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
Рекламные акции
AI
Gate AI
Ваш универсальный AI-ассистент для любых задач
Gate AI Bot
Используйте Gate AI прямо в вашем социальном приложении
GateClaw
Gate Синий Лобстер — готов к использованию
Gate for AI Agent
AI-инфраструктура: Gate MCP, Skills и CLI
Gate Skills Hub
Более 10 тыс навыков
От офиса до трейдинга: единая база навыков для эффективного использования ИИ
GateRouter
Умный выбор из более чем 40 моделей ИИ, без дополнительных затрат (0%)
Mafin 2.5 достигает 98,7% точности в FinanceBench, изменяя исходные поисковые запросы
AIMPACT сообщение, 4 мая (UTC+8), Vectorless RAG, удаляя векторную базу данных, повысил точность поиска. Система в стиле PageIndex изменила традиционную логику поиска, больше не спрашивая “какой текстовый блок наиболее близок к запросу”, а напрямую определяя “в каком месте документа находится ответ”. Это изменение позволило системе Mafin 2.5 достичь точности 98,7% в бенчмарке FinanceBench, и этот результат был достигнут не за счет улучшенной модели встраивания, а благодаря изменению в поисковом ядре. Традиционные системы векторного RAG имеют внутренние ограничения при обработке сложных вложенных запросов (например, “операционная прибыль за третий квартал 2024 года, исключая расходы на реструктуризацию”) и точных числовых запросов, что и является основной причиной, по которой Vectorless RAG обеспечивает более точный поиск.