Un nouveau papier d'AMD remet en cause les idées reçues : L'instabilité de l'entraînement en FP4 n'est pas due à un manque de stochasticité

marsbitPublié le 2026-05-27Dernière mise à jour le 2026-05-27

Résumé

AMD et l’Université d’État de Pennsylvanie ont publié une étude qui remet en cause la croyance selon laquelle l’instabilité de l’entraînement des modèles de langue en précision FP4 proviendrait d’un manque de stochasticité. Leur recherche révèle que l’instabilité est principalement due à l’accumulation et à l’amplification d’erreurs structurelles de micro-mise à l’échelle (micro-scaling) le long du chemin des gradients sensibles, notamment lors du calcul du gradient des poids (Wgrad). En utilisant le format MXFP4 et une rotation de Hadamard déterministe (et non stochastique) pour stabiliser le processus, l’équipe a réussi à entraîner complètement un modèle Llama 3.1-8B sur du matériel natif FP4 (AMD Instinct MI355X). Cette méthode a permis d’accélérer le débit des étapes d’entraînement de 20% et d’obtenir une accélération globale de 9 à 10% par rapport à une base FP8, avec seulement 8 à 9% de tokens d’entraînement supplémentaires nécessaires. Ces résultats ouvrent la voie à une utilisation du FP4 non seulement pour l’inférence, mais aussi pour l’entraînement, potentiellement en doublant l’efficacité de calcul sur le matériel supportant nativement cette précision.

Il est bien connu que l'entraînement des grands modèles est extrêmement coûteux.

Mais on sait aussi que réduire la précision de l'entraînement permet de diminuer significativement ces coûts. DeepSeek-V3 a utilisé l'entraînement en FP8 pour réduire les coûts à 5,6 millions de dollars, ce qui a impressionné toute l'industrie.

Après le succès du FP8, le secteur continue d'explorer les limites des basses précisions : en passant du FP8 au FP4, de combien pourrait-on encore réduire les coûts d'entraînement ?

Théoriquement, le débit de calcul en FP4 peut être le double de celui du FP8. Les séries NVIDIA Blackwell et AMD MI350 supportent déjà nativement les opérations FP4 au niveau matériel, la première affichant une puissance de calcul FP4 théorique allant jusqu'à 4500 TOPS (éparse) sur le B200. Le matériel est prêt, mais le logiciel et les algorithmes sont bloqués par un problème :

Entraîner de grands modèles de zéro en FP4 rend le processus d'entraînement très instable.

Au cours des deux dernières années, des travaux comme LLM-FP4, NVFP4 pré-entraînement ont exploré cette voie, mais peu de solutions ont pu exécuter proprement un pré-entraînement complet en 4 bits, tout en maintenant une qualité de convergence proche du FP8.

Pire encore, la cause de l'instabilité restait floue. L'analyse suggérait que l'instabilité de l'entraînement en FP4 provenait probablement d'un manque de stochasticité (aléatoire).

Mais récemment, AMD, en collaboration avec l'Université d'État de Pennsylvanie, a publié un article qui bouleverse cette vision traditionnelle, offrant un nouveau diagnostic clair pour l'entraînement natif en FP4.

Titre de l'article : Pretraining large language models with MXFP4 on Native FP4 Hardware
Lien de l'article : https://arxiv.org/abs/2605.09825

Cet article a réalisé un pré-entraînement complet de Llama 3.1-8B en utilisant le format MXFP4 sur des GPU AMD Instinct MI355X, avec une vitesse d'entraînement de bout en bout 9 à 10 % plus rapide que la ligne de base FP8, pour seulement 8 à 9 % de jetons supplémentaires consommés. C'est actuellement la première expérience complète de pré-entraînement d'un grand modèle réalisée sur du matériel natif FP4 (et non en simulation logicielle).

Plus important encore, l'article révèle le problème central : la source de l'instabilité de l'entraînement en FP4 n'est pas le manque de stochasticité, mais l'accumulation et l'amplification d'erreurs structurelles de micro-mise à l'échelle le long de chemins de gradient sensibles.

Qu'est-ce que le MXFP4 ?

Avant d'analyser l'article, il est nécessaire de comprendre le format de données MXFP4.

La quantification entière traditionnelle utilise généralement un facteur d'échelle unique pour tout un tenseur. La conception centrale du MXFP4 s'appelle la « micro-mise à l'échelle » (Micro-scaling) : un tenseur est découpé en petits blocs (par exemple, par groupes de 32 éléments), et un exposant partagé (format E8M0) est attribué à chaque bloc. Chaque élément à l'intérieur du bloc est représenté par un nombre flottant sur 4 bits. La formule de reconstruction peut s'écrire :

où E_shared est l'exposant maximum du bloc, et Q_FP4 est l'arrondi au plus proche vers une valeur représentable en flottant 4 bits.

L'avantage de la micro-mise à l'échelle est que chaque petit bloc a sa propre plage dynamique et n'est pas « pris en otage » par des valeurs aberrantes globales. Cela améliore considérablement la qualité de représentation par rapport à une quantification globale naïve sur 4 bits.

Mais même avec la micro-mise à l'échelle, l'entraînement en FP4 reste instable.

Expérience d'investigation : la racine de l'instabilité

L'équipe de recherche a d'abord conçu une expérience de contrôle d'investigation étape par étape.

Un calcul complet de couche linéaire de Transformer implique trois opérations de multiplication matricielle généralisée (GEMM) :

Fprop (propagation avant) : calcule Y = XW^T, produisant les valeurs d'activation.

Dgrad (gradient de l'activation) : calcule ∇X = ∇Y · W, renvoyant le gradient vers l'entrée.

Wgrad (gradient des poids) : calcule ∇W = (∇Y)^T · X, produisant le gradient utilisé pour mettre à jour les poids.

L'équipe a maintenu tous les autres facteurs constants, en remplaçant progressivement ces trois opérations du FP8 vers le MXFP4, observant l'impact de chaque étape sur la convergence. Toutes les expériences ont été exécutées sur des AMD Instinct MI355X en utilisant les cœurs tensoriels FP4 natifs, sans dépendre de simulations logicielles.

La tâche d'entraînement suit la configuration standard MLPerf, pré-entraînant Llama 3.1-8B sur l'ensemble de données C4, l'objectif de convergence étant d'atteindre une perplexité de validation de 3,3.

Les deux premières étapes n'ont entraîné qu'une augmentation modérée du nombre de jetons consommés, mais dès que le Wgrad a également été basculé en MXFP4, cette augmentation a bondi à 26-27 %.

Wgrad est le goulot d'étranglement de l'entraînement en FP4. La propagation avant et le gradient de l'activation sont relativement tolérants à la quantification FP4, mais dès que le gradient des poids est quantifié en 4 bits, la qualité de convergence se dégrade significativement.

L'intuition dominante dans l'industrie jusqu'alors était que l'erreur de quantification FP4 est essentiellement un problème de bruit, et qu'on pouvait donc « lisser » la distribution de l'erreur en injectant de la stochasticité. Deux stratégies courantes sont :

Arrondi stochastique (Stochastic Rounding) : introduire de l'aléatoire lors de la quantification, de sorte que l'espérance de l'erreur d'arrondi soit nulle.

Rotation de Hadamard aléatoire (Randomized Hadamard) : utiliser une transformée de Hadamard avec retournement de signe aléatoire pour disperser la distribution des données avant quantification.

Lorsque Wgrad est quantifié, les deux stratégies de stochasticité n'ont pas stabilisé l'entraînement, mais ont au contraire directement conduit à une divergence. La stochasticité n'a pas aidé ; elle a plutôt introduit davantage d'erreurs de quantification effectives sur le chemin critique du gradient.

En revanche, la rotation de Hadamard déterministe a réduit la surconsommation de jetons de 26-27 % à 8-9 %, la trajectoire d'entraînement suivant étroitement la ligne de base FP8.

C'est un résultat très révélateur. Les rotations de Hadamard aléatoire et déterministe sont toutes deux des transformations orthogonales, elles peuvent toutes deux disperser l'énergie des valeurs aberrantes, et en théorie, leurs effets d'atténuation de l'erreur de quantification devraient être similaires. Mais leurs performances dans le scénario Wgrad sont diamétralement opposées, ce qui révèle la nature du problème :

L'instabilité de l'entraînement en FP4 est pilotée par des erreurs structurelles générées par la micro-mise à l'échelle MXFP4 sur des chemins de gradient sensibles. Les stratégies de stochasticité échouent car elles introduisent à chaque étape des modèles d'erreur différents, et ces modèles d'erreur variables s'accumulent le long du chemin de gradient, amplifiant ainsi l'instabilité. La rotation déterministe est efficace précisément parce qu'elle applique la même transformation à chaque étape, rendant le modèle d'erreur cohérent et évitant ainsi l'accumulation d'erreurs.

Efficacité de bout en bout : Débit par étape +20 %, accélération globale de 9-10 %

Après avoir ajouté la rotation de Hadamard déterministe et l'utilisation complète de MXFP4 sur tout le processus, les données d'efficacité sont les suivantes :

Le débit par étape d'entraînement a augmenté de 20 %. En déduisant les 8-9 % supplémentaires de jetons consommés, l'accélération globale de bout en bout reste de 9-10 %.

Étant donné que la précision est directement réduite de 8 bits à 4 bits, cette qualité de convergence et cette ampleur d'accélération sont toutes deux remarquables.

Graphique de gauche : Courbe de la perplexité de validation de Llama 3.1–8B en fonction du nombre de jetons d'entraînement lors du pré-entraînement MLPerf sur l'ensemble de données C4. Les résultats montrent que MXFP4 + Hadamard déterministe est très proche des performances du FP8, tandis que l'utilisation complète de MXFP4 sans stabilisation converge plus lentement et est moins stable. Graphique de droite : Vue agrandie de la fin de l'entraînement. L'objectif de perplexité MLPerf est de 3,3. Par rapport à l'exécution MXFP4 non stabilisée, le Hadamard déterministe (H16) maintient une cohérence beaucoup plus étroite avec la ligne de base FP8.

Il est important de noter que les auteurs soulignent explicitement dans l'article une limitation importante : l'efficacité de ce schéma d'entraînement FP4 (ensemble de données MLPerf C4 + Llama 3.1-8B) a été validée, mais on ne peut pas supposer qu'il puisse être transposé tel quel à tous les modèles, tous les ensembles de données et toutes les méthodes d'entraînement. Le comportement de l'entraînement en FP4 peut être hautement dépendant du contexte, et les stratégies de stabilisation spécifiques doivent être revalidées en fonction du scénario.

Conclusion

Placé dans le contexte industriel plus large, cet article a au moins trois niveaux de signification.

Premier niveau : Il répond à un « pourquoi » fondamental. Les travaux précédents sur l'entraînement FP4 se concentraient surtout sur « comment éviter l'instabilité ». Cet article offre pour la première fois un diagnostic de cause à effet clair : l'instabilité provient d'erreurs structurelles de micro-mise à l'échelle sur le chemin Wgrad, et non d'un manque de stochasticité. Ce diagnostic a une valeur méthodologique en soi ; il indique aux chercheurs futurs que face à l'instabilité dans l'entraînement en basse précision, il faut d'abord rechercher des sources d'erreurs structurelles, et non ajouter aveuglément de la stochasticité.

Deuxième niveau : Il fait passer le FP4 du domaine « exclusif à l'inférence » vers « utilisable pour l'entraînement ». Le consensus industriel précédent était que le FP4 n'était adapté qu'à la quantification pour l'inférence, l'entraînement nécessitant au moins du FP8. Le fait que NVIDIA mette en avant le FP4 pour l'inférence et non pour l'entraînement sur Blackwell reflétait ce jugement. Cet article a exécuté un pré-entraînement complet sur du matériel natif FP4, ce qui signifie que la puissance de calcul FP4 présente sur les MI355X et Blackwell, initialement destinée à l'inférence, pourrait théoriquement aussi être utilisée pour l'entraînement. Si l'entraînement en FP4 s'avère viable sur des modèles plus grands et dans davantage de scénarios, la puissance de calcul disponible pour l'entraînement sur le matériel existant pourrait virtuellement doubler.

Troisième niveau : Il utilise une norme ouverte OCP. MXFP4 fait partie de la norme OCP Microscaling Formats, soutenue conjointement par sept entreprises : AMD, NVIDIA, Intel, Meta, Microsoft, Arm et Qualcomm. Le fait de s'appuyer sur une norme ouverte signifie que cette méthode est portable sur du matériel de différents fabricants, sans être enfermée dans un écosystème unique.

Du FP16 au FP8, DeepSeek-V3 a déjà prouvé que réduire la précision de moitié peut considérablement abaisser les coûts d'entraînement. Du FP8 au FP4, cet article représente une première étape cruciale. Chaque réduction de la précision transforme l'économie de l'entraînement des grands modèles.

Cet article provient du compte WeChat « 机器之心 » (ID : almosthuman2014), éditeur : Leng Mao (冷猫).

Questions liées

QQuel est le principal constat de l'article concernant la formation instable des modèles de langage à grande échelle avec FP4 ?

AL'instabilité de la formation FP4 n'est pas principalement due à un manque d'aléatoire, mais plutôt à l'accumulation et à l'amplification d'erreurs structurelles de micro-mise à l'échelle le long des chemins de gradient sensibles, notamment dans les calculs de gradient de poids (Wgrad).

QQu'est-ce que le MXFP4 et en quoi diffère-t-il des méthodes de quantification traditionnelles ?

AMXFP4 est un format de données qui utilise une "micro-mise à l'échelle". Il divise un tenseur en petits blocs (par exemple, 32 éléments par groupe) et attribue un exposant partagé à chaque bloc, tandis que chaque élément à l'intérieur du bloc est représenté par un nombre à virgule flottante de 4 bits. Cela permet à chaque bloc d'avoir sa propre plage dynamique, contrairement à la quantification traditionnelle qui utilise un seul facteur d'échelle pour l'ensemble du tenseur, ce qui améliore la qualité de représentation.

QQuelle opération s'est révélée être le goulot d'étranglement pour la formation stable en FP4, selon les expériences de l'article ?

AL'opération de calcul du gradient des poids (Wgrad) s'est révélée être le principal goulot d'étranglement. Lorsqu'elle est quantifiée en MXFP4, elle entraîne une dégradation significative de la qualité de convergence, nécessitant beaucoup plus de jetons pour atteindre le même objectif.

QPourquoi les stratégies d'aléatoire, comme l'arrondi stochastique, n'ont-elles pas réussi à stabiliser la formation FP4 dans cette étude ?

ALes stratégies d'aléatoire introduisent des modèles d'erreur différents à chaque étape de la formation. Ces modèles variables s'accumulent le long des chemins de gradient, amplifiant finalement l'instabilité au lieu de la réduire.

QQuel est l'avantage pratique démontré par l'utilisation du MXFP4 avec une rotation de Hadamard déterministe pour la formation d'un modèle comme Llama 3.1-8B ?

AEn combinant MXFP4 avec une rotation de Hadamard déterministe, les chercheurs ont réussi à pré-entraîner Llama 3.1-8B avec seulement 8 à 9 % de jetons supplémentaires par rapport à une base FP8, tout en accélérant le débit des étapes de formation de 20 %. Cela se traduit par une accélération globale de 9 à 10 % du temps de formation tout en maintenant une qualité de convergence très proche de celle du FP8.

Lectures associées

Entretien avec Raoul Pal, maître de la macroéconomie : Le point de singularité économique approche, ne descendez pas prématurément au cours des quatre prochaines années

L'investisseur macro Raoul Pal, fondateur de Real Vision, expose sa vision d'un « point de singularité économique » approchant, alimenté par la course effrénée à l'IA entre les États-Unis et la Chine. Il explique que cette dynamique, combinée à une expansion monétaire continue, soutient les marchés actions. Pour les crypto-monnaies, Pal reste extrêmement optimiste : malgré la volatilité actuelle (qu'il qualifie de simple correction dans un marché haussier), il considère que les porteurs de crypto occupent une position privilégiée. Son raisonnement s'appuie sur trois piliers. Premièrement, l'avènement des agents économiques IA, qui posséderont leurs propres portefeuilles numériques, promet une adoption massive et une utilité infinie pour les blockchains. Deuxièmement, la dépréciation persistante des monnaies fiduciaires renforce la thèse de Bitcoin comme réserve de valeur. Troisièmement, l'ensemble du système financier migre vers des infrastructures blockchain pour leur efficacité. Pal conseille une stratégie d'achat et de conservation à long terme, soulignant que les traders actifs échouent généralement face à cette approche passive. Il identifie les couches de base (Layer 1) comme les investissements clés, citant Ethereum, Solana et Sui pour leur densité économique et leurs performances techniques. Il voit également un grand potentiel à long terme pour les NFT en tant qu'« actifs trophées » dans une économie numérique florissante. En conclusion, avec une régulation qui se clarifie, une croissance explosive des stablecoins et un contexte macroéconomique favorable (liquidités abondantes), Pal estime à 70% la probabilité d'un scénario extrêmement haussier pour les crypto-monnaies d'ici 2026-2027. Son message central : dans la course vers la singularité, il ne faut pas vendre mais accumuler des actifs numériques durant les quatre prochaines années.

链捕手Il y a 7 mins

Entretien avec Raoul Pal, maître de la macroéconomie : Le point de singularité économique approche, ne descendez pas prématurément au cours des quatre prochaines années

链捕手Il y a 7 mins

Jensen Huang : Vera Rubin en production de masse, les agents d’IA sont une priorité, défier Intel pour viser la prochaine porte d’entrée des PC IA

Le fondateur et PDG de NVIDIA, Jensen Huang, a prononcé le discours d'ouverture du GTC Taipei 2026. Il a annoncé plusieurs développements majeurs. L'architecture Vera Rubin est désormais en production de masse, avec OpenAI, Anthropic et SpaceX parmi ses premiers clients. NVIDIA met l'accent sur les agents IA comme axe principal, présentant le CPU Vera conçu pour eux et la puce BlueField-4 STX pour la sécurité au niveau silicium. La société renforce son entrée sur le marché des PC IA de nouvelle génération en défiant Intel. En partenariat avec MediaTek, elle développera la puce RTX SPARK pour PC Windows, fabriquée par TSMC et attendue à l'automne. Cette stratégie vise à fournir une plateforme SoC intégrée complète aux fabricants. NVIDIA a également dévoilé le nouveau modèle d'IA Nemotron 3 Ultra et la plateforme DSX, un guide pour construire des "usines d'IA". Dans l'automobile, la plateforme Hyperion est adoptée par des constructeurs chinois comme BYD, Geely et Xiaomi. Pour la robotique humanoïde, NVIDIA propose la plateforme de référence Isaac GR00T et collabore avec des fabricants mondiaux, dont Unitree.

marsbitIl y a 8 mins

Jensen Huang : Vera Rubin en production de masse, les agents d’IA sont une priorité, défier Intel pour viser la prochaine porte d’entrée des PC IA

marsbitIl y a 8 mins

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

Récemment, Meta a proposé MobileMoE, une nouvelle architecture de modèle MoE (Mixture of Experts) optimisée pour fonctionner efficacement sur les smartphones. Cette approche remplace les couches denses traditionnelles des grands modèles de langage (LLM) par des couches MoE, permettant de réduire considérablement la quantité de calculs nécessaires à l'inférence tout en conservant des performances élevées. Les résultats montrent que MobileMoE atteint des scores similaires, voire supérieurs, aux modèles denses de référence sur 14 tests fondamentaux, tout en utilisant seulement 1/2 à 1/4 des opérations de calcul. Après quantification en INT4, le modèle conserve sa compétitivité. Lors de déploiements sur des appareils commerciaux comme l'iPhone 16 Pro, MobileMoE accélère l'inférence jusqu'à 3,8 fois lors de la phase d'entrée et jusqu'à 3,4 fois lors de la génération de tokens, tout en réduisant l'empreinte mémoire. L'étude établit de nouvelles frontières de Pareto pour les LLM sur appareils mobiles, offrant un meilleur compromis entre précision et coût de calcul. Les performances sont particulièrement notables sur les tâches de code et de mathématiques. Les auteurs soulignent que des progrès futurs pourraient passer par l'amélioration de l'alignement via des techniques comme le fine-tuning, le distillation et l'extension multimodale.

marsbitIl y a 12 mins

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

marsbitIl y a 12 mins

Les ETF Bitcoin enregistrent des sorties hebdomadaires de 1,42 milliard de dollars pour clôturer un mois de mai catastrophique

Les ETF au compteur Bitcoin américains ont enregistré des sorties nettes de 1,42 milliard de dollars la dernière semaine de mai, prolongeant une tendance baissière persistante durant tout le mois. La pression de vente s'est concentrée sur les principaux émetteurs, avec des retraits de 966,42 millions de dollars pour le fonds IBIT de BlackRock. Les fonds de Fidelity et Grayscale ont également subi d'importantes sorties de capitaux. Sur la seconde moitié de mai, 14 des 20 jours de négociation ont clôturé dans le rouge, entraînant un solde net mensuel négatif record de 2,43 milliards de dollars pour 2026. Malgré cela, le marché des ETF spot Bitcoin reste résilient, avec des entrées nettes cumulées de 55,66 milliards de dollars depuis leur lancement. Parallèlement, le prix du Bitcoin, qui a échoué à franchir la résistance clé des 82 000 dollars fin mai, se négocie actuellement autour de 74 012 dollars.

bitcoinistIl y a 21 mins

Les ETF Bitcoin enregistrent des sorties hebdomadaires de 1,42 milliard de dollars pour clôturer un mois de mai catastrophique

bitcoinistIl y a 21 mins

Le rebond faible du Bitcoin ne masque pas la tendance à la correction, le signal de sommet HYPE alerte des risques à court terme | Analyse invitée

**Résumé :** L'article analyse la structure technique actuelle du Bitcoin (BTC) et du token HYPE, soulignant un affaiblissement de la tendance à court terme et identifiant des signaux de risque. **Bitcoin (BTC) :** La structure journalière montre que le BTC a rompu la médiane d'un canal haussier établi depuis février 2026 et évolue désormais dans un canal baissier à court terme. Un rebond faible est en cours vers la résistance clé de 75 000 - 76 000 dollars (région de la borne inférieure du "centre E" sur le graphique 4H). Cependant, la structure globale restant faible, il est probable que le mouvement baissier reprenne après ce rebond, avec des supports à surveiller vers 69 500 - 70 500 dollars, puis 65 000 dollars. **Stratégies BTC :** * *Moyen terme :* Surveiller un éventuel rejet autour de 75 000-76 000 $ pour initier des positions courtes (≤30% du capital), avec un objectif de renforcement si le support du canal haussier est franchi. * *Court terme :* Deux scénarios sont envisagés : 1) Vendre à la résistance 75k-76k$ (stop-loss >77k$), ou 2) Vendre sur une cassure du support 69.5k-70.5k$ (stop-loss >72k$). **HYPE :** Sur le graphique 4H, la hausse depuis mi-mai a formé une structure en sept segments avec un "centre de hausse". Un signal d'avertissement de sommet a été déclenché au point 47, accompagné d'une possible divergence baissière de momentum. Si le prix ne parvient pas à tenir la zone de support 62.5 - 64.75 dollars, cela confirmerait un sommet à plus grande échelle, avec un objectif de correction vers 54 - 56.3 dollars. **Stratégie HYPE (Court terme) :** Privilégier une approche "acheter sur les supports" plutôt que de poursuivre les hausses. Une opportunité d'achat léger (≤30%) pourrait se présenter si le prix se stabilise dans la zone 62.5-64.75 $. Une cassure de cette zone indiquerait une correction plus profonde. **Rétrospective :** La stratégie de vente à court terme de la semaine précédente sur BTC, basée sur des signaux de modèle propriétaires, a été exécutée avec succès pour un gain d'environ 5.07%. **Avertissement :** Le marché évolue rapidement. Ces analyses, issues de méthodes techniques personnelles, ne constituent pas un conseil en investissement. Investir comporte des risques.

marsbitIl y a 27 mins

Le rebond faible du Bitcoin ne masque pas la tendance à la correction, le signal de sommet HYPE alerte des risques à court terme | Analyse invitée

marsbitIl y a 27 mins

Trading

Spot

Futures

Articles tendance

Qu'est ce que $S$

Comprendre SPERO : Un aperçu complet Introduction à SPERO Alors que le paysage de l'innovation continue d'évoluer, l'émergence des technologies web3 et des projets de cryptomonnaie joue un rôle central dans la façon dont se dessine l'avenir numérique. Un projet qui a attiré l'attention dans ce domaine dynamique est SPERO, désigné comme SPERO,$$s$. Cet article vise à rassembler et à présenter des informations détaillées sur SPERO, afin d'aider les passionnés et les investisseurs à comprendre ses fondations, ses objectifs et ses innovations dans les domaines du web3 et de la crypto. Qu'est-ce que SPERO,$$s$ ? SPERO,$$s$ est un projet unique dans l'espace crypto qui cherche à tirer parti des principes de décentralisation et de la technologie blockchain pour créer un écosystème qui favorise l'engagement, l'utilité et l'inclusion financière. Le projet est conçu pour faciliter les interactions entre pairs de nouvelles manières, offrant aux utilisateurs des solutions et des services financiers innovants. Au cœur de SPERO,$$s$, l'objectif est d'autonomiser les individus en fournissant des outils et des plateformes qui améliorent l'expérience utilisateur dans l'espace des cryptomonnaies. Cela inclut la possibilité de méthodes de transaction plus flexibles, la promotion d'initiatives dirigées par la communauté et la création de voies pour des opportunités financières via des applications décentralisées (dApps). La vision sous-jacente de SPERO,$$s$ tourne autour de l'inclusivité, visant à combler les lacunes au sein de la finance traditionnelle tout en exploitant les avantages de la technologie blockchain. Qui est le créateur de SPERO,$$s$ ? L'identité du créateur de SPERO,$$s$ reste quelque peu obscure, car il existe peu de ressources publiques fournissant des informations détaillées sur son ou ses fondateurs. Ce manque de transparence peut découler de l'engagement du projet envers la décentralisation—une éthique que de nombreux projets web3 partagent, privilégiant les contributions collectives plutôt que la reconnaissance individuelle. En centrant les discussions autour de la communauté et de ses objectifs collectifs, SPERO,$$s$ incarne l'essence de l'autonomisation sans désigner des individus spécifiques. Ainsi, comprendre l'éthique et la mission de SPERO reste plus important que d'identifier un créateur unique. Qui sont les investisseurs de SPERO,$$s$ ? SPERO,$$s$ est soutenu par une diversité d'investisseurs allant des capital-risqueurs aux investisseurs providentiels dédiés à favoriser l'innovation dans le secteur crypto. L'objectif de ces investisseurs s'aligne généralement avec la mission de SPERO—priorisant les projets qui promettent des avancées technologiques sociétales, l'inclusivité financière et la gouvernance décentralisée. Ces fondations d'investisseurs s'intéressent généralement à des projets qui non seulement offrent des produits innovants, mais qui contribuent également positivement à la communauté blockchain et à ses écosystèmes. Le soutien de ces investisseurs renforce SPERO,$$s$ en tant que concurrent notable dans le domaine en rapide évolution des projets crypto. Comment fonctionne SPERO,$$s$ ? SPERO,$$s$ utilise un cadre multifacette qui le distingue des projets de cryptomonnaie conventionnels. Voici quelques-unes des caractéristiques clés qui soulignent son unicité et son innovation : Gouvernance décentralisée : SPERO,$$s$ intègre des modèles de gouvernance décentralisée, permettant aux utilisateurs de participer activement aux processus de décision concernant l'avenir du projet. Cette approche favorise un sentiment de propriété et de responsabilité parmi les membres de la communauté. Utilité du token : SPERO,$$s$ utilise son propre token de cryptomonnaie, conçu pour servir diverses fonctions au sein de l'écosystème. Ces tokens permettent des transactions, des récompenses et la facilitation des services offerts sur la plateforme, améliorant ainsi l'engagement et l'utilité globaux. Architecture en couches : L'architecture technique de SPERO,$$s$ supporte la modularité et l'évolutivité, permettant une intégration fluide de fonctionnalités et d'applications supplémentaires à mesure que le projet évolue. Cette adaptabilité est primordiale pour maintenir la pertinence dans le paysage crypto en constante évolution. Engagement communautaire : Le projet met l'accent sur des initiatives dirigées par la communauté, utilisant des mécanismes qui incitent à la collaboration et aux retours d'expérience. En cultivant une communauté forte, SPERO,$$s$ peut mieux répondre aux besoins des utilisateurs et s'adapter aux tendances du marché. Accent sur l'inclusion : En proposant des frais de transaction bas et des interfaces conviviales, SPERO,$$s$ vise à attirer une base d'utilisateurs diversifiée, y compris des individus qui n'ont peut-être pas engagé auparavant dans l'espace crypto. Cet engagement envers l'inclusion s'aligne avec sa mission globale d'autonomisation par l'accessibilité. Chronologie de SPERO,$$s$ Comprendre l'histoire d'un projet fournit des aperçus cruciaux sur sa trajectoire de développement et ses jalons. Voici une chronologie suggérée cartographiant les événements significatifs dans l'évolution de SPERO,$$s$ : Phase de conceptualisation et d'idéation : Les idées initiales formant la base de SPERO,$$s$ ont été conçues, s'alignant étroitement avec les principes de décentralisation et de concentration sur la communauté au sein de l'industrie blockchain. Lancement du livre blanc du projet : Suite à la phase conceptuelle, un livre blanc complet détaillant la vision, les objectifs et l'infrastructure technologique de SPERO,$$s$ a été publié pour susciter l'intérêt et les retours de la communauté. Construction de la communauté et engagements précoces : Des efforts de sensibilisation actifs ont été entrepris pour construire une communauté d'adopteurs précoces et d'investisseurs potentiels, facilitant les discussions autour des objectifs du projet et recueillant du soutien. Événement de génération de tokens : SPERO,$$s$ a organisé un événement de génération de tokens (TGE) pour distribuer ses tokens natifs aux premiers soutiens et établir une liquidité initiale au sein de l'écosystème. Lancement de la première dApp : La première application décentralisée (dApp) associée à SPERO,$$s$ a été mise en ligne, permettant aux utilisateurs d'interagir avec les fonctionnalités principales de la plateforme. Développement continu et partenariats : Des mises à jour et des améliorations continues des offres du projet, y compris des partenariats stratégiques avec d'autres acteurs de l'espace blockchain, ont façonné SPERO,$$s$ en un acteur compétitif et évolutif sur le marché crypto. Conclusion SPERO,$$s$ se dresse comme un témoignage du potentiel du web3 et de la cryptomonnaie pour révolutionner les systèmes financiers et autonomiser les individus. Avec un engagement envers la gouvernance décentralisée, l'engagement communautaire et des fonctionnalités conçues de manière innovante, il ouvre la voie vers un paysage financier plus inclusif. Comme pour tout investissement dans l'espace crypto en rapide évolution, les investisseurs et utilisateurs potentiels sont encouragés à mener des recherches approfondies et à s'engager de manière réfléchie avec les développements en cours au sein de SPERO,$$s$. Le projet illustre l'esprit d'innovation de l'industrie crypto, invitant à une exploration plus approfondie de ses nombreuses possibilités. Bien que le parcours de SPERO,$$s$ soit encore en cours, ses principes fondamentaux pourraient en effet influencer l'avenir de nos interactions avec la technologie, la finance et entre nous dans des écosystèmes numériques interconnectés.

101 vues totalesPublié le 2024.12.17Mis à jour le 2024.12.17

Qu'est ce que AGENT S

Agent S : L'avenir de l'interaction autonome dans Web3 Introduction Dans le paysage en constante évolution de Web3 et des cryptomonnaies, les innovations redéfinissent constamment la manière dont les individus interagissent avec les plateformes numériques. Un projet pionnier, Agent S, promet de révolutionner l'interaction homme-machine grâce à son cadre agentique ouvert. En ouvrant la voie à des interactions autonomes, Agent S vise à simplifier des tâches complexes, offrant des applications transformantes dans l'intelligence artificielle (IA). Cette exploration détaillée plongera dans les subtilités du projet, ses caractéristiques uniques et les implications pour le domaine des cryptomonnaies. Qu'est-ce qu'Agent S ? Agent S se présente comme un cadre agentique ouvert révolutionnaire, spécifiquement conçu pour relever trois défis fondamentaux dans l'automatisation des tâches informatiques : Acquisition de connaissances spécifiques au domaine : Le cadre apprend intelligemment à partir de diverses sources de connaissances externes et d'expériences internes. Cette approche double lui permet de construire un riche répertoire de connaissances spécifiques au domaine, améliorant ainsi sa performance dans l'exécution des tâches. Planification sur de longs horizons de tâches : Agent S utilise une planification hiérarchique augmentée par l'expérience, une approche stratégique qui facilite la décomposition et l'exécution efficaces de tâches complexes. Cette fonctionnalité améliore considérablement sa capacité à gérer plusieurs sous-tâches de manière efficace et efficiente. Gestion d'interfaces dynamiques et non uniformes : Le projet introduit l'Interface Agent-Ordinateur (ACI), une solution innovante qui améliore l'interaction entre les agents et les utilisateurs. En utilisant des Modèles de Langage Multimodaux de Grande Taille (MLLMs), Agent S peut naviguer et manipuler sans effort diverses interfaces graphiques. Grâce à ces fonctionnalités pionnières, Agent S fournit un cadre robuste qui aborde les complexités impliquées dans l'automatisation de l'interaction humaine avec les machines, préparant le terrain pour d'innombrables applications en IA et au-delà. Qui est le créateur d'Agent S ? Bien que le concept d'Agent S soit fondamentalement innovant, des informations spécifiques sur son créateur restent insaisissables. Le créateur est actuellement inconnu, ce qui souligne soit le stade naissant du projet, soit le choix stratégique de garder les membres fondateurs sous le radar. Quoi qu'il en soit, l'accent reste mis sur les capacités et le potentiel du cadre. Qui sont les investisseurs d'Agent S ? Étant donné qu'Agent S est relativement nouveau dans l'écosystème cryptographique, des informations détaillées concernant ses investisseurs et soutiens financiers ne sont pas explicitement documentées. Le manque d'aperçus publiquement disponibles sur les fondations d'investissement ou les organisations soutenant le projet soulève des questions sur sa structure de financement et sa feuille de route de développement. Comprendre le soutien est crucial pour évaluer la durabilité du projet et son impact potentiel sur le marché. Comment fonctionne Agent S ? Au cœur d'Agent S se trouve une technologie de pointe qui lui permet de fonctionner efficacement dans divers environnements. Son modèle opérationnel est construit autour de plusieurs caractéristiques clés : Interaction homme-ordinateur semblable à l'humain : Le cadre offre une planification IA avancée, s'efforçant de rendre les interactions avec les ordinateurs plus intuitives. En imitant le comportement humain dans l'exécution des tâches, il promet d'élever l'expérience utilisateur. Mémoire narrative : Utilisée pour tirer parti des expériences de haut niveau, Agent S utilise la mémoire narrative pour suivre les historiques de tâches, améliorant ainsi ses processus de prise de décision. Mémoire épisodique : Cette fonctionnalité fournit aux utilisateurs un accompagnement étape par étape, permettant au cadre d'offrir un soutien contextuel au fur et à mesure que les tâches se déroulent. Support pour OpenACI : Avec la capacité de fonctionner localement, Agent S permet aux utilisateurs de garder le contrôle sur leurs interactions et flux de travail, s'alignant avec l'éthique décentralisée de Web3. Intégration facile avec des API externes : Sa polyvalence et sa compatibilité avec diverses plateformes IA garantissent qu'Agent S peut s'intégrer sans effort dans des écosystèmes technologiques existants, en faisant un choix attrayant pour les développeurs et les organisations. Ces fonctionnalités contribuent collectivement à la position unique d'Agent S dans l'espace crypto, alors qu'il automatise des tâches complexes en plusieurs étapes avec un minimum d'intervention humaine. À mesure que le projet évolue, ses applications potentielles dans Web3 pourraient redéfinir la manière dont les interactions numériques se déroulent. Chronologie d'Agent S Le développement et les jalons d'Agent S peuvent être encapsulés dans une chronologie qui met en évidence ses événements significatifs : 27 septembre 2024 : Le concept d'Agent S a été lancé dans un document de recherche complet intitulé “Un cadre agentique ouvert qui utilise les ordinateurs comme un humain”, présentant les bases du projet. 10 octobre 2024 : Le document de recherche a été rendu publiquement disponible sur arXiv, offrant une exploration approfondie du cadre et de son évaluation de performance basée sur le benchmark OSWorld. 12 octobre 2024 : Une présentation vidéo a été publiée, fournissant un aperçu visuel des capacités et des caractéristiques d'Agent S, engageant davantage les utilisateurs et investisseurs potentiels. Ces jalons dans la chronologie illustrent non seulement les progrès d'Agent S, mais indiquent également son engagement envers la transparence et l'engagement communautaire. Points clés sur Agent S Alors que le cadre Agent S continue d'évoluer, plusieurs attributs clés se distinguent, soulignant sa nature innovante et son potentiel : Cadre innovant : Conçu pour offrir une utilisation intuitive des ordinateurs semblable à l'interaction humaine, Agent S propose une approche nouvelle de l'automatisation des tâches. Interaction autonome : La capacité d'interagir de manière autonome avec les ordinateurs via une interface graphique signifie un bond vers des solutions informatiques plus intelligentes et efficaces. Automatisation des tâches complexes : Avec sa méthodologie robuste, il peut automatiser des tâches complexes en plusieurs étapes, rendant les processus plus rapides et moins sujets aux erreurs. Amélioration continue : Les mécanismes d'apprentissage permettent à Agent S de s'améliorer grâce à ses expériences passées, améliorant continuellement sa performance et son efficacité. Polyvalence : Son adaptabilité à travers différents environnements d'exploitation comme OSWorld et WindowsAgentArena garantit qu'il peut servir un large éventail d'applications. Alors qu'Agent S se positionne dans le paysage Web3 et crypto, son potentiel à améliorer les capacités d'interaction et à automatiser les processus représente une avancée significative dans les technologies IA. Grâce à son cadre innovant, Agent S incarne l'avenir des interactions numériques, promettant une expérience plus fluide et efficace pour les utilisateurs à travers divers secteurs. Conclusion Agent S représente un saut audacieux en avant dans le mariage de l'IA et de Web3, avec la capacité de redéfinir notre interaction avec la technologie. Bien qu'il soit encore à ses débuts, les possibilités de son application sont vastes et convaincantes. Grâce à son cadre complet abordant des défis critiques, Agent S vise à mettre les interactions autonomes au premier plan de l'expérience numérique. À mesure que nous plongeons plus profondément dans les domaines des cryptomonnaies et de la décentralisation, des projets comme Agent S joueront sans aucun doute un rôle crucial dans la façon dont la technologie et la collaboration homme-machine évolueront à l'avenir.

809 vues totalesPublié le 2025.01.14Mis à jour le 2025.01.14

Comment acheter S

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Sonic (S) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Sonic (S).Solde ：utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers ：pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P ：tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Sonic (S)Après avoir acheté vos Sonic (S), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Sonic (S)Tradez facilement Sonic (S) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

1.6k vues totalesPublié le 2025.01.15Mis à jour le 2025.03.21

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de S (S) sont présentées ci-dessous.