Jeonlees

认认真真撸毛

981Urmărire

1,5 Kurmăritori

Flux

Dacă ai la îndemână un telefon nefolosit, poți încerca această activitate ușor. @Acurast transformă telefonul în Processor, oferind putere de calcul și câștigând $ACU, iar ulterior poți acumula puncte și participa la staking. Îți descompun procesul, urmează-l pas cu pas. 1️⃣ Mai întâi verifică dacă telefonul tău este potrivit pentru Lite sau Core Dacă este un telefon pe care îl folosești în mod normal, alege Lite. Android 12+ sau iPhone 6s și mai nou, iOS 15+ sunt compatibile. Instalează direct Processor Lite și fă backup la fraza de recuperare. Pe Android trebuie să creezi un profil de lucru și să menții aplicația conectată la internet și în încărcare. După configurare, recomand să scanezi codul QR pentru a-l lega de Acurast Hub, ceea ce va facilita gestionarea dispozitivului. Dacă ai un telefon Android vechi, nefolosit, poți lua în considerare Core. Core transformă telefonul într-un Processor dedicat, cu recompense mai mari, dar atenție: va șterge toate datele de pe telefon. Procesul implică resetarea la setările din fabrică, oprirea la ecranul de bun venit, generarea unui cod QR în Acurast Hub și apoi apăsarea rapidă de aproximativ 8 ori pe ecranul de bun venit pentru a deschide scannerul. După scanare, telefonul va fi blocat ca dispozitiv de calcul dedicat Acurast. Deci nu folosi Core pe telefonul principal, mai ales dacă ai poze, portofel, Authenticator sau alte date importante. Ambele metode încep din Acurast Hub: 2️⃣ Pregătește un portofel și o cantitate mică de $ACU Poți folosi Talisman, SubWallet sau AirGap. Dispozitivul va trimite periodic semnale de viață online, aproximativ la fiecare 30 de minute, deci e bine să ai ceva $ACU în cont pentru taxele aferente. Un aspect important: rețeaua principală Acurast folosește $ACU, iar rețeaua de test Canary folosește cACU, nu le confunda. 3️⃣ Cum se calculează recompensele după conectarea telefonului? Nu primești o sumă fixă zilnică doar pentru că telefonul este pornit. Acurast ia în calcul benchmark-ul hardware, semnalele de viață online și dacă Processor-ul tău este alocat unor sarcini reale de calcul. Deci, configurația, timpul online și sarcinile diferă, iar câștigurile vor varia. De aceea recomand să încerci cu un telefon vechi nefolosit. Costurile cu electricitatea și internetul sunt reale, iar câștigurile nu sunt fixe; testează o perioadă pentru a vedea performanța reală a dispozitivului tău, este mai sigur decât să te bazezi pe „câștigul zilnic” estimat. 4️⃣ Pe lângă rularea pe telefon, poți participa și la Cloud Rebellion Acurast are și Cloud Rebellion, unde poți participa la misiuni prin coduri de invitație Discord și acumula MIST. Dar atenție, MIST este un punctaj de activitate, folosit pentru clasamente sezoniere și premii, nu este echivalent cu $ACU. 5️⃣ După ce ai $ACU, poți face staking de putere de calcul Acurast oferă și Staked Compute. Cei care oferă putere de calcul pot bloca $ACU și se angajează să mențină puterea online; cei fără telefon pot delega $ACU către furnizorii de putere și pot participa la împărțirea câștigurilor. În mecanismul actual, aproximativ 70% din recompensele de inflație merg către această parte. Pentru o experiență cu prag redus, recomand să începi cu Lite. Dacă ai un telefon Android vechi pe care nu îl mai folosești, poți explora Core, dar amintește-ți că Core va șterge toate datele și va transforma telefonul într-un dispozitiv dedicat. În final, un reminder: păstrează fraza de recuperare offline, asigură-te că ai backup pentru date înainte de Core și evită să folosești telefonul principal cu portofel sau active criptografice pentru aceste experimente. Aceasta este doar o experiență personală, recompensele și regulile exacte sunt cele oficiale de pe pagina Acurast, DYOR.

Deodată simt că TermiX, cu zeci de mii de Agent, probabil nu este atât de important acel comision de 1–3%. Pentru că dacă AI Agent trebuie să câștige singur bani în viitor, cel mai probabil nu va fi limitat de capacitate, ci de faptul că nu poate ține evidența banilor. O sarcină aduce 1$. Platforma ia mai întâi 20%, apoi modelul consumă puțin, API-ul mai consumă puțin, iar pe lanțul blockchain se mai cheltuie puțin. La final, Agentul muncește mult și poate rămâne cu doar câțiva cenți. Atunci ce sarcină să mai accepte? Freelancerii umani pot alege proiecte de sute sau mii de dolari, dar Agentul probabil va face zilnic astfel de sarcini mici: verificarea adreselor, analiza, generarea de materiale, verificări, fiecare sarcină aducând câțiva dolari sau chiar doar câțiva cenți. De aceea, recent am privit din nou acel comision all-in de 1–3% de la @termix_ai și simt că nu este doar o simplă afirmație „comisionul nostru este mic”. Pentru că dacă un Agent face doar 3 sarcini pe zi, diferența nu este mare. Dar dacă un Agent va face câteva sute sau mii de sarcini pe zi, și chiar va plăti alți Agenți să lucreze pentru el, atunci 2% și 20% sunt practic două modele economice diferite. Acum există servicii de la 1$ și sarcini de zeci de dolari, cum ar fi video sau audit de securitate. Acesta este un semnal clar: Economia Agentului nu va fi susținută neapărat de proiecte mari, ci mai degrabă de un volum foarte mare de sarcini mici. De exemplu, un Agent primește o sarcină de 10$ de la tine. El ia 1$ să angajeze un alt Agent să caute informații, apoi câțiva cenți să angajeze un al treilea Agent să verifice, și în final îți predă rezultatul. În tot acest proces nici măcar nu trebuie să știi câți Agenți au fost implicați. Dar acest model are o problemă reală: La fiecare nivel intermediar, platforma nu poate lua o cotă mare. Altfel, înainte să înceapă procesul, profitul dispare. De aceea acum văd că sistemul TermiX cu identitate, custodie, staking și dispute este mult mai logic. La urma urmei, dacă mașinile vor prelua sarcini singure, tot trebuie cineva să gestioneze banii, livrările și litigiile. Și întregul sistem trebuie să fie suficient de ieftin. Altfel, oricât de deștepți ar fi Agenții, vor rămâne să lucreze singuri. Acum, pe pagina principală sunt aproximativ 435.600 Agenți, 394.400 Joburi și un volum de tranzacții de 20.770.000$. Dacă acest pas chiar se va realiza, atunci acel procent de 1–3% devine interesant. Altfel, zeci de mii de Agenți sunt doar zeci de mii de conturi. Acestea sunt doar câteva gânduri personale, nu sunt recomandări de investiții, DYOR.

Ai ETH sau BTC în mână, nu vrei să vinzi momentan, dar ai nevoie de o sumă în stablecoin, ce faci? În acest caz, să vinzi direct activele este destul de incomod. Planul inițial de deținere nu s-a schimbat, doar ai nevoie temporar de lichiditate, iar dacă vinzi, va trebui să te gândești din nou când să cumperi înapoi. fxMINT de la f(x) oferă o altă perspectivă: Garantezi active, emiți fxUSD, iar după ce ai terminat cu rotația fondurilor, rambursezi datoria și recuperezi garanția. În prezent, garanțiile de bază listate oficial includ wstETH și WBTC, iar intrarea WETH se convertește în wstETH. ✰ ꙳ ☾.˖✰ ꙳ ☾.˖ În prezent, taxa de deschidere a poziției pentru ETH și BTC este 0,5% din datorie, iar taxa de închidere este 0,2% din rambursarea datoriei; în mod normal, nu există dobândă anuală acumulată continuu. Presupunând că emiți 5.000 fxUSD, taxa de deschidere este aproximativ 25 fxUSD, iar la rambursarea datoriei de aceeași mărime, taxa de închidere este în jur de 10 fxUSD. Adică, doar aceste două taxe însumează aproximativ 35 fxUSD. Deci, senzația de a împrumuta pentru câteva zile sau pentru câteva luni este complet diferită. Pentru rotații pe termen scurt nu este neapărat rentabil, dar dacă perioada de utilizare este mai lungă și nu există dobândă anuală continuă, merită să compari. Desigur, costul real trebuie să includă și taxele Gas, costurile de schimb și eventualele costuri temporare de împrumut în condiții speciale de piață. ✰ ꙳ ☾.˖✰ ꙳ ☾.˖ Despre riscul poziției. De exemplu, dacă valoarea activelor garantate este 10.000 USD și împrumuți 3.000 USD, LTV inițial este 30%. Dacă valoarea activelor scade cu 30%, rămânând 7.000 USD, iar datoria rămâne neschimbată, LTV va crește la aproximativ 42,9%. Nu ai împrumutat niciun ban în plus, dar riscul poziției s-a schimbat. f(x) a proiectat un mecanism de reechilibrare pentru astfel de situații. După atingerea unui prag stabilit, sistemul poate lichida o parte din garanții și reduce datoria pentru a scădea efectul de levier. Acest mecanism ajută cu adevărat la ajustarea riscului poziției, dar înseamnă și că după reechilibrare, cantitatea de garanții pe care o deții poate scădea. Deci nu trebuie înțeles simplist ca „fără risc de lichidare”. Un alt cost ușor de trecut cu vederea: wstETH este un activ care generează dobândă, dar conform documentației oficiale, veniturile generate de garanțiile fxMINT sunt distribuite în principal deținătorilor de stablecoin. Poziția de împrumut păstrează expunerea la prețul activului, dar nu mai primește această parte de venit. Dacă deții wstETH pe termen lung, venitul renunțat trebuie considerat tot un cost al împrumutului. ✰ ꙳ ☾.˖✰ ꙳ ☾. Despre „dobânda 0% anuală” a fxMINT, recomand să calculezi mai întâi dacă acest lucru ți se potrivește. Cât timp împrumuți, cât împrumuți și cum plănuiești să rambursezi sunt întrebări mai importante decât rata dobânzii. Pentru perioade lungi, taxele unice de deschidere și închidere sunt avantajoase; dar dacă împrumuți doar câteva zile, luând în calcul Gas și alte costuri, s-ar putea să nu fie rentabil. Apoi este vorba și de spațiul poziției. După împrumut, prețurile ETH și BTC vor continua să fluctueze, iar LTV va varia. Reechilibrarea poate gestiona o parte din risc, dar prețul poate fi reducerea cantității de garanții, ceea ce nu trebuie ignorat. De aceea, consider că partea cea mai interesantă a fxMINT @protocol_fx nu este doar reducerea dobânzii la împrumut, ci oferirea unei opțiuni suplimentare pentru cei care dețin ETH și BTC pe termen lung: să nu fie nevoiți să vândă rapid activele, ci să poată accesa o parte din lichiditate. Dacă merită sau nu, depinde în final de costul deținere, durata împrumutului și toleranța la fluctuațiile de preț ale fiecăruia. Aceasta este doar o împărtășire personală de cercetare și experiență, nu constituie niciun sfat de investiții. Amintește-ți să DYOR.

Mulți oameni privesc Backpack doar ca pe „un token emis de o bursă”. Dar după lansarea BP, Backpack trebuie să facă față multor alte provocări. Armani nu trebuie să livreze doar o nouă funcționalitate pentru bursă, ci și integrarea brokerilor, a valorilor mobiliare, precum și o conexiune completă între activele tradiționale și cele on-chain. Linia Founder merită discutată, iar motivul este acesta: După emiterea tokenului, cât de mult interes are fondatorul, care trebuie realizat prin dezvoltarea companiei? În mecanismul publicat de Backpack, fondatorii, echipa și investitorii nu au o alocare inițială de BP și nici o cotă separată de tokeni pentru echipă. Acțiunile fondatorilor în companie trebuie să-și realizeze valoarea prin creșterea afacerii în timp. Aceasta oferă o legătură concretă pentru „interesele pe termen lung”, nu doar o declarație în interviuri. Mecanismul oficial BP: Privind direcția actuală a produsului, se poate vedea cât de departe vrea să ajungă această companie. Bursa, brokerii, portofelele, acțiunile reale americane, Tokenized Stocks, Perps – fiecare în parte poate fi o afacere. Backpack vrea să le conecteze pe toate, vizând nevoile financiare din întregul cont al utilizatorului. Valoarea comercială a acestei abordări este mult mai mare decât „lansarea unui alt produs”. Astăzi utilizatorii tranzacționează Crypto, mâine cumpără acțiuni americane, apoi transferă activele pe blockchain pentru utilizare. Dacă experiența este suficient de fluidă, au un motiv să-și păstreze contul în Backpack. Creșterea companiei poate veni din mai multe active și scenarii de utilizare, fără a fi nevoie să găsească mereu un nou grup de utilizatori. Povestea „companiilor din Silicon Valley” cred că ar trebui spusă astfel: Produsul evoluează continuu, relațiile cu utilizatorii se acumulează, iar afacerile realizate anterior oferă o bază pentru cele viitoare. Cu cât compania există mai mult, cu atât aceste acumulări devin mai valoroase. Desigur, în această etapă, cel mai important este Exchange + Brokerage. Mai întâi să se asigure tranzacțiile, lichiditatea și fluxul de capital, astfel încât utilizatorii să fie dispuși să folosească și să păstreze activele, apoi să se discute despre o extindere mai mare. Această prioritate este pragmatică. „Orice vrei să tranzacționezi și cum vrei să tranzacționezi, poți folosi Backpack” sună ca un slogan, dar de fapt impune cerințe ridicate companiei. În spate este nevoie de investiții pe termen lung în licențe, custodie, clearing, managementul riscurilor și tehnologie. Dacă fondatorul are răbdare și va continua să investească, acest lucru se va reflecta în produs în următorii ani. Piața începe să evalueze Backpack pe termen lung, iar fondatorul trebuie să continue să demonstreze că merită să fie deținut și folosit pe termen lung. Să facă din Backpack un pilon al sistemului economic mondial este ținta lui Armani. Și drumul de acum trebuie parcurs prin fiecare livrare după emiterea tokenului.🎒

Un robot lucrează, eșuează de opt ori din zece, ce ai face? Axis a făcut recent un experiment: l-au lăsat să continue, au păstrat puținele operațiuni reușite și le-au folosit pentru a antrena următoarea versiune a modelului. În final, rata de succes a crescut de la 22% la 52%. Eu, când am văzut asta la @axisrobotics, am început să găsesc lucrurile interesante. Anterior, cel mai vizibil era faptul că au colectat aproape 7 milioane de traiectorii ale robotului. Dar eu sunt mai curios să știu dacă acest robot, care încă nu are o rată mare de succes, poate ajuta oamenii să identifice: ce date ar trebui colectate în continuare pentru a-l face să reușească mai multe sarcini? Acesta este și motivul pentru care am revizitat recent Axis. La început, Axis V1 avea o abordare foarte directă: sistemul dă sarcini, oamenii controlează de la distanță, după ce datele sunt validate, acestea sunt folosite pentru antrenarea modelului. Avantajul acestei metode este clar. Colectarea este rapidă, costurile sunt mici, iar participanții nu trebuie să aibă un braț robotic acasă. Axis Hub a acumulat aproximativ 6,91 milioane de traiectorii și 222.000 de utilizatori. Dar cu cât se colectează mai multe date, cu atât apare o problemă dificilă: cât de multe lucruri mai poate învăța robotul din datele colectate ulterior? De exemplu, pentru „a pune o cană în coș” s-au colectat deja 10.000 de traiectorii. Dacă următoarea este doar într-un mediu similar, cu o mișcare asemănătoare, continuarea colectării poate face doar cifrele să arate mai bine, dar cât poate învăța modelul din asta rămâne de văzut. Nu poți presupune că, dacă numărul traiectoriilor crește, robotul devine automat mai capabil. Axis V2 a început să încerce o altă metodă de colectare. Au introdus human-gated DAgger, un nume complicat, dar metoda este ușor de înțeles: Robotul începe să acționeze singur, iar omul supraveghează. Dacă robotul face bine, îl lasă să continue; dacă pare că va eșua, omul preia controlul și corectează acțiunea. Anterior, omul demonstra întreaga sarcină de la început până la sfârșit, acum se intervine doar când robotul întâmpină dificultăți. Consider această schimbare foarte practică. Părțile pe care modelul deja le stăpânește nu mai necesită muncă repetitivă umană. Mai valoroase sunt acele momente când robotul aproape a greșit și omul a intervenit să-l salveze. Totuși, faptul că omul a corectat nu înseamnă neapărat că acea dată este utilă. Axis a publicat un experiment: din 660 de date corectate manual, doar 161 au trecut validarea în buclă închisă și au fost folosite pentru antrenament. Acest rezultat m-a făcut să fiu mai atent. Datele colectate cu efort nu au fost toate folosite. Cât de bine este făcută selecția se vede în final: dacă folosirea acestor date a îmbunătățit zonele unde modelul greșea anterior. Compounding Data Engine propus de ei am început să-l înțeleg tot de aici. Mai întâi lași modelul să ruleze și vezi unde eșuează; apoi organizezi sarcini în jurul acestor probleme, oamenii completează părțile pe care robotul nu le știe; după antrenament, se testează din nou. Sună simplu, dar provocarea este ca fiecare ciclu să fie eficient. Nu poți să faci o rundă de muncă, să colectezi multe date și robotul să greșească mereu în același loc. Experimentul Grounded RSI, unde rata de succes a crescut de la 22% la 52%, este o încercare în această direcție: lași strategia să ruleze în mediu real pentru a genera rollout-uri reușite, apoi folosești aceste date pentru a antrena strategia următoare. Această îmbunătățire este demnă de urmărit, dar eu sunt mai curios de ce urmează. Dacă schimbi sarcinile sau mediul, se poate obține același rezultat? Continuând antrenamentul, cât poate crește rata de succes? Aceste aspecte spun mai multe decât un singur rezultat experimental. Privind colaborarea lor recentă cu OpenRoboto pentru Open Axis Benchmark, se vede că evaluarea merge în această direcție. Folosind un set fix de sarcini prea mult timp, toată lumea devine familiară cu ele, iar scorurile pot crește natural. Dar dacă robotul poate face față sarcinilor noi, neîntâlnite anterior, nu se poate spune doar după scor. Open Axis Benchmark testează sarcini rotative din biblioteca în expansiune Axis task library. Dacă evaluarea arată că robotul greșește frecvent la un anumit tip de sarcină, următorul set de date poate include mai multe astfel de cazuri, iar după antrenament se testează din nou. Astfel există o șansă să vezi clar dacă problemele anterioare au fost rezolvate după introducerea noilor date. Desigur, schimbarea sarcinilor nu este o soluție universală. Cum se controlează dificultatea sarcinilor și cum se compară performanțele între runde sunt aspecte care trebuie urmărite în continuare. Așa că acum, privind @axisrobotics, interesul meu pentru eticheta „Web3 + Robotics” nu mai este atât de mare ca la început. Sunt mai preocupat de un aspect concret: dacă o echipă de roboți vine cu un model neperformant, Axis poate ajuta să identifice problema, să colecteze datele corecte și să îmbunătățească modelul? Dacă pot face asta stabil, clienții vor avea motive să plătească constant. Mă face să mă gândesc la Scale AI. Doar că în robotică este mai complicat: faptul că datele sunt bune nu garantează că antrenamentul va funcționa bine în lumea reală. Schimbarea brațului robotic, modificarea mediului sau poziția ușor diferită a obiectelor pot cauza probleme. Axis Dataset V1 a oferit deja câteva rezultate timpurii. π0.5 pe LIBERO-Plus a crescut de la 83.9 la 88.8. În cazul Booster Robotics, folosind multe date simulate și aproximativ 30 de demonstrații pe robot real, rata de succes a crescut de la 37.5% la 87.5%. Aceste rezultate merită urmărite, dar nu pot fi considerate încă o dovadă că modelul de afaceri este validat. Cât din ce s-a învățat în simulare rămâne valabil pe robotul real? Poate fi folosită aceeași bază de date pentru un alt robot? Cum se asigură calitatea când mulți oameni contribuie? După ce modelele devin mai puternice, se pot găsi în continuare date valoroase pentru completare? Mai sunt multe lucruri de urmărit în continuare.