens mor. ... men bare hvis det gjøres med intensjon, fokus og hensikt.