六出纷飞

加入专属聊天室 ¿Quieres un红包? ¿Quieres productos relacionados? ¿Quieres estrategias? ¡El chat de Liu Ge lo tiene todo, únete al chat y recibe beneficios!
点击加入聊天室

#币安Alpha推出MERL交易竞赛

Agradecemos el apoyo de todos los jefes, ayer varios jefes activaron el reembolso, debemos ahorrar y gastar lo que corresponde, la tasa de reembolso del contrato es del 20%, cada domingo se hará el pago correspondiente, 🎈Código de invitación: LCFF666
#手续费返佣

No conviertas el “corte de circuito en la cadena” en la medicina: echemos un vistazo a este “descenso de entropía en todo el dominio” del que casi nadie habla
Ahora, cuando en el mercado comentan @NewtonProtocol , o bien están subidos a la ola de popularidad de la red Beta, o bien se dedican a repetirlo como si fuera un mito de interceptación de RedStone. Hay demasiados que siguen la moda; pocos entienden de verdad la lógica subyacente.
Si revisas la segunda mitad del whitepaper, tras esas fórmulas tediosas, hay una tecnología hardcore que aún no ha sido “probada”: el “Aislamiento Asimétrico de Estados Asíncronos” (Asymmetric Asynchronous State Isolation).

Esto no tiene nada que ver con los conceptos de firewall que se escuchan a diario. Los mecanismos antiataques actuales, en cuanto detectan una anomalía, detienen el sistema por completo. En cambio, este mecanismo se ejecuta en el runtime de los contratos inteligentes: mediante nodos AVS se realiza una “separación asimétrica” del “estado local” que está siendo atacado. En otras palabras, es como cuando una lagartija se desprende de la cola. Mientras el hacker ataca la piscina A, el sistema puede “aislar asíncronamente” la lógica de ejecución de la piscina A en un espejo ilusorio de alta dimensión en cuestión de microsegundos. El hacker cree que ha logrado su objetivo, interactúa frenéticamente… pero en realidad está jugando un videojuego en modo individual contra una “sombra” que no tiene fondos. Y el dinero real de los usuarios ya fue trasladado a un estado paralelo seguro.
$NEWT las fichas (tokens) aquí cumplen el papel de “combustible energético” para cambiar entre estos “espejos de estado”.

Pero piénsalo con calma: esta tecnología, al final, es como “hacer una ceremonia en un caparazón de caracol”. Si se presenta un mercado extremo o una sucesión en cadena de explosiones de proyectos, este aislamiento puede provocar una grave fractura de liquidez. Para buscar una determinación absoluta, fragmentamos una cadena pública clara en innumerables compartimentos de aislamiento.

Lo más fascinante del mundo cripto es precisamente su desenfreno y su desorden; pero aun así estamos construyendo, con código, una tras otra, prisiones digitales frías. Nos enfrentamos a la codicia de los hackers, pero sin darnos cuenta enterramos también la libertad más valiosa de la blockchain.
#Newt

No vuelvas a tratar a la IA como un simple chat de navegador; mira la lógica subyacente del razonamiento en la cadena

Meter un gran modelo en un contrato inteligente suena como una fantasía desquiciada de programador. Después de todo, ¿quién en su sano juicio volcaría una matriz con cientos de miles de millones de parámetros, sin más, en nodos caros de la cadena para ejecutarla una y otra vez? Mucha “IA descentralizada” ni siquiera logra nivelar las diferencias básicas de hardware. Pero recientemente leí el whitepaper de @OpenGradient y noté que emplean un mecanismo que rara vez se comenta en marcos de IA descentralizada: el desacoplamiento profundo entre el marco NeuroML y Solidity.

Esto es como instalarle a los contratos inteligentes una puerta de enlace asíncrona de alta dimensión. El pensamiento tradicional de blockchain es que todos calculen juntos; en cambio, ellos ejecutan el ML fuera de la cadena con este marco especial, y luego encapsulan el resultado del razonamiento en ramas lógicas de Solidity de la misma manera que un código de verificación. Esto significa que cuando interactúas con OpenGradient Chat o le pides a un agente de IA que ajuste tu cartera, el contrato solo se encarga de si está bien, no de cómo se calculó.

Muchos creen que poner una “capa” Web3 a la IA es el futuro, pero yo pienso que es solo una nueva redistribución del poder sobre los datos. Alimentamos las ideas más privadas a los chats centralizados tradicionales y, a cambio, nos tratan como pienso gratuito para entrenamiento. Cuando la máquina empieza a aprender a usar la probabilidad en lugar de la lógica humana, quizá la certeza con la que nos aferramos en la cadena sea, por fin, el último ateísmo del mundo digital.
$OPG #OPG

Desde 64500 vi 58000.

Este lote de ganancias ya es suficiente.

A partir de ahora no seguiré persiguiendo posiciones cortas.

Porque una buena operación nunca consiste en comerse cada tramo de la cotización.

Sino en entrar en el momento que te corresponde.

El mercado está todos los días.

Las oportunidades también.

Pero no en cada posición vale la pena operar.$BTC

La “brecha” del gradiente en la microafinación de alta frecuencia de modelos de IA on-chain tarde o temprano sacudirá a los nodos hasta provocar conmoción cerebral

Ahora, los proyectos DePIN venden que los inversores minoristas pueden, sin más, alimentar modelos grandes con datos para microajustarlos on-chain, pero todos fingen ser tontos y esquivan una cuestión física letal: cuando hay cientos de miles de nodos con cómputo heterogéneo, si los datos de gradiente microafinados por cada uno se desalinean en el tiempo, al fusionarlos de vuelta en el modelo principal se produce un colapso destructivo del gradiente. Estos días estuve “mordiéndome” con ahínco el OpenGradient de @OpenGradient ; revisé todos los whitepapers y saqué un “secreto” de capa base que nadie había discutido antes: una capa de suavizado topológico distribuido de gradientes basada en un búfer de momento elástico asíncrono.

Para los “berris” veteranos, cualquier microafinación que no pueda alinearse en tiempo real es pura tontería. La inteligencia de este mecanismo está en que no exige que todos los nodos de la red estén sincronizados y chocando de frente. Cuando el OpenGradient Chat recibe una cantidad masiva de datos de alimentación de alta frecuencia, este mecanismo construye, en la capa de cómputo, una “alfombra” búfer de momento: esos gradientes que llegan tarde por la latencia de red se suavizan con ruido a través de un conjunto de algoritmos de matrices topológicas no lineales, se les asigna un peso dinámico y, por fin, se integran en el modelo principal de manera perfectamente encajada. Así se ataca el riesgo de que la alta frecuencia “desgarre” parámetros y haga que el modelo pierda inteligencia.

En lenguaje llano: es como si decenas de músicos conectaran sus instrumentos en distintas salas para tocar una sinfonía en conjunto; antes, por las diferentes latencias, todos perdían el compás y, al mezclarse, el resultado era ruido. Y esta capa de suavizado funciona como una mesa de mezclas en la cabina del director con compensación inteligente de retardo: no importa que algún músico llegue con medio compás de atraso, su sonido se incorpora con suavidad al tema principal sin afectar la melodía. Ese diseño “a cuchillo” a nivel de arquitectura matemática es lo que hace que $OPG tenga realmente material de primera para soportar modelos de microafinación concurrente a escala global de nodos.#OPG

Usamos algoritmos de suavizado fríos para borrar la fricción entre espacio y tiempo, e intentamos recomponer en una red imperfecta un logrado de armonía digital perfecta. Con código eliminamos el desorden y creemos que convertir cada ambigüedad en una seda determinista es la solución óptima. Lo irónico es que las chispas más inteligentes suelen nacer precisamente de esos desajustes que aparecen de la nada; cuando el mundo se refina hasta que ni una sola variación causada por la llegada tardía vuelve a existir, quizá no obtengamos la armonía definitiva, sino una especie de cárcel de código en la que hasta la respiración queda inmovilizada por el cómputo.

Lo de las pasarelas “gateway” de enrutamiento para la IA multimodal en la cadena tarde o temprano tendrá que dejar al descubierto la privacidad de los nodos por completo

Todos los días vemos a gente presumir que los asistentes de IA lo hacen todo: pueden leer documentos sensibles y hacer auditorías financieras. Pero se hacen los tontos y evaden un agujero de privacidad que es el más mortal: en las pasarelas distribuidas tradicionales, cuando se enruta una solicitud, el nodo puede ver de un vistazo tu IP y tu prompt. Crees que al usar la descentralización te libras de la concentración de datos de los grandes fabricantes centralizados, pero al final, en la cadena, apareces en pantalla como si fueras el protagonista de un desnudo integral. Recientemente, me puse a pelearle sin descanso a OpenGradient Chat con el identificador @OpenGradient ; leí toda la documentación y descubrí que en la capa más profunda montaron una defensa durísima (muy poco comentada en el círculo): un protocolo de enrutamiento doble asimétrico de anonimato basado en Oblivious HTTP (OHTTP).
Todos, cuando “juegan” con IA, lo peor es filtrar secretos comerciales. Este protocolo OHTTP es inteligente porque corta directamente el acoplamiento fuerte entre identidad y contenido. Cuando en OpenGradient Chat introduces un código ultra secreto o un libro contable, el nodo de reenvío solo ve tu IP, pero no puede descifrar el cifrado con “candado” local; y la pasarela de ejecución del siguiente nivel, aunque sí puede descifrar y procesar el prompt, en absoluto sabe desde qué rincón del planeta viene esa solicitud.

En palabras simples: esto es como enviar una carta secreta. Antes, el sobre llevaba la dirección del remitente; quien la repartía podía “hacer carne y hueso” (darte seguimiento) por ti. Y este mecanismo equivale a que encuentras un centro de reenvío opaco de doble capa: la primera empresa de mensajería solo se encarga de arrancar la envoltura que contiene tu dirección; la segunda empresa de mensajería solo se encarga de entregar el sobre anónimo que va dentro. Las dos empresas de mensajería no tienen contacto entre sí. Este material real que se dedica a eliminar la inspección de identidad desde el mismo frente del enrutamiento es lo que permitió que $OPG lograra realmente una seguridad de privacidad verificable.#OPG

El código usa un doble riel asimétrico, frío y despiadado, para coser las costuras del vacío de privacidad que produce la exposición de la red; intenta, a fuerza, levantar un muro de anonimato totalmente aislado en el mundo transparente de la cadena de bloques. Con algoritmos acabamos con la vigilancia y creemos que aislar todas las identidades y los datos por “reducción dimensional” es la solución óptima. Pero lo más irónico es que la razón por la que la civilización humana puede llegar a un entendimiento y confianza verdaderos, a menudo proviene justo de lo contrario: de nuestras pruebas de mirarnos con inseguridad y de atrevernos a exponer a la otra parte nuestras “debilidades” en un cara a cara no seguro. Cuando una sola conversación se descompone por tecnología hasta el final, sin relación alguna, quizá no obtengamos la libertad definitiva, sino una jaula de código llena de guardia hasta en el aire.

El prerrecalentamiento dinámico de pesos para el arranque en frío de modelos de IA distribuidos, antes o después va a chupar el ancho de banda de los nodos hasta dejarlos secos

Todos los días ves montones de proyectos que presumen que tienen agentes inteligentes masivamente descentralizados… pero, en cuanto un modelo “rarito” se despierta de golpe, la carga de ancho de banda infernal para que los nodos distribuidos tiren, en un tiempo brevísimo, decenas de G de archivos de pesos completos a lo largo de toda la red, nadie se atreve a mencionarlo en un escenario real. Tras una investigación profunda del OpenGradient Chat de @OpenGradient , revolví el libro blanco y noté un tesoro oculto de bajo perfil que antes el mercado prácticamente ignoró: “Inyección elástica de fragmentos bajo demanda hacia el núcleo”, basada en un grafo de desacoplamiento neuronal.

Quienes llevan tiempo en Crypto ya entienden: el tráfico instantáneo puede matar a una red descentralizada. Este núcleo es ingenioso porque rompe la regla rígida del “descargar el modelo completo primero y luego iniciar la inferencia”. Cuando el usuario inicia en OpenGradient Chat una conversación compleja de un dominio profesional poco común, el mecanismo usa el grafo de desacoplamiento neuronal para enviar en segundos a los nodos solo los pesos de unas cuantas capas front-end del modelo, las que se encargan del reconocimiento semántico inicial. Mientras la IA está sacando las primeras palabras, las capas de cómputo lógicas posteriores —como en una carrera de relevos— se calculan y se sincronizan bajo demanda, de forma asíncrona y por fragmentos, hacia ranuras de memoria de almacenamiento en los nodos.

Dicho en términos simples: es como ir a un restaurante y que te sirvan un banquete manchú de decenas de platos. Antes, el cocinero tenía que cocinar todos los platos, dejarlos perfectamente ordenados y llenarte la mesa para que te dejaran empezar a comer; pero para cuando empiezan a servir los de atrás, los primeros ya se habían enfriado. Este núcleo hace algo parecido pero al revés: mientras en la cocina ya están preparando los platos fríos, te los sirven primero para que no pases hambre; y mientras comes los fríos, los platos principales a fuego fuerte van subiendo uno tras otro, también por relevos. Este contenido “duro” que exprime al máximo la fricción de ancho de banda entre nodos de cómputo es lo que le da a $OPG la seguridad real para ejecutar modelos masivos de cola larga, en lugar de vivir presumiendo en la cadena con unos cuantos modelos fijos.#OPG

El código usa un relevo elástico, frío y despiadado, para exprimir el ancho de banda de transmisión de cada bit, tratando de reconstruir en el menor tiempo posible un “cerebro” digital que parece no tener ni una sola costura. Eliminamos la espera con algoritmos y siempre sentimos que convertir todo en eficiente es la respuesta definitiva de la evolución humana.

El ataque de contrainferencia basado en IA en cadena, tarde o temprano, acabará por envenenar la red principal de la blockchain pública

Cada día escucho a un montón de proyectos presumir lo inteligentes que son sus agentes, pero todos fingen no ver un flanco de seguridad más desagradable: la inyección de contramedidas mediante indicaciones inversas maliciosas por parte de usuarios. Como los nodos de los modelos descentralizados son públicos, los hackers pueden, mediante una gran cantidad de prompts cuidadosamente construidos, “tantear” directamente los parámetros de los pesos del modelo. Habiéndome puesto a prueba a fondo con el OpenGradient Chat de la empresa @OpenGradient , revisé los whitepapers y noté una solución hard-core que rara vez se comenta en caliente: un mecanismo de defensa distribuida contra adversarios inversos basado en funciones de activación con confusión dinámica.

A los ojos de los “veteranos” que ya han caído en la inversión imprudente, los modelos sin barreras de seguridad son objetivos que van totalmente desnudos. Lo más duro de este mecanismo es que directamente le mete un tajo a la capa de activación de la red neuronal. Cuando el usuario envía una solicitud, el nodo subyacente no saca una salida con pesos lineales fijos en la propagación hacia adelante, sino que inyecta un factor de confusión aleatoria criptográfica, y con ello se desordena por completo la topología del tensor de salida. Si un hacker intenta retroderivar los secretos del modelo mediante miles de consultas, lo único que obtendrá será un montón de ruido basura sin ningún sentido.

En lenguaje sencillo: es como un chef que domina una receta ultrasecreta. Antes, los malos podían aprender el truco intentando probar la proporción de los ingredientes cada día. Y este mecanismo sería como si el chef, sin afectar el sabor, añadiera a diario algunas porciones de ingredientes disfrazados y rarísimos, de modo que quien intente robar el aprendizaje se quede completamente mareado en la lengua. Este contenido hard-core que “bloquea” la seguridad de los datos en la base misma de las neuronas es lo que hace que $OPG realmente tenga una defensa robusta contra los ataques de los hackers. #OPG

El código usa una confusión implacable para eliminar las brechas de beneficio generadas por el acecho y el husmeo; ocultamos la inteligencia en una niebla que no se puede revertir. Usamos algoritmos para levantar una línea de defensa y pensamos que, al fijar las reglas sin puntos ciegos, podemos proteger el mundo. Pero lo más irónico es que la parte más sutil de la sabiduría está, precisamente, en la honestidad sin reservas: cuando hasta una sola conversación tiene que disfrazarse y verificarse con capas y capas de barreras, lo que al final obtenemos, ¿es seguridad definitiva o un basurero de código lleno de recelo incluso en el intercambio más puro?

尽管链上AI模型权重要不要早晚把节点全部憋死

圈内那些搞DePIN分布式推理的项目，天天吹嘘自己聚合了多少块显卡，却都在装傻回避一个最恶心的技术瓶颈：显存碎片化导致的带宽雪崩。直到我这两天深度测试 @OpenGradient 旗下的OpenGradient Chat，死磕白皮书，才注意到一个被所有人忽略的压箱底干货：基于EVM底座的静态张量内存预对齐寻址机制。

大家平时玩链上AI最怕遇到卡顿。大模型推理需要频繁在GPU显存和系统内存之间倒腾庞大的权重矩阵，一旦多用户并发，节点就会因为高频的IO读写直接陷入瘫痪。这个机制聪明在它直接在EVM的存储槽位与底层硬件的内存映射之间打通了一条“绿色通道”。当OpenGradient收到复杂的指令时，它不需要走传统的应用层格式转换，而是通过预对齐的标量直接在物理显存里进行原地计算。

大白话解释，这就像你去仓库搬运几百箱笨重的货物，以前你必须先看清单、清点数量、再用叉车一箱箱运到大卡车上，折腾半天效率极低。而这个机制相当于直接把卡车开进了仓库内部，货物就整整齐齐码在车轮底下，司机一伸右手就能抓到，省去了所有中间搬运的无效损耗。这种把硬件潜力榨干到极致的真干货，才让 $OPG 真正实现了商业级的秒级响应。#OPG

代码在用冷酷的算法去压榨硬件的每一丝生存空间，试图把万物都塞进一个绝对高效、毫无缝隙的内存存储槽里。我们用技术消灭等待、消灭冗余，总觉得把一切都效率化就是终极的正确。可最讽刺的是，人类文明之所以能诞生出那些真正具有灵性的智慧，往往恰恰源于我们不完美、会开小差、甚至允许在低效和模糊中漫无目的地试探；当一个世界被技术精简到连一丁点显存碎片都不复存在时，我们得到的或许并不是绝对自由的数字未来，而是一个连呼吸都被算力精确丈量的代码牢笼。

No haré más de lo necesario aquí.

De 65000 a 59000, la tendencia ya está claramente definida.

Ir en largo desde este punto para perseguir el precio no es esencialmente diferente a lo que hicieron estos días atrás comprando en posiciones altas.

Prefiero perderme el rebote.

Y tampoco voy a asumir un riesgo de varios miles de puntos solo para buscar unas cuantas centenas de puntos de ganancia.

Lo más importante en trading nunca es cuánto ganas.

Sino pensar primero cuánto podrías perder.$BTC

La IA en la cadena está siendo alimentada con datos basura, convirtiéndose en un niño con problemas lógicos

Las calles están llenas de proyectos DePIN que hablan a los traders sobre la escala de poder de cómputo, pero todos evitan mencionar un nudo mortal en la industria: bajo el impulso de intereses, los nodos distribuidos están locamente alimentando modelos con datos de mala calidad de Web2 o incluso datos generados por IA. En estos días, me he estado enfocando en OpenGradient Chat, que pertenece a @OpenGradient . He revisado el whitepaper y noté una carta dura que rara vez se discute en el ecosistema: un protocolo de filtrado y limpieza de datos en cadena basado en el monitoreo de aumento de entropía de tensores estadísticos de alto orden.
Cuando la gente juega con la IA en cadena, lo que más teme es que el modelo "hable tonterías". Las redes tradicionales no pueden distinguir en tiempo real si los datos alimentados por los nodos al modelo grande son realmente útiles o pura basura. Pero este protocolo de limpieza es poderoso porque introduce un mecanismo de monitoreo de aumento de entropía de tensores en la parte más frontal de los cálculos. Todos los conjuntos de datos de entrenamiento o inferencia subidos por los nodos, antes de entrar en la red central de OpenGradient Chat, serán calculados en tiempo real para detectar cambios en el valor de entropía de su espacio de características matemáticas. Tan pronto como se detecten anomalías en la regularidad del flujo de datos, o si contienen una gran cantidad de charlas generadas por IA de baja densidad, el sistema interceptará y rechazará automáticamente la recompensa de $OPG en milisegundos.

En términos simples, esto es como un restaurante de lujo que contrata aprendices. Antes, los aprendices trataban de engañar al chef recogiendo un montón de hojas de vegetales podridas del mercado para hacer bulto, ya que después de cocinarlas nadie podría notar la diferencia. Pero este mecanismo es como tener un escáner hiperespectral en la puerta de la cocina; si los vegetales que el aprendiz trae no son lo suficientemente frescos o tienen residuos de pesticidas, la puerta se cerrará de inmediato y se le descontará todo su salario del día. Este enfoque pragmático que elimina directamente a los nodos tramposos desde la fuente de datos es lo que permite a la red escapar de esa fatalidad de Ponzi construida sobre montones de datos basura. #OPG

La humanidad ha construido un alto muro digital perfecto con tecnología, intentando usar algoritmos fríos para filtrar todas las engaños y impurezas del mundo. Pero irónicamente, cuando un mundo es tan limpiado tecnológicamente que ni un atisbo de redundancia o ruido vago queda, lo que obtenemos puede que no sea una inteligencia final y absolutamente pura, sino un código estancado que ha perdido sus sesgos, su curiosidad y, en última instancia, su potencial de evolución.

Los modelos de IA en cadena tarde o temprano serán aplastados por la sincronización de pesos dinámicos. Todos los días escuchamos a los proyectos DePIN presumir de su enorme poder computacional global, pero si indagas un poco, todos evaden la conversación sobre la ruptura del estado entre nodos distribuidos. Recientemente, me he metido a fondo con el OpenGradient Chat lanzado por @OpenGradient , y siguiendo el whitepaper, encontré una tecnología que había estado extremadamente bajo el radar y que nunca había sido promocionada: un protocolo de consenso sin bloqueo basado en instantáneas incrementales de matrices asíncronas.

¿Qué es lo que más temen los que juegan con IA en cadena? La inferencia de grandes modelos es típicamente contextual y altamente correlacionada; los nodos deben sincronizar en tiempo real los enormes pesos de memoria a corto y largo plazo al cambiar. Las redes tradicionales, para evitar desorden de datos, solo pueden forzar a todos los nodos a detenerse y esperar la sincronización, lo que lleva a una respuesta tan lenta como el internet de marcación de hace más de diez años. Pero este protocolo es ingenioso porque permite a los nodos hacer "carreras ciegas" sin tener la matriz completa sincronizada, solo transmitiendo instantáneas incrementales extremadamente pequeñas a través de múltiples canales de forma asíncrona.

En términos simples, es como si varias personas se turnaran para escribir una novela; antes, cada uno tenía que esperar a que todo el grupo leyera y firmara antes de escribir el siguiente capítulo, lo que era increíblemente ineficiente. Con este mecanismo, todos escriben a ciegas mientras solo se sincronizan algunos giros argumentales clave mediante un pager, siempre que la dirección general no se desvíe, nunca se detienen. Este diseño que optimiza el ancho de banda y la tolerancia a fallos ha permitido que $OPG logre una respuesta de nivel comercial en segundos, rompiendo la barrera de latencia de la potencia computacional distribuida. #OPG

El código está utilizando algoritmos fríos para eliminar las barreras temporales y espaciales, tratando de dibujar un círculo perfecto de sincronización absoluta en un mundo real caótico. Pero la verdadera belleza de la vida a menudo proviene de las pruebas y malentendidos que surgen entre las personas debido a la imposibilidad de sincronización precisa; cuando la tecnología formatea cada paso hasta el final sin desviaciones, lo que obtenemos quizás no sea la libertad definitiva, sino una prisión digital sin vida.

Lo más interesante de esta caída.

No es cuánto ha bajado.

Sino que después de caer, mucha gente empezó a ver el mercado en corto.

Es como cuando hace unos días llegó a cerca de 65000, donde muchos empezaron a mirar hacia los 70000.

Lo que más le gusta al mercado hacer.

Es recoger a las personas con emociones más alineadas. $BTC

Anoche, mucha gente me preguntó por qué me atreví a hacer short.

La razón es bastante simple.

BTC llegó cerca de 64500, con resistencia en 1 hora y 4 horas coincidiendo; ETH también llegó justo a la zona de resistencia de rebote clave.

En ese momento, el mercado estaba casi todo en modo alcista, pero cuanto más unánime se vuelve la emoción, más cauteloso me pongo.

No persigo el precio, solo espero la posición.

Cuando la posición llega, entro; si no llega, espero.

Ahora, mirando hacia atrás, el mercado ya ha dado la respuesta.📉$BTC

Deja de usar las altas llamadas de modelos grandes para engañar a los traders minoristas
En el mercado, esos agentes inteligentes en la cadena, al enfrentar un oleaje de nuevos lanzamientos con miles de usuarios en línea, simplemente se caen, ni siquiera puedes obtener datos básicos de retorno. Después de probar a fondo OpenGradient Chat lanzado por @OpenGradient , he estado pensando en cómo solucionan esa parálisis de nodos bajo alta concurrencia. Tras leer el whitepaper, descubrí un contenido poco común que todos habían pasado por alto, llamado algoritmo de enrutamiento suave adaptativo multidimensional para reducir picos.

Las redes de inferencia distribuidas tradicionales temen los picos de tráfico que llegan de golpe, porque los nodos necesitan transferir grandes matrices de características entre diferentes máquinas, y si se congestionan, todo el contexto de la conversación se puede agotar y morir en la memoria. Este algoritmo para reducir picos es brillante porque dispersa las solicitudes de alta concurrencia, construyendo en el nivel más bajo de la red una especie de red de enrutamiento suave similar a un 'carril de marea', descomponiendo dinámicamente las tareas de inferencia y redirigiéndolas a nodos de configuración media-baja para realizar un preprocesamiento en paralelo.

Es como ir al banco a hacer trámites, antes, sin importar qué operación fueras a realizar, tenías que hacer cola en la misma ventanilla, pero este algoritmo es como si en el vestíbulo hubiera un montón de guías móviles, viendo cuál ventanilla está libre y redirigiendo directamente las simples acciones de retiro. Este diseño pragmático que enfrenta la alta concurrencia y la congestión es lo que realmente permite a $OPG tener la posibilidad de uso diario, en lugar de ser solo un juguete que puede correr demos en una red de prueba. #OPG

Nos esforzamos por usar algoritmos para fijar la precisión del tiempo, midiendo el valor con bloques, siempre pensamos que si las reglas son lo suficientemente perfectas, podremos ordenar el mundo caótico de manera ordenada. Pero la tecnología finalmente tiene que ceder ante la realidad, porque lo que realmente impulsa el funcionamiento de este mundo no es el orden absoluto que espera su turno en leyes rígidas, sino el paso de confianza que se atreve a romper la norma cuando llega el desorden.

En estos últimos días, mucha gente ha estado preguntando:
¿Por qué BTC no baja?
Claramente el sentimiento del mercado es negativo, pero cada vez que cae cerca de 60,000, siempre hay capital que lo respalda.
La respuesta es bastante simple.

Los retail miran las velas, los institucionales observan los chips.

Recientemente, BTC ha estado fluctuando alrededor de los 60,000 dólares, incluso con las oscilaciones en el flujo de fondos del ETF, los holders a largo plazo siguen acumulando.
Así que lo más interesante ahora no es cuánto ha subido.

Sino:
¿Por qué no puede bajar?

Cuando todos esperan una caída drástica, el mercado a menudo no da oportunidades.
Cuando todos creen que va a despegar, el mercado generalmente hace una limpieza primero.

Mi perspectiva actual es bastante simple:
Superamos los 65,000, miraré un breakout.
Por debajo de 63,500, estaré atento a un pullback.
En la zona intermedia, menos movimiento.
La paciencia siempre paga más que el trading frecuente. #SpaceX股价盘前跌4.6% $BTC

Si esta noche el BTC cae a la zona de 62000.

La mayoría se asustará.

Si esta noche el BTC sube a la zona de 66000.

La mayoría estará emocionada.

Y el lugar donde más se gana en el trading, a menudo, es justo cuando las emociones de la mayoría son más extremas.

Por eso prefiero:

Buscar largos cuando cae, y buscar cortos cuando sube. La resistencia en 65100 para el gran pastel es muy importante, así que elijo hacer short. $BTC