Cơ bản
Giao ngay
Giao dịch tiền điện tử một cách tự do
Giao dịch ký quỹ
Tăng lợi nhuận của bạn với đòn bẩy
Chuyển đổi và Đầu tư định kỳ
0 Fees
Giao dịch bất kể khối lượng không mất phí không trượt giá
ETF
Sản phẩm ETF có thuộc tính đòn bẩy giao dịch giao ngay không cần vay không cháy tải khoản
Giao dịch trước giờ mở cửa
Giao dịch token mới trước niêm yết
Futures
Truy cập hàng trăm hợp đồng vĩnh cửu
TradFi
Vàng
Một nền tảng cho tài sản truyền thống
Quyền chọn
Hot
Giao dịch với các quyền chọn kiểu Châu Âu
Tài khoản hợp nhất
Tối đa hóa hiệu quả sử dụng vốn của bạn
Giao dịch demo
Giới thiệu về Giao dịch hợp đồng tương lai
Nắm vững kỹ năng giao dịch hợp đồng từ đầu
Sự kiện tương lai
Tham gia sự kiện để nhận phần thưởng
Giao dịch demo
Sử dụng tiền ảo để trải nghiệm giao dịch không rủi ro
Launch
CandyDrop
Sưu tập kẹo để kiếm airdrop
Launchpool
Thế chấp nhanh, kiếm token mới tiềm năng
HODLer Airdrop
Nắm giữ GT và nhận được airdrop lớn miễn phí
Pre-IPOs
Mở khóa quyền truy cập đầy đủ vào các IPO cổ phiếu toàn cầu
Điểm Alpha
Giao dịch trên chuỗi và nhận airdrop
Điểm Futures
Kiếm điểm futures và nhận phần thưởng airdrop
Đầu tư
Simple Earn
Kiếm lãi từ các token nhàn rỗi
Đầu tư tự động
Đầu tư tự động một cách thường xuyên.
Sản phẩm tiền kép
Kiếm lợi nhuận từ biến động thị trường
Soft Staking
Kiếm phần thưởng với staking linh hoạt
Vay Crypto
0 Fees
Thế chấp một loại tiền điện tử để vay một loại khác
Trung tâm cho vay
Trung tâm cho vay một cửa
Thêm
Nhóm Stanford đề xuất RAGEN-2, sử dụng bộ điều chỉnh chính quy dựa trên thông tin tương tác để giải quyết vấn đề hành vi trống rỗng của các tác nhân RL
Tin ME News, ngày 9 tháng 4 (UTC+8), gần đây, một nghiên cứu có tên RAGEN-2 chỉ ra rằng, mặc dù các tác nhân được huấn luyện bằng học tăng cường có vẻ hành xử đa dạng, nhưng thực tế chỉ đang lặp lại các mẫu, dẫn đến entropy cao nhưng gần như không có thông tin tương tác, tức là mô hình đã học cách nói chuyện vòng vo theo nhiều cách khác nhau. Để giải quyết vấn đề này, các nhà nghiên cứu đã đề xuất một bộ điều chỉnh cảm nhận thông tin tương tác. Nghiên cứu này do @wzenus, @ManlingLi_, @YejinChoinka và Fei-Fei Li cùng thực hiện. (Nguồn: InFoQ)