Запуск основной сети Arbitrum Stylus открывает Web3 для традиционных программистов

cryptonews.ruDipublikasikan tanggal 2024-01-04Terakhir diperbarui pada 2024-09-04

Offchain Labs, первоначальный разработчик блокчейна Arbitrum и Stylus, объявила о запуске в основной сети Arbitrum Stylus, виртуальной машины с обратной совместимостью, предназначенной для устранения распространенных барьеров на пути разработки децентрализованных приложений (DApp) для Web3.

Stylus позволяет разработчикам с различными навыками программирования использовать Arbitrum, используя знакомые языки, совместимые с WebAssembly (WASM)-). Ожидается, что конвергенция будет стимулировать запуск мощных приложений Web3 и вариантов использования с низкой комиссией за газ.

Выступая на конференции Korea Blockchain Week 3 сентября, соучредитель и главный научный сотрудник Offchain Labs Эд Фельтен объяснил, что Stylus объединяет два основных способа написания смарт-контрактов на блокчейнах: виртуальную машину Ethereum (EVM) и традиционные языки программирования, такие как как Rust, C и C++.

Соучредитель и главный научный сотрудник Offchain Labs Эд Фельтен на Корейской неделе блокчейна. Источник: Cointelegraph.

Фельтен объяснил, как решения масштабирования уровня 2 начинают отходить от сигнализации и ограничений EVM, внедряя дополнительные возможности новых языков:

«Теперь у разработчиков есть возможность разрабатывать свои контракты в любом стиле, и все они будут работать вместе в одной цепочке таким образом, чтобы они были полностью совместимы и полностью компонуемы».

Он добавил, что многоязычная поддержка Stylus побуждает разработчиков использовать Arbitrum с «любым инструментом, который им больше всего подходит».

Тестовые программы Stylus работают в 70 раз быстрее, чем EVM

Стивен Голдфедер, генеральный директор и соучредитель Offchain Labs, добавил, что разработчики могут использовать Stylus для расширения своих текущих рыночных предложений.

Фельтен также утверждает, что некоторые программы Stylus превзошли программы, созданные на EVM, особенно те, которые требуют высокой вычислительной мощности:

«Мы видели приложения, в которых он работает до 70 раз быстрее, а это означает, что вы можете делать в 70 раз больше в пределах лимита газа. И это открывает некоторые возможности, которые в EVM были либо слишком дорогими, либо даже невозможными».

В результате Stylus DApps может выполнять больше транзакций в пределах лимита газа и, как следствие, снижать общую стоимость, удовлетворяя тем самым потребность в производительных и безопасных языках смарт-контрактов, одновременно расширяя пространство для разработки ончейн-приложений.

Будущие усилия по объединению сообщества разработчиков

Offchain Labs в дальнейшем планирует интегрировать другие популярные протоколы, такие как ZK-proofs, в Arbitrum, который в настоящее время требует больших затрат и вычислений. Делясь своей версией будущего Web3, Фельтен добавил:

«Я думаю, что будущее — это гибридный протокол, который включает в себя некоторые элементы Optimism и некоторые элементы ZK, что на самом деле лучше, чем чистый Optimism или чистый ZK».

Он считает, что гибридный протокол будет наиболее экономически выгоден в неспециализированной среде. Поэтому Фельтен ожидает, что снижение затрат Stylus позволит разрабатывать более сложные приложения децентрализованного финансирования (DeFi).

Bacaan Terkait

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

Karpathy, mantan pendiri OpenAI dan direktur AI Tesla, memperkenalkan konsep revolusioner: mengelola pengetahuan pribadi dengan pendekatan "sumber kode yang dikompilasi" oleh LLM. Alih-alih menggunakan RAG yang hanya mengambil potongan catatan secara terpisah, metode barunya memperlakukan catatan mentah sebagai "sumber kode tidak berubah". LLM bertindak sebagai "kompiler" yang secara berkala menyusun semua bahan mentah tersebut menjadi wiki terstruktur yang saling terhubung dan koheren. Proses "kompilasi" ini memperbarui halaman terkait, merevisi ringkasan, dan menandai ketidakkonsistenan. Arsitektur ini memiliki tiga lapisan: **Raw** (bahan mentah), **Schema** (aturan struktur untuk AI), dan **Wiki** (hasil kompilasi AI). Alur kerjanya melibatkan **Ingest** (memasukkan materi baru), **Query** (bertanya pada wiki yang telah dikompilasi), dan **Lint** (pemeriksaan rutin untuk inkonsistensi). Konsep ini mewujudkan visi Vannevar Bush pada 1945 tentang "Memex", mesin asosiatif pribadi, yang sebelumnya terhambat oleh beban pemeliharaan manual yang melelahkan. LLM menghilangkan beban "pembukuan" pengetahuan ini, membebaskan manusia dari tugas pengorganisasian dan perawatan yang membosankan. Tujuannya adalah mengembalikan fokus manusia pada hal yang esensial: memutuskan apa yang perlu dipelajari dan merenungkan makna dari pengetahuan yang terkumpul. Ini adalah perubahan mendasar dalam hubungan produksi kognitif manusia-AI.

marsbit6m yang lalu

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

marsbit6m yang lalu

Claude Science Mengerjakan Pekerjaan Dua Tahun dalam Beberapa Minggu, Apakah Percepatan 10 Kali Lipat dalam Penelitian Benar-Benar Terjadi?

Kerja ilmiah yang biasanya memakan waktu dua tahun kini dapat diselesaikan dalam hitungan minggu berkat Claude Science, platform AI baru dari Anthropic yang diluncurkan pada Juni 2026. Claude Science berfungsi sebagai "AI workbench" atau meja kerja AI yang dirancang khusus untuk ilmuwan, terutama di bidang ilmu hayati. Platform ini mengonsolidasikan seluruh alur kerja penelitian—mulai dari analisis literatur, perhitungan multi-langkah, pembuatan grafik, hingga penulisan naskah—ke dalam satu lingkungan eksekusi terpadu. Ia dapat dijalankan di macOS/Linux lokal, terhubung via SSH ke mesin jarak jauh, atau dijalankan pada kluster HPC. Salah satu terobosan utamanya adalah kemampuannya menjadikan penelitian sebagai proses yang dapat diaudit. Setiap grafik yang dihasilkan dilengkapi dengan kode yang dapat dilacak, lingkungan eksekusi, dan riwayat percakapan, sehingga memudahkan reprodusibilitas. Claude Science menggunakan arsitektur multi-agen, dengan satu agen koordinator yang mengelola lebih dari 60 "keterampilan" dan konektor pra-konfigurasi untuk bidang seperti genomik dan biologi struktural. Terdapat juga "agen peninjau" khusus yang memeriksa keakuratan kutipan dan perhitungan. Pendekatan "human-in-the-loop" tetap dijaga, di mana ilmuwan memberikan otorisasi untuk keputusan penting. Dalam kasus nyata, ilmuwan dari Allen Institute berhasil mempersingkat penulisan tinjauan pustaka panjang dari dua tahun menjadi beberapa minggu. Contoh lain termasuk percepatan analisis genomik dan otomatisasi pipeline tertentu, dengan klaim peningkatan kecepatan hingga 10 kali lipat untuk tugas-tugas spesifik. Claude Science berbeda dari pendekatan Google (yang mengandalkan model seperti AlphaFold) dan OpenAI (yang fokus pada kecerdasan ilmiah model seperti GPT-Rosalind), dengan lebih menekankan pada otomatisasi alur kerja yang terintegrasi dan dapat dilacak.

marsbit10m yang lalu

Claude Science Mengerjakan Pekerjaan Dua Tahun dalam Beberapa Minggu, Apakah Percepatan 10 Kali Lipat dalam Penelitian Benar-Benar Terjadi?

marsbit10m yang lalu

Trading

Spot
活动图片