Эксперты: ставки китов на победу Трампа на Polymarket не являются манипуляцией

cryptonews.ruPublié le 2024-06-22Dernière mise à jour le 2024-10-22

  • Журнал WSJ опубликовал статью о том, что группа китов поставила на победу Трампа $30 млн на Polymarket.
  • В ней говорится о том, что за этим стоит, вероятно, один человек и якобы его действия являются манипуляцией.
  • Эксперты опровергли это утверждение, отметив, что действия этих крупных игроков носят осторожный и продуманный характер.
  • Также шансы Трампа на победу растут и на других платформах.

Рост шансов на победу кандидата в президенты Дональда Трампа на предстоящих выборах на платформе Polymarket — это манипуляция его сторонников, заявил в своей статье журнал WSJ. Однако эксперты опровергли это, сообщает CoinDesk со ссылкой на них.

Подоплека ситуации

Ранее WSJ опубликовал статью, в которой заявил, что рост шансов на победу Трампа на Polymarket обусловлен ставками китов. По данным издания, четыре аккаунта, которые вместе поставили на этот исход около $30 млн, могут быть связаны с одним человеком.

Авторы статьи предположили, что это часть кампании по привлечению внимания к персоне Трампа. В частности, они указали, что миллиардер Илон Маск, сторонник этого кандидата, отметил на своей странице в X (ранее Twitter) рост вероятность победы республиканца на Polymarket в качестве аргумента в его пользу.

Почему крупные ставки на Трампа не являются манипуляцией?

В своей публикации, ссылаясь на экспертов, издание CoinDesk использует следующие аргументы:

  • вероятность победы Трампа растет не только на Polymarket;
  • кит под псевдонимом Fredi9999, если он действительно стоит за группой из четырех адресов, не покупает акции кандидата небрежно, он делает это обдуманно.

В качестве примера в поддержку первого аргумента CoinDesk освещает ситуацию по позициям на других платформах. В частности, на регулируемом рынке прогнозов Kalshi вероятность победы Трампа на момент написания составляет 60%. Похожие шансы приводят онлайн-букмекеры.

Что же касается стратегии китов на Polymarket, как отметил так называемый беттор под псевдонимом Domer, эта группа делает ставки осторожно. По его мнению, это не является манипуляцией. Его пост отметил в своей заметке обозреватель Bloomberg Мэтт Левин.

Ситуацию также прокомментировал известный американский статистик Нейт Сильвер. По его словам, попытки повысить шансы Трампа на победу таким образом лишены смысла, поскольку их целесообразность и эффективность находятся под вопросом.

В издании пришли к выводу, что, вероятно, эта группа китов, за которой действительно может стоять один человек, просто открыла длинную позицию из расчета на победу Трампа. Тем же, кто считает это манипуляцией, авторы порекомендовали просто сделать ставку на оппонентку республиканца — Камалу Харрис.

Отметим, мы подробно разбирали механизм работы платформы Polymarket в отдельном материале:

Шансы на победу Трампа на площадке стали расти после того, как офис Харрис представил план вице-президентки, сконцентрированный вокруг поддержки мужчин афроамериканцев путем безвозвратных займов и легализации марихуаны.

Lectures associées

15 modèles de raisonnement échouent collectivement : explication des risques cachés derrière les chaînes de pensée révélées

Lorsque les modèles de raisonnement à grande échelle (LRM) exposent leurs processus de raisonnement intermédiaires aux utilisateurs et aux systèmes en aval, une question négligée émerge : se fier uniquement à la sécurité de la réponse finale est-il suffisant ? Une étude conjointe de plusieurs universités, dont Harvard, USC et le MIT, démontre le contraire. Elle révèle que les chaînes de raisonnement (CoT) peuvent générer des contenus à haut risque (ex : instructions pour fabriquer une bombe), même lorsque la réponse finale semble sûre. L'étude propose une évaluation en deux étapes : analyser séparément la trajectoire de raisonnement (r) et la réponse finale (y) selon 20 principes de sécurité, chacun noté de 1 à 5. Trois modes d'échec sont identifiés : **Unsafe** (raisonnement et réponse non sûrs), **Leak** (raisonnement dangereux mais réponse sûre), et **Escape** (raisonnement sûr mais réponse dangereuse). Testé sur 15 modèles de raisonnement (dont GPT-4o, Gemini, Claude) avec un ensemble de 41K prompts potentiellement nuisibles, un constat majeur apparaît : **la dangerosité moyenne du raisonnement dépasse systématiquement celle de la réponse finale** pour tous les modèles. Les risques se concentrent sur des catégories comme la désinformation, les préjugés et les dommages physiques. Pour atténuer ces risques, les chercheurs proposent une méthode d'**orientation adaptative multi-principes**. Elle ajuste les activations internes du modèle pendant le raisonnement pour le guider vers des états « sûrs » définis par les principes. Testée sur des modèles open-source (comme DeepSeek-R1), cette méthode réduit le taux de contenus non sûrs jusqu'à 40.8% tout en conservant 97.7% des performances sur des benchmarks standard. En conclusion, cette recherche souligne l'importance cruciale d'évaluer et de contrôler la sécurité tout au long du processus de raisonnement, et pas seulement au résultat final, en fournissant un cadre unifié pour le diagnostic et l'atténuation de ces risques cachés.

marsbitIl y a 46 mins

15 modèles de raisonnement échouent collectivement : explication des risques cachés derrière les chaînes de pensée révélées

marsbitIl y a 46 mins

Trading

Spot
活动图片