В Monad опровергли плагиат исходного кода Aptos

cryptonews.ruDipublikasikan tanggal 2024-11-20Terakhir diperbarui pada 2025-02-20

Сооснователь Monad Джеймс Хансакер резко ответил на заявление директора по исследованиям Aptos Александра Шпигельмана о копировании открытого исходного кода Aptos.

optimistic concurrency control was discovered in 1979, before your parents met each other

software transactional memory (STM) I was working on in the Haskell context while you were still wearing diapers

BlockSTM is a trivial extension of these

I've never looked at any Aptos… https://t.co/cYtjO0F34y
— James (@_jhunsaker) February 19, 2025

19 февраля состоялся запуск публичного тестнета Monad. По заявлениям команды EVM-совместимой L1-платформы, за первые 12 часов сеть обработала 334 млн RPC-запросов. Пропускная способность достигла 5000 TPS.

В апреле 2024 года проект привлек $225 млн в раунде под руководством Paradigm.

«Я реально не понимаю, почему Monad так долго копирует технологию Aptos. Это все с открытым исходным кодом, для всего есть рецензируемые статьи», — написал Шпигельман.

Он с иронией посоветовал конкурентам «прекратить попытки скрывать» дублирование и привел в пример Movement:

«Они с гордостью копируют и преуспевают».

В комментариях Шпигельман уточнил, что речь идет о воспроизведении разработчиками Monad некоторых технологических решений, включая модифицированный механизм исполнения BlockSTM от Aptos.

Хансакер ответил, что лежащий в основе метода оптимистичный контроль параллелизма был открыт в 1979 году. Программную транзакционную память (STM) спецалист также использовал десятки лет назад в контексте языка программирования Haskell.

«BlockSTM — это их тривиальное расширение. Я никогда не смотрел код Aptos. На самом деле я никогда не думаю об Aptos, за исключением тех случаев, когда вы публикуете подобную чушь», — заявил сооснователь Monad.

Напомним, в 2023 году команда Polygon Zero обвинила разработчиков L2-сети ZKsync Era — Matter Labs — в краже кода проекта.

Bacaan Terkait

Mengapa Transfer 14.336 ETH oleh Peretas UXLINK Menimbulkan Pertanyaan Baru untuk DeFi

Aktivitas rantai blok terbaru menunjukkan bahwa pelaku eksploitasi UXLINK terus aktif mencucikan dana curian senilai 14.336,6 ETH melalui Tornado Cash dalam dua minggu terakhir, untuk mempersulit pelacakan. Insiden ini bermula dari serangan pada September 2025, di mana peretas memanfaatkan kerentanan 'delegateCall' untuk menguasai dompet multisignature proyek, mencetak token ilegal, dan menguras aset kripto senilai sekitar $4,5 juta. Dana tersebut kemudian dipindahkan ke berbagai dompet dan ditukar menjadi DAI serta ETH. Secara paralel, dompet yang dikaitkan dengan skema Ponzi Mining Express juga terlihat mengalihkan aset yang telah disimpan lama, dengan menukar 5.004 ETH menjadi 8,8 juta DAI. Mining Express, didirikan pada 2019, diduga menipu investor melalui skema penambangan kripto berjenis MLM sebelum akhirnya bangkrut. Kasus-kasus ini menyoroti celah signifikan dalam ekosistem DeFi: meskipun memungkinkan transfer aset yang lancar dan tanpa izin, masih kurangnya sistem yang efektif untuk menghentikan atau menangani dana ilegal setelah beredar. Dana haram relatif mudah dipindahkan dan disembunyikan di dalam ekosistem DeFi. Oleh karena itu, untuk melindungi desentralisasi dan privasi pengguna, protokol perlu memperkuat koordinasi antarjaringan dan menerapkan deteksi ancaman secara real-time.

ambcrypto6m yang lalu

Mengapa Transfer 14.336 ETH oleh Peretas UXLINK Menimbulkan Pertanyaan Baru untuk DeFi

ambcrypto6m yang lalu

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

Artikel ini membahas konsep "world model" (model dunia) dalam kecerdasan buatan (AI) yang saat ini banyak digunakan dengan makna berbeda-beda. Fei-Fei Li mengusulkan taksonomi fungsional untuk mengklarifikasi kekacauan ini. Berdasarkan siklus interaksi agen-dunia dalam POMDP (Partially Observable Markov Decision Process), ia mengategorikan model dunia menjadi tiga jenis berdasarkan outputnya: 1. **Renderer (Perender):** Menghasilkan **observasi**, khususnya piksel yang ditujukan untuk mata manusia. Contohnya adalah model video seperti Sora atau sistem interaktif seperti Genie yang menghasilkan gambar berdasarkan input. Fokus utamanya adalah kesetiaan visual, bukan akurasi fisik. 2. **Simulator (Simulator):** Menghasilkan **state (keadaan)**, yaitu representasi dunia yang akurat secara geometri, fisika, dan dinamika. Simulator berfungsi sebagai landasan struktural untuk perhitungan, digunakan oleh profesional (arsitek, desainer) dan program komputer (robot, kendaraan otonom) untuk pelatihan dan pengujian. Contohnya adalah platform seperti NVIDIA Omniverse. 3. **Planner (Perencana):** Menghasilkan **tindakan**. Model ini menentukan langkah selanjutnya yang harus diambil sebuah agen berdasarkan observasi dan tujuan. Ini menutup lingkaran persepsi-aksi. Contohnya adalah model visi-bahasa-aksi (VLA) dan model aksi dunia (World Action Models). Artikel menyoroti bahwa **simulator adalah kunci penghubung** yang paling penting namun kurang mendapat perhatian publik. Simulator bekerja pada tingkat geometri dan fisika yang mendasarinya, sehingga pemahamannya dapat diproyeksikan ke dalam piksel (untuk renderer) atau prediksi konsekuensi tindakan (untuk planner). Tren terpenting saat ini adalah peleburan batas antara ketiga kategori ini, didorong oleh kesadaran bahwa pengetahuan dasar tentang dunia yang dibutuhkan adalah sama. Tujuan akhirnya adalah model dunia terpadu yang dapat beralih di antara rendering, simulasi, dan perencanaan sesuai kebutuhan. Perkembangan ini mendorong kemajuan menuju kecerdasan spasial, di mana mesin tidak hanya memahami bahasa tentang dunia, tetapi juga dapat memahami, membayangkan, bernalar, dan berinteraksi dengan dunia fisik itu sendiri.

marsbit41m yang lalu

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

marsbit41m yang lalu

Fitur Khusus Forbes: Pembayaran Lintas Batas dengan Stablecoin Lebih Cepat, Tapi Belum Lebih Murah

Stablecoin pembayaran lintas batas tumbuh pesat, menawarkan kecepatan dan akses yang lebih baik. Namun, janji penghematan biaya signifikan belum sepenuhnya terwujud. Meskipun biaya teoretis bisa turun drastis (dari 60-70 basis point menjadi 2-5 bp), kendala utama adalah kurangnya likuiditas yang dalam dan mapan di pasar. Untuk adopsi skala besar, dibutuhkan perubahan perilaku dan kepercayaan. Banyak bisnis masih mengandalkan hubungan lama dengan broker valas tradisional. Tantangan lainnya adalah membangun likuiditas institusional yang cukup agar harga stabilcoin benar-benar kompetitif. Perusahaan terkemuka di sektor ini, seperti Caliza, justru berfokus pada integrasi dengan infrastruktur tradisional (seperti SWIFT) untuk memastikan keandalan dan kepatuhan, bukan menggantikannya. Pendekatan ini terbukti sukses dengan pertumbuhan yang tinggi. Masa depan akan ditentukan oleh perusahaan yang memiliki lisensi yang kuat, akses on/off-ramp mata uang fiat yang solid, dan likuiditas yang mendalam. Tanpa itu, mereka hanya menjadi perantara. Sektor ini diperkirakan akan mengalami konsolidasi alami seiring waktu.

marsbit44m yang lalu

Fitur Khusus Forbes: Pembayaran Lintas Batas dengan Stablecoin Lebih Cepat, Tapi Belum Lebih Murah

marsbit44m yang lalu

Esai Khusus Forbes: Pembayaran Lintas Batas dengan Stablecoin Lebih Cepat, Tapi Belum Lebih Murah

Pembayaran lintas batas menggunakan stablecoin berkembang pesat, dengan teknologi yang matang, lingkungan regulasi yang membaik, dan volume transaksi yang meningkat. Meskipun lebih cepat, dapat diakses, dan andal, janji untuk biaya yang lebih murah belum sepenuhnya terwujud. Saat ini, pedagang valas sering mengenakan biaya 60-70 basis poin untuk pembayaran pemasok lintas batas, sementara stablecoin berpotensi menurunkannya menjadi 2-5 basis poin. Namun, kolam likuiditas yang dalam untuk mewujudkan penghematan ini belum terbangun secara masif. Menurut Imran Ahmad dari Bitso Business, keunggulan biaya masih teoritis hingga likuiditas institusional besar-besaran mengalir ke saluran ini. Hambatan adopsi utama adalah kepercayaan. Banyak bisnis memiliki hubungan lama dan tepercaya dengan pedagang valas tradisional, yang dianggap lebih dapat diandalkan meski lebih mahal. Peralihan akan terjadi secara bertahap seiring perbedaan harga yang semakin jelas dan generasi baru yang lebih terbuka. Perusahaan sukses seperti Caliza tidak berusaha menggantikan infrastruktur lama seperti SWIFT, melainkan melengkapinya. Mereka menggunakan stablecoin untuk kecepatan, tetapi tetap memanfaatkan sistem tradisional untuk memastikan keakuratan detail pembayaran yang kritis. Pertumbuhan Caliza yang konsisten (lebih dari 40% bulan-ke-bulan) menunjukkan kekuatan pendekatan hybrid ini. Masa depan industri ini akan ditentukan oleh tiga faktor kunci: lisensi, akses on/off-ramp mata uang fiat, dan likuiditas. Konsolidasi diperkirakan akan terjadi, di mana hanya perusahaan dengan fondasi kuat di ketiga area ini yang akan bertahan sebagai bisnis yang berkelanjutan, bukan sekadar perantara.

链捕手48m yang lalu

Esai Khusus Forbes: Pembayaran Lintas Batas dengan Stablecoin Lebih Cepat, Tapi Belum Lebih Murah

链捕手48m yang lalu

Artikel Terbaru Li Fei-Fei: Saat Video Generation, Robot, dan NVIDIA Semua Menyebut Dirinya Model Dunia, Kita Membutuhkan Klasifikasi

Dalam artikel terbarunya, Fei-Fei Li mengklarifikasi konsep "model dunia" yang saat ini banyak digunakan namun seringkali ambigu dalam bidang AI. Beliau mengusulkan klasifikasi fungsional menjadi tiga kategori berdasarkan kerangka POMDP (Partial Observable Markov Decision Process): **Renderer** (output: observasi/pixel visual, contoh: model video seperti Sora), **Simulator** (output: status geometris dan fisik yang akurat, contoh: engine fisika untuk pelatihan robot), dan **Perencana (Planner)** (output: tindakan, contoh: model yang memandu robot). Di antara ketiganya, simulator dinilai sebagai penghubung kunci yang kurang mendapat perhatian, karena bekerja pada level struktur dunia yang sebenarnya dan dapat mendukung baik renderer maupun perencana. Artikel ini juga menyoroti tren konvergensi ketiga kategori menuju **model dunia terpadu**, yang mampu beralih antar fungsi sesuai kebutuhan, sebagai langkah penting menuju kecerdasan spasial. Li menekankan bahwa model dunia adalah jalur bagi mesin untuk tidak hanya membicarakan, tetapi juga memahami, membayangkan, dan berinteraksi dengan dunia fisik.

链捕手53m yang lalu

Artikel Terbaru Li Fei-Fei: Saat Video Generation, Robot, dan NVIDIA Semua Menyebut Dirinya Model Dunia, Kita Membutuhkan Klasifikasi

链捕手53m yang lalu

Trading

Spot