Casper Sheraz

DeFi 交易可以很快完成結算，但如果一開始就批准了錯誤的操作呢？

這正是 Newton Mainnet Beta 試圖解決的問題。

@NewtonProtocol 正在爲 DeFi 構建一個授權層：在結算之前，交易可以根據當前生效的策略進行檢查。

這就是我認爲重要的區別。

許多系統只會在交易之後展示發生了什麼。Newton 聚焦於在交易遷移之前被強制執行的內容。

這對 DeFi 金庫、穩定幣、RWA 和 AI 代理都很關鍵。如果真實價值正在鏈上流動，那麼規則不應只停留在儀表盤、文檔或鏈下流程中。它們應該成爲執行的一部分。

經過簽名的通過/未通過證明使這一點更可落地。它提供了鏈上的記錄：該策略是批准還是拒絕了該操作。

對我而言，Newton 的想法很簡單：

DeFi 不僅需要速度。它需要在結算前進行檢查。

#newt $NEWT

聊天裏的糟糕AI回答讓人煩。

在機器人領域，糟糕的AI決策可能會移動機器。

正是這句話——讓我注意到這篇@OpenGradient 文章的原因。當AI開始與機器人、車輛、工業機械臂或現實世界系統協作時，僅靠速度是不夠的。人們需要知道究竟執行了什麼。

這就是可驗證計算的重要性。

如果一臺機器人採取了一個動作，就應該有辦法檢查：運行的是不是正確的模型，輸入是否保持乾淨，以及輸出是否來自真實執行。

加密領域在很多方面已經是這樣了。我們期待交易的收據。現實世界的AI可能也需要同樣的思維方式。

聰明的AI很有用。可驗證的AI更安全。

#opg $OPG

坦白說，目前 CreatorPad 的評分感覺非常讓人困惑。

Binance 會提供活動話題和討論要點，創作者被要求圍繞這些話題製作原創內容，保持相關性，避免垃圾內容。但即使遵循了這些方向，分數仍可能很低，而有些其他策略似乎表現得更好。

我理解質量、有效觀點以及互動都很重要。但如果基於給定話題的原創活動內容依然拿到很低的分數，那麼創作者就需要更清晰的指導：系統究竟看重的是什麼。

現在這種情況讓人覺得很沮喪，因爲投入是真實的，但結果卻很難理解。我希望 CreatorPad 能讓評分反饋更加透明，這樣創作者就能知道問題出在內容質量、有效觀點、互動、原創性，還是其他因素。

#Binance #AI #ALPHA #crypto #creatorpad
@Binance Square Official @CZ @Yi He

#BinancePickAndWin WinFootball之所以有趣，是因爲一場比賽就能改變整個心情。你可以研究各支球隊、查看狀態，可是就算只是一個臨近結束的進球、一張紅牌，或一次錯失良機，都可能讓一切瞬間翻轉。這也是爲什麼每一輪都讓人覺得充滿刺激。足球從來不會一直保持簡單。

$RAVE
$LAB
$BSB

誰能把你的 AI 提示詞再連接回你？

當提示詞不是隨機的時，這個問題就很關鍵。策略要點、代碼想法、私人研究，或加密相關問題，都可能在任何信息公開之前就暴露很多。

這就是 @OpenGradient Chat 讓人感到不同的地方。隱私流程不只是一個承諾。請求在到達模型之前就被設計爲將用戶與提示詞分離。

從我在截圖裏看到的流程來看，IP 通過 OHTTP 被移除，瀏覽器內的對話保持加密，網關運行在 AWS Nitro TEE 內。模型拿到的是文本，但無法追溯到提出問題的具體個人。

我在意的就是這一點。真正有用的 AI 不應該把每一個嚴肅的問題都變成一份個人畫像。

試試：chat.opengradient.ai

#opg $OPG

#BinancePickAndWin My WinFootball round was mixed but exciting. 阿根廷表現得非常完美，憑藉首球取得領先，並以3-1戰勝約旦；而加拿大對陣南非的比賽一直很膠着，直到加拿大在傷停補時階段纔拿下比賽。現在巴西對日本仍有待賽，而那場比賽可能會決定這一輪的最終氛圍。賽前足球的競猜看起來總是很簡單，但一粒遲來的進球就能改變一切。

$RAVE $SLX $SYN

我有一次在某個代幣上虧了錢。最糟的部分？我其實做過研究。

只是研究分散得太到處都是：手機裏幾條備忘。相冊裏某個角落埋着的截圖。把兩個紅旗內容隨手丟進了一個隨機文檔。還有一條我發誓要再讀、但之後再也沒打開過的線程。

所以當我終於下手的時候，我確實已經有信息了。我只是當時不在眼前。那些警示信號早就在那裏了。我卻被自己一團亂麻的東西遮住了。

這就是 @OpenGradient Chat 解決了我的原因。現在在我承諾任何事情之前，我都會先把所有東西集中到一個地方：筆記、代幣細節、截圖、我從他們官網複製下來的主張，以及我自己的疑慮。然後我讓 AI 去拆解：哪些被驗證了、哪些只是主張；哪些需要第二來源；哪些信息很薄；以及我默默希望能忽略的那個紅旗。

它不會給我價格預測。它給我的是一份文件：最強的觀點、最弱的觀點、缺了什麼、紅旗是什麼，以及我仍然沒有回答的問題。就是那種——我當時虧錢時根本沒有的——東西。

隱私是我願意把這些內容放進去的原因。加密研究會暴露很多關於你：你在盯什麼、你可能會買什麼、你對什麼不確定。我不想讓這些活在某個隨便的 AI 工具裏。

在這裏，我的消息會在我自己的設備上加密，而且在任何內容進入模型之前，我的身份會被移除，所以這份研究不會和我綁定。文件也不會存放在他們的服務器上。它只加密在我的設備上，不是在他們的後端。

我先把限制說清楚：模型仍然需要讀取我的提示詞才能幫我。這並不是“永遠沒人能看到這些詞”。而是這些詞無法被追溯到我。用於在你買之前篩查敏感研究時，我想要的就是這種隱私。

從那次虧錢裏得到的教訓很簡單。在加密領域，你很少會信息不足。你通常只是把分散的信息信得太快。

這是第一件真正把這件事解決了的東西。

試試：chat.opengradient.ai

#opg $OPG

#BinancePickAndWin Knockout rounds are starting, and this is where WinFootball gets more exciting.

沒有平局的安穩，也沒有第二次機會。一次失誤，一個進球，或是最後時刻的瞬間，都可能改變一切。

現在，真正的壓力開始了。

$RE $VELVET $SLX

2026年6月已由幣安完成，$RE & $SLX ，另有$SYN ，恭喜所有官員，特別是項目所有者😂😂😂😂😂😂

真的很漂亮的圖表走勢，希望每家交易所都能做同樣的事情。

#Binance #BinanceSquareTalks #AI #ALPHA #crypto

我一直會回到 @OpenGradient S2 空投角度，因爲它獎勵一些更難僞造的東西：真實使用。

今天我查看了我的賬號，發現顯示有 1.1k 積分。這個數字讓 S2 的要求顯得更真實。

在過去幾天裏，我在實際工作流中測試了 OpenGradient Chat：用來爲概念生成圖片、用 Local Agent 進行代碼審查、整理零散的筆記、私密頭腦風暴，以及比較不同模型，包括 Opus 4.8。

我最明顯的感受是，每一次測試都有其明確的價值。圖片生成把想法草稿變成了視覺效果。Local Agent 讓我能在更受控的環境裏審閱代碼。零散筆記也變得更清晰，形成了提綱。所有內容都保持在同一個受保護的工作空間中。

這很重要，因爲真實使用給項目傳遞的信號比轉發或評論更強。涉及的積分、嘗試過的提示詞，以及回訪的會話，都能反映出用戶真正覺得有用的內容。

因此，把 S2 OPG 的資格與實際參與度綁定，對我來說是有道理的。

#opg $OPG

良好的代幣經濟學可以吸引關注，但糟糕的執行會白白浪費它。歸根結底，只有當產品能讓人有理由留下來時，供給計劃、激勵措施和獎勵才真正重要。

$TRADOOR
$LAB
$RAVE
#Binance #AI #crypto #Caspersheraz #ALPHA