Vegas12

vip
币龄 1.5年
最高 VIP 等级 0
用户暂无简介
燃烧税?
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
成交量,什么成交量?
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
AI 泡沫是真实存在的
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
随着新的加密货币法律和监管规定生效,更多的中心化交易所(CEXs)可能会在某些市场减少业务或停止运营。
这可能引发一连串的流动性离开系统。做市商仍将是合法的,但那些依赖市场操纵、洗钱交易或虚假交易量的人将难以运作得多。合规所需的适当许可、透明的账目记录、遵守规定以及报告将变得至关重要。
DeFi 在这里既有真正的机会,但也存在重大风险。
如果流动性从中心化交易所消失且不转移到链上,许多生态系统可能在缺乏流动性的情况下面临沉重的代币抛售压力。
DeFi 的下一阶段将不会轻松。拥有真正效用、深度链上流动性和可持续代币经济模型的链条将得以生存。其余部分可能会非常艰难。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
DeFi 面临的担忧不止是未来的量子攻击。
量子计算确实是一个现实威胁,但在国家级行为体之外,广泛可被获取的情况很可能仍要好几年。我们有时间通过后量子签名、钱包迁移、密钥轮换以及精心计划的协议升级等方式做好准备
...
眼下的威胁正在此刻发生。
太多的公链和 DeFi 协议在安全、审计和开发方面资金不足。今天,几乎任何人只要能够访问一个强大的本地 AI 模型,就可以通过喂给它足够的数据来分析公开代码、识别弱点,并设计潜在的攻击路径。
这不再是未来的攻击情景。
它正在今天发生。
项目必须停止把安全当作一项开支,并开始把安全当作核心基础设施。
#DeFi #AI
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
Luna 升级进展得非常顺利!🚀
✅ Vegas 节点已经完成更新
✅ 链正在正常出块
✅ 链停机时间:零
升级很顺利,参与其中的每个人都做得很棒。👏
LUNA-1.48%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
去年你是律师,今年你是经济专家……哈哈哈,真难过有些人看不出来这个 😢 lol
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
⟦ŁƲ₦₡Λł⟧ꙮ̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅ·ŁƲ₦Λ⸸̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅŦЯIX⟧ϟ̧̨̛̖̗̘̙̜̝̞̟̠̤̥̦̩̪̫̬̭̮̯͇͈͉͍͎͓͔͕͖̍̎̄̅̿̑̆̐͒͗͑̇̈̊͂͋͌͐͛̚̕͝͠͡ͅ
  • 赞赏
  • 评论
  • 转发
  • 分享
heeeeelp,lol 也太慢了吧……
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
比特币正在讨论诸如 BIP-360 和 BIP-361 之类的提案,以保护网络免受未来量子攻击,包括如何处理存在风险且处于闲置状态的钱包。
迈克尔·赛勒已经分享了他的立场。
你的看法是什么?必要的防护,还是危险的先例?
#Bitcoin #BTC #QuantumComputing #BitcoinSecurity #Crypto
BTC-2.95%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
Cmp170 真的还是炒作?
HYPE-5.23%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
非常感谢你们所有的私信、支持,以及每个人都在问我能不能回来。❤️
如果我回复得稍微慢了一点,真的很抱歉。我每天都会收到很多消息,不幸的是,有些会在消息请求里丢失。不过请你们随时都可以再给我私信,我会尽我所能尽快回复每一个人。
发自内心地感谢你们。你们真的就像我的第二个家人。🙏❤️
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
这是一场很棒的比赛。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
让大型 AI 模型更易于家庭电脑使用
超过三个月以来,我一直在低调研究降低运行超大型 AI 模型所需的硬件与内存负载的方法——尤其是诸如 GLM-5.2 这类的混合专家(mixture-of-experts)模型,在普通家用电脑上运行。
这项工作是我计算机科学硕士学位的一部分,早期结果令人鼓舞。
我现在已经有了一个可运行的原型,计划很快分享更多细节。
目标并不仅仅是创建模型的更小版本,或者声称数千亿参数能够神奇地塞进消费级 GPU。
完整模型仍然可用,但系统会尝试只加载、保留并传输推理当前阶段所需的组件。
我的研究涉及以下领域:
动态专家驻留
预测性专家预取
在 VRAM、系统内存和 NVMe 存储之间进行分层加载
具备缓存感知的路由
减少不必要的参数移动
根据可用硬件调整执行路径
我最近看到另一个项目在探索类似方向,这也促使我把自己的工作公开出来。
不过,我认为一些当前做法可能低估了真实的推理负载。
仅计算分配给活动专家的参数,并不能代表推理的完整成本。共享层、注意力状态、KV cache、路由决策、专家切换、内存带宽、页故障以及 CPU 到 GPU 的同步,都可能成为主要瓶颈。
当只用活动参数来衡量时,一个系统可能看起来很高效,但在真实的端到端推理中仍可能表现很差,因为它会反复在存储、RAM 和 VRAM 之间传输数据。
因此,我的方法并不仅仅聚焦于选择更少的专家。
它还会考虑
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
在 Terra 上按投票权排名第 4,我们很自豪能够帮助保障网络并支持其去中心化。
一个有韧性的生态系统通过长期承诺、积极参与以及强大的验证者集构建而成。
质押 $LUNA 以帮助保障网络。
LUNA-1.48%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
  • 赞赏
  • 评论
  • 转发
  • 分享
在CMC上排名第3的趋势,#Lunc $lunc
LUNC-1.58%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享