# Artikel Terkait Streaming

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Streaming", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Penerima Turing Award Sutton Karya Baru: Selesaikan Kelemahan Besar Pembelajaran Penguatan Streaming dengan Formula 1967

Sebuah makalah baru oleh Arsalan Sharifnassab dkk. (termasuk pemenang Turing Award Richard Sutton) mengatasi "rintangan aliran" (*stream barrier*) dalam pembelajaran penguatan (*reinforcement learning*) secara mendalam. Masalahnya adalah ketidakmampuan belajar "langkah demi langkah" (*online/streaming*) dengan ukuran *batch*=1 dan tanpa *buffer replay*. Alasannya adalah langkah pembelajaran (*step-size*) tradisional hanya mengontrol seberapa besar parameter bergerak, bukan perubahan pada keluaran fungsi, sehingga menyebabkan pembaruan yang tidak stabil. Solusinya disebut **"Intentional Updates" (Pembaruan Berdasarkan Niat)**, sebuah ide yang meluas dari algoritma NLMS tahun 1967. Alih-alih menetapkan ukuran langkah untuk parameter, metode ini menetapkan **"niat"** untuk mengubah *output* fungsi—seperti memperkecil kesalahan prediksi nilai sebesar 5%—lalu menghitung mundur ukuran langkah yang diperlukan. Ini menghasilkan algoritma seperti Intentional TD, Intentional Q, dan Intentional Policy Gradient. Dalam eksperimen, metode ini mencocokkan kinerja algoritma canggih seperti SAC (dalam kontrol berkelanjutan) dan DQN (pada permainan Atari) dalam pengaturan *streaming*, dengan komputasi yang jauh lebih ringan (1/140 FLOP SAC) dan tanpa banyak penyesuaian hiperparameter. Kerangka kerja ini lebih tangguh dan mengurangi ketergantungan pada trik stabilisasi, meskipun ada masalah bias yang perlu ditangani dalam pembelajaran kebijakan. Pendekatan ini membuka jalan untuk sistem AI yang dapat belajar terus-menerus dan beradaptasi secara *online* seperti manusia, cocok untuk robotika dan perangkat *edge* dengan sumber daya terbatas.

marsbit05/10 06:38

Penerima Turing Award Sutton Karya Baru: Selesaikan Kelemahan Besar Pembelajaran Penguatan Streaming dengan Formula 1967

marsbit05/10 06:38

Tahun Depan, Akankah Pump.fun Dapat Menceritakan Kisah Baru?

Sejak laporan awal Delphi tentang Pump.fun, platform ini tetap dominan dalam ekosistem meme coin meski menghadapi tantangan. Pump.fun berhasil mempertahankan posisinya sebagai pemimpin pasar dalam peluncuran meme coin, bahkan selama kontraksi pasar yang sulit, dengan pendapatan harian masih sekitar $1 juta. Namun, visi awal untuk pencipta konten dan tokenisasi kreator belum sepenuhnya terwujud. Kasus Bagwork sempat menunjukkan potensi dengan pendapatan kreator mencapai 2300 SOL ($300,000), tetapi tidak berkelanjutan. Token kreator lainnya cenderung gagal mempertahankan nilai atau menarik kreator besar di luar crypto. Pump.fun beralih ke model回购 (buyback) penuh untuk token $PUMP, yang memicu pemulihan harga dengan rasio MC/Rev 4.36x dan yield回购 tahunan 12.8%. Tantangan ke depan termasuk mengelola unlock token, menemukan model insentif kreator yang tepat, dan memperluas ke multi-chain melalui akuisisi Padre. Tim juga mengeksplorasi peluang di ICM (Initial Community Offering) dan iGaming, yang sesuai dengan budaya spekulatif penggunanya. Aplikasi mobile dan integrasi iGaming bisa menjadi perluasan strategis untuk menjangkau audiens yang lebih luas. Secara keseluruhan, Pump.fun tetap resilien dan dominan, tetapi perlu fokus pada satu visi inti—seperti token kreator yang berkelanjutan atau ekspansi iGaming—untuk mencapai pertumbuhan jangka panjang dan menarik pengguna non-crypto.

marsbit12/18 06:15

Tahun Depan, Akankah Pump.fun Dapat Menceritakan Kisah Baru?

marsbit12/18 06:15

活动图片