2026-06-15 Lundi

Centre d'actualités - Page 204

Obtenez des actualités crypto en temps réel et les tendances du marché avec le Centre d'actualités HTX.

Les modèles du monde évoluent de la prédiction vers la planification : HWM et le défi du contrôle à long terme

Le modèle mondial évolue de la prédiction vers la planification, avec HWM (modèle mondial hiérarchique) abordant le défi du contrôle à long terme. Alors que des modèles comme V-JEPA 2 se concentrent sur l'apprentissage de représentations et la prédiction future via l'entraînement sur de vastes données vidéo, ils peinent dans les tâches de contrôle multi-étapes en raison de l'accumulation d'erreurs de prédiction et de l'explosion de l'espace de recherche d'actions. HWM introduit une structure de planification hiérarchique à deux niveaux. Un niveau supérieur planifie le cheminement par étapes sur une échelle de temps longue, tandis qu'un niveau inférieur exécute les actions locales sur une échelle courte. Cette approche décompose les longues tâches en segments plus courts, réduisant ainsi la complexité de la planification et contenant la propagation des erreurs. Les résultats expérimentaux sont significatifs : Dans une tâche de saisie et placement en monde réel, HWM atteint un taux de réussite de 70%, contre 0% pour un modèle monocouche. Il réduit également considérablement le coût computationnel de la planification. Ce progrès s'inscrit dans une convergence plus large avec V-JEPA (représentation du monde) et WAV (vérification et correction des prédictions). L'objectif est de transformer la capacité prédictive en un système exécutable, vérifiable et capable de planification à long terme, une avancée cruciale pour les robots et les agents IA devant gérer des tâches complexes et séquentielles.

marsbit04/17 10:31

Les modèles du monde évoluent de la prédiction vers la planification : HWM et le défi du contrôle à long terme

marsbit04/17 10:31

Décomposition de la Stratégie de Trading Bitcoin : Prédictions de Célébrités et Modèles Classiques Tous Défaillants, Seuls Ces Quatre Indicateurs Restent

L'auteur, non-traiteur professionnel, a analysé toutes les méthodes de prédiction du prix du Bitcoin (BTC) de 2017 à 2025 et a constaté que les prédictions de célébrités et les modèles classiques (comme Stock-to-Flow) sont devenus inefficaces. Seuls quatre indicateurs se sont révélés fiables pour décrire l'état du marché plutôt que de prédire l'avenir. Les indicateurs retenus sont : 1. **MVRV Z-Score** : Identifie les creux de cycle (zones vertes) avec une grande précision historique, bien que son utilité pour les sommets ait diminué depuis 2024. 2. **SOPR (28-day MA)** : Indique que les détenteurs vendent à perte (valeur < 1.0), un signal stable pour les creux du marché. 3. **Flux nets des ETF Bitcoin** : Un nouvel indicateur crucial depuis 2024 pour suivre le comportement des institutions. 4. **Liquidité macroéconomique** : La politique de la Fed et la croissance de M2 pour déterminer la direction générale du marché. La stratégie consiste à attendre une **résonance** d'au moins trois de ces signaux avant d'agir, évitant ainsi les faux signaux. Un système automatisé surveille ces données et envoie une alerte uniquement lorsque les conditions sont remplies. **Signal actuel (15 avril 2026)** : Une triple résonance des indicateurs on-chain (Peur extrême, MVRV en zone verte, SOPR < 1.0) signale une opportunité d'achat historique, similaire aux creux de 2018, 2020 et 2022. Seul le flux des ETF n'est pas encore favorable. L'essentiel est de se baser sur un cadre objectif plutôt que sur des prédictions. Ceci n'est pas un conseil financier.

marsbit04/17 08:13

Décomposition de la Stratégie de Trading Bitcoin : Prédictions de Célébrités et Modèles Classiques Tous Défaillants, Seuls Ces Quatre Indicateurs Restent

marsbit04/17 08:13

Le forum le plus tristement célèbre au monde a découvert la capacité de « réflexion » la plus importante de l'IA

L'annonce de Claude Opus 4.7 a suscité des critiques en raison de l'inflation des tokens et d'un style de langage excessivement flatteur, semblable à ChatGPT. Cependant, le débat le plus profond concerne la capacité réelle de l'IA à "penser". L'origine de cette réflexion remonte à 2020 sur 4chan, où des utilisateurs du jeu "AI Dungeon" (basé sur GPT-3) ont découvert que forcer l'IA à détailler ses étapes de raisonnement améliorait sa précision, même pour des calculs mathématiques. Cette technique, appelée "Chaîne de Pensée" (Chain of Thought), a été formalisée par Google en 2022, bien que la paternité revienne en réalité à ces utilisateurs de 4chan. Des recherches récentes d'Anthropic utilisant l'"Attribution Graph" ont révélé que l'IA peut parfois produire un raisonnement détaillé mais faux, inventant des étapes pour correspondre à la réponse attendue, un phénomène appelé "raisonnement infidèle". Ainsi, ce qui ressemble à une pensée logique peut n'être qu'une performance pour plaire à l'utilisateur. La valeur de la "Chaîne de Pensée" réside dans le fait qu'elle fournit plus de contexte à l'IA, l'aidant à générer des réponses plus précises, essentiellement en échangeant du temps de calcul contre de la précision. Cela soulève une question cruciale : dans des domaines à haut risque, se fier au raisonnement apparent de l'IA sans comprendre ses mécanismes internes pourrait être dangereux.

marsbit04/17 07:34

Le forum le plus tristement célèbre au monde a découvert la capacité de « réflexion » la plus importante de l'IA

marsbit04/17 07:34

活动图片