Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Председатель фонда ICML переходит с Meta на Google DeepMind, чтобы возглавить исследование безопасности Gemini
Согласно мониторингу 1M AI News, известный ученый в области дифференциальной приватности Камалика Чаудхури объявила в X, что присоединилась к Google DeepMind в качестве научного сотрудника. Она будет руководить исследовательской группой, сосредоточенной на повышении безопасности и приватности Gemini. Она заявила, что возможности больших языковых моделей стали достаточно мощными, а безопасность превратилась в барьер для полного раскрытия их потенциала как агентов. Она надеется «помочь Gemini стать самым безопасным передовым моделью». Ранее Чаудхури работала научным сотрудником в Meta AI Research (FAIR) и также является профессором на неполную ставку в Университете Калифорнии в Сан-Диего (UCSD). Начиная с июля 2025 года, она займет должность председателя ICML Foundation, ведущей конференции по машинному обучению. Она является одной из пионеров в применении дифференциальной приватности — математической основы, которая защищает индивидуальные данные от обратного восстановления, — к обучению машинному обучению, и в последние годы ее исследовательский фокус сместился на задачи приватности и безопасности ИИ-агентов.