Vừa ra mắt, tác phẩm kinh điển của DeepMind lại lên ngôi, giải thưởng ICML 2026 công bố

marsbit2026-07-06 tarihinde yayınlandı2026-07-06 tarihinde güncellendi

Özet

Hội nghị ICML 2026 đã công bố các giải thưởng danh giá. Hai bài báo về mô hình khuếch tán (diffusion model) đã cùng đoạt giải Bài báo Xuất sắc, cho thấy sự tập trung nghiên cứu mạnh mẽ vào hướng này. Một bài chỉ ra "cái bẫy linh hoạt" trong mô hình ngôn ngữ khuếch tán, chất vấn lợi ích thực tế của việc sinh văn bản theo thứ tự bất kỳ. Bài còn lại đề xuất phương pháp lấy mẫu độ chính xác cao, thúc đẩy nền tảng kỹ thuật. Giải Bài báo Lập trường Xuất sắc thuộc về một nghiên cứu chỉ trích sắc bén: cộng đồng nghiên cứu an toàn AI đang vô tình xây dựng "bộ công cụ kiểm duyệt". Công trình này cảnh báo về việc các kỹ thuật điều chỉnh AI (như RLHF) có thể bị lạm dụng cho mục đích kiểm soát nội dung. Năm bài báo nhận được đề cử danh dự bao phủ nhiều chủ đề nóng: xác định vị trí tính trung thực nảy sinh trong mô hình, quy kết chuyển động trong tạo video, giới hạn ghi nhớ của mô hình ngôn ngữ lớn, tính nhất quán của mô hình khuếch tán dưới góc độ lý thuyết ma trận ngẫu nhiên, và hiện tượng "thấu hiểu đột ngột" (grokking) được chứng minh chặt chẽ trong hồi quy ridge. Giải Thử thách Thời gian được trao cho công trình kinh điển "Phương pháp không đồng bộ cho Học tăng cường Sâu" của DeepMind (2016), ghi nhận ảnh hưởng lâu dài của thuật toán A3C. Danh sách giải thưởng ICML 2026 phản ánh xu hướng chuyển từ mở rộng nhanh sang đào sâu nghiên cứu, nhấn mạnh vào việc xem xét lại các giả định cốt lõi và xây dựng nền tảng vững chắc hơn cho các lĩnh vực trọng tâm như mô hình khuếch tán và an toàn...

Giải thưởng Bài báo Xuất sắc (Outstanding Paper Award) của ICML 2026 chính thức công bố, hai bài báo về mô hình khuếch tán (diffusion) đồng thời đứng đầu, và trong danh sách tác giả có không ít người gốc Hoa.

Thông báo giải thưởng lớn của ICML 2026 đã đến!

Giải thưởng Bài báo Xuất sắc Hàng năm và Giải thưởng Kiểm chứng Thời gian (Test of Time Award) của ICML đã chính thức được công bố.

Trong đó, có 9 bài báo lọt vào vòng chung kết Giải Xuất sắc, bao gồm 7 bài nghiên cứu và 2 bài luận lập trường (position paper), cuối cùng là 3 giải thưởng Chiến thắng và 6 đề cử Danh dự; Giải Kiểm chứng Thời gian của ICML thuộc về lĩnh vực học tăng cường (reinforcement learning), tác phẩm kinh điển của DeepMind một lần nữa được tôn vinh.

Danh sách đầy đủ các giải thưởng:

https://blog.icml.cc/2026/07/05/announcing-the-icml-2026-awards/

ICML, tên đầy đủ là Hội nghị Quốc tế về Học Máy (International Conference on Machine Learning), cùng với NeurIPS và ICLR được xếp vào ba hội nghị hàng đầu trong lĩnh vực AI, mỗi năm nhận hàng chục nghìn bài nộp, tỷ lệ chấp nhận dưới 30%.

Từ ngày 6 đến 11 tháng 7 năm 2026, ICML 2026 được tổ chức tại Trung tâm Hội nghị & Triển lãm COEX, Seoul, Hàn Quốc.

Giải thưởng Bài báo Xuất sắc chính là giải Oscar của lĩnh vực học máy.

Và giá trị của danh sách này không chỉ nằm ở việc tôn vinh đóng góp kỹ thuật, mà còn giống như một tín hiệu định hướng gửi đến toàn bộ lĩnh vực.

Mô hình khuếch tán trở thành người chiến thắng lớn nhất năm nay, hai bài báo liên quan giành giải Bài báo Xuất sắc:

Bẫy linh hoạt: Tư duy lại giá trị của thứ tự tùy ý trong mô hình ngôn ngữ khuếch tán. Tác phẩm xuất sắc này phân tích sâu cơ chế then chốt trong mô hình ngôn ngữ lớn khuếch tán.

Lấy mẫu độ chính xác cao cho mô hình khuếch tán và phân phối lõm logarit: Đạt được đột phá lớn về độ chính xác thuật toán.

Giải thưởng Bài báo Lập trường Xuất sắc, mô tả một hiện tượng kỳ lạ trong lĩnh vực an toàn AI: Cộng đồng căn chỉnh (alignment) đang vô tình xây dựng một bộ công cụ kiểm duyệt.

Năm bài nghiên cứu nhận được Đề cử Danh dự của Giải Bài báo Xuất sắc:

Bản đồ gây nhiễu: Ánh xạ vị trí xuất hiện tính trung thực trong RLVR thông qua đầu dò lừa dối
Quy kết chuyển động trong tạo video
Mô hình ngôn ngữ có thể ghi nhớ tối đa bao nhiêu?
Tính nhất quán của mô hình khuếch tán: Góc nhìn từ ma trận ngẫu nhiên
Hiểu Grokking: Grokking có thể chứng minh được trong hồi quy Ridge

Một bài luận lập trường nhận Đề cử Danh dự của Giải Bài báo Xuất sắc:

Lập trường: Nghiên cứu Deepfake AI/ML mâu thuẫn với hình ảnh thân mật không tự nguyện do AI tạo ra (AIG-NCII)

Cuối cùng, Giải Kiểm chứng Thời gian trao cho tác phẩm bùng nổ tuyệt đối năm đó:

Phương pháp bất đồng bộ cho học tăng cường sâu

Chúc mừng tất cả những người đoạt giải trên.

Mô hình khuếch tán bao trọn giải Bài báo Xuất sắc, sau hai giải nhất là sự đồng thuận mới

Hai tác phẩm đoạt giải Bài báo Xuất sắc đều xoay quanh mô hình khuếch tán.

Hai bài cùng một hướng nghiên cứu đồng thời đoạt giải, việc này trong lịch sử ICML hiếm khi xảy ra. Sự trùng hợp ngẫu nhiên này giống như một phán quyết tập thể: mô hình khuếch tán đã bước vào giai đoạn cần "chỉnh sửa sai lệch" và "bổ sung cơ sở hạ tầng".

Bài thứ nhất đến từ nhóm của Hoàng Cao (Đại học Thanh Hoa) cùng Zanlin Ni và những người khác, tựa đề rất "sát khí": "Bẫy linh hoạt: Tư duy lại giá trị của thứ tự tùy ý trong mô hình ngôn ngữ khuếch tán". Chỉ nhìn tiêu đề đã biết, là để "đập bàn".

Tiêu đề: The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models

ICML: https://icml.cc/virtual/2026/oral/71086

Trang dự án: https://nzl-thu.github.io/the-flexibility-trap/

Trước tiên giải thích bối cảnh.

Mô hình ngôn ngữ lớn khuếch tán là một trong những hướng nghiên cứu nóng nhất hiện nay, khác với các mô hình tự hồi quy (autoregressive) như GPT, Claude, mô hình ngôn ngữ khuếch tán không tạo ra từng Token một từ trái sang phải, mà giống như vẽ tranh, từ một đám nhiễu dần dần "khử nhiễu" ra văn bản hoàn chỉnh.

Về lý thuyết, kiến trúc này có một ưu điểm lớn: thứ tự sinh có thể tùy ý. Viết phần giữa trước rồi viết phần mở đầu, xác định kết luận trước rồi bổ sung luận cứ, làm thế nào cũng được.

Nghe có vẻ rất đẹp. Nhưng bài báo của Ni và những người khác đã hắt một gáo nước lạnh.

Họ sử dụng nhiều thí nghiệm để chứng minh rằng, cái gọi là "sinh theo thứ tự tùy ý" trong quá trình huấn luyện thực tế không những không mang lại lợi ích như mong đợi, mà ngược lại còn trở thành cái bẫy.

Tính linh hoạt tự thân nó đã là cái giá phải trả. Để hỗ trợ tất cả các thứ tự sinh có thể, mô hình lại làm kém hơn trên mỗi thứ tự cụ thể.

Sức sát thương của kết luận này nằm ở chỗ: nó lung lay điểm bán hàng cốt lõi nhất của mô hình ngôn ngữ khuếch tán.

Hai năm qua, nhiều bài báo lấy "thứ tự tùy ý" làm luận cứ then chốt để cho rằng mô hình LLM khuếch tán vượt trội hơn LLM tự hồi quy, không ít nhóm đã đầu tư nhiều năng lực tính toán xung quanh giả thuyết này để làm thí nghiệm. Giờ đây ICML chính thức đóng dấu: luận cứ này không đứng vững.

Bài báo đoạt giải thứ hai đến từ Fan Chen và những người khác, tập trung vào độ chính xác lấy mẫu của mô hình khuếch tán.

Tiêu đề: High-accuracy sampling for diffusion models and log-concave distributions

ICML: https://icml.cc/virtual/2026/oral/71132

Bản in trước: https://arxiv.org/abs/2602.01338

Họ đề xuất phương pháp lấy mẫu có độ chính xác cao hơn cho mô hình khuếch tán và phân phối lõm logarit.

Nó giải quyết nút thắt cơ bản về "chất lượng sinh có giới hạn trên lý thuyết" của mô hình khuếch tán khi triển khai thực tế.

Hai bài báo, một bài tháo dỡ giả thuyết cốt lõi, một bài nâng cao trần kỹ thuật.

ICML đồng thời khen thưởng cả phá và lập, tín hiệu rất rõ ràng: mô hình khuếch tán đang chuyển từ "xác minh khái niệm" sang "vùng nước sâu", không cần thêm nhiều hoa văn nữa, mà cần sự xem xét tỉnh táo hơn và cơ sở hạ tầng vững chắc hơn.

Giải thưởng gây sốc nhất được trao cho lời phê phán sắc bén nhất

Quay lại với bài báo khiến cả hội trường im lặng.

Bài "Lập trường: Cộng đồng căn chỉnh đang vô tình xây dựng một bộ công cụ kiểm duyệt" của Sarah Ball và Phil Hackemann đã giành Giải thưởng Bài báo Lập trường Xuất sắc.

Tiêu đề: Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit

ICML: https://icml.cc/virtual/2026/oral/71119

Bài báo: https://openreview.net/pdf?id=dy2HwmOvFX

Giải thưởng Bài báo Lập trường của ICML đặc biệt trao cho những bài viết không làm thí nghiệm, không chạy dữ liệu, nhưng đặt ra những chất vấn căn bản về hướng đi của lĩnh vực.

Luận điểm cốt lõi của bài báo này thẳng thắn đến mức chói tai: những nhà nghiên cứu trong lĩnh vực an toàn và căn chỉnh AI hiện nay, xuất phát điểm là để làm cho AI an toàn hơn, kiểm soát được hơn, nhưng những công cụ kỹ thuật họ phát triển ra, như RLHF, Constitutional AI, khung giá trị căn chỉnh, đang bị chuyển dụng một cách có hệ thống thành cơ sở hạ tầng kiểm duyệt nội dung.

Những người làm căn chỉnh tưởng mình đang chế tạo khóa an toàn. Nhưng bản thiết kế của chiếc khóa này, cũng có thể dùng để chế tạo nhà tù.

Nhận định này không phải không có căn cứ. Một năm qua, tranh cãi xung quanh kiểm duyệt nội dung AI tiếp tục nóng lên. Từ chiến lược từ chối trả lời của Claude đến cơ chế lọc nội dung của ChatGPT, "căn chỉnh quá mức" đã trở thành từ được người dùng phàn nàn nhiều.

Cứ vài tuần lại thấy có người đăng ảnh chụp màn hình lên mạng xã hội: rõ ràng là nhu cầu thảo luận học thuật hoặc sáng tạo bình thường, nhưng AI lại từ chối trả lời với lý do "an toàn".

Ball và Hackemann đã kéo sự bất bình ở cấp độ người dùng lên cấp độ học thuật: đây là rủi ro cấu trúc tiềm ẩn trong chính mô hình nghiên cứu.

Việc ICML trao giải Bài báo Lập trường Xuất sắc nhất cho bài viết này, bản thân nó đã là một thái độ. Hội nghị đỉnh cao đang nói với toàn bộ cộng đồng căn chỉnh: các bạn cần dừng lại và suy nghĩ xem, công cụ trong tay cuối cùng đang được ai sử dụng và sử dụng như thế nào.

Nhân tiện, Đề cử Danh dự của Giải Bài báo Lập trường Xuất sắc cũng rất sắc bén.

Bài báo của Lý Kỳ Vỹ (Li Qiwei) và những người khác chỉ ra rằng, nghiên cứu Deepfake trong lĩnh vực AI/ML có sự tách biệt nghiêm trọng với hình ảnh thân mật không tự nguyện do AI tạo ra.

Nhà nghiên cứu bận rộn phát hiện video đổi mặt nhân vật chính trị, nhưng lại bỏ qua kịch bản lạm dụng gây tổn thương lớn nhất cho người bình thường.

Lướt qua các Đề cử Danh dự

5 bài Đề cử Danh dự của Giải Bài báo Xuất sắc bao phủ hầu hết tất cả các hướng nóng, mỗi bài đều mở ra một lối đi riêng trong lĩnh vực của mình.

Mohammad Taufeeque và những người khác sử dụng "đầu dò lừa dối" để ánh xạ vị trí xuất hiện tính trung thực trong quá trình huấn luyện RLVR.

Tiêu đề: The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes

ICML:https://icml.cc/virtual/2026/oral/71065

Bản in trước: https://arxiv.org/abs/2602.15515

Nói đơn giản là: mô hình học nói dối ở tầng nào?

Câu hỏi này còn đáng giá hơn chính câu trả lời. Nếu có thể xác định chính xác tầng mà tính trung thực xuất hiện trong mô hình, công việc căn chỉnh trong tương lai sẽ không cần phải điều chỉnh kiểu mò kim đáy bể nữa.

Xindi Wu và những người khác thực hiện quy kết chuyển động trong tạo video.

Tiêu đề: Motion Attribution for Video Generation

ICML: https://icml.cc/virtual/2026/oral/71049

Bản in trước: https://arxiv.org/abs/2601.08828

Trong video, một vật thể chuyển động, rốt cuộc là do mô hình "hiểu" quy luật chuyển động, hay chỉ đơn thuần sao chép hoa văn ở cấp độ pixel? Câu hỏi này rất quan trọng đối với khả năng giải thích được của các mô hình tạo video như Sora.

John Xavier Morris và những người khác truy vấn "Mô hình ngôn ngữ lớn cuối cùng có thể ghi nhớ bao nhiêu nội dung", trực tiếp chỉ ra căn nguyên kỹ thuật của tranh cãi về quyền riêng tư và bản quyền.

Tiêu đề: How much can language models memorize?

ICML: https://icml.cc/virtual/2026/oral/71168

Bản in trước: https://arxiv.org/abs/2505.24832

Mô hình ghi nhớ dữ liệu của bạn, cuối cùng là tính học tập hay tính đạo văn? Câu trả lời cho câu hỏi này có thể quan trọng hơn bất kỳ vụ kiện bản quyền nào.

Còn có Binxu Wang và những người khác xem xét lại tính nhất quán của mô hình khuếch tán từ góc độ lý thuyết ma trận ngẫu nhiên.

Tiêu đề: A Random Matrix Perspective on the Consistency of Diffusion Models

ICML: https://icml.cc/virtual/2026/oral/71191

Bản in trước: https://arxiv.org/abs/2602.02908

Khi các mô hình khuếch tán được huấn luyện trên các tập con dữ liệu khác nhau, không trùng lặp nhau, nếu được cung cấp cùng một hạt giống nhiễu, thường sẽ tạo ra đầu ra giống nhau đến kinh ngạc. Tính nhất quán này không phải do mô hình ghi nhớ cùng một dữ liệu, mà có nguyên nhân sâu xa hơn.

Tính nhất quán này có thể truy nguyên về một hiệu ứng tuyến tính đơn giản: thống kê Gauss được chia sẻ giữa các phân chia dữ liệu khác nhau bản thân nó đã có thể dự đoán phần lớn nội dung của hình ảnh được tạo ra.

Ấn tượng nhất là công trình của Mingyue Xu và những người khác.

Tiêu đề: To Grok Grokking: Provable Grokking in Ridge Regression

ICML: https://icml.cc/virtual/2026/oral/71134

Bản in trước: https://arxiv.org/abs/2601.19791

Trên mô hình hồi quy Ridge cổ điển đến mức không thể cổ điển hơn, họ đã đưa ra chứng minh toán học nghiêm ngặt cho hiện tượng "bừng tỉnh" (grokking).

Cái gọi là bừng tỉnh, tức là mô hình sau khi tổn thất huấn luyện đã hội tụ từ lâu, đột nhiên tại một thời điểm nào đó có được khả năng khái quát hóa. Giống như một học sinh học thuộc công thức nửa năm, một buổi sáng thức dậy đột nhiên thực sự hiểu ra.

Hiện tượng này đã được quan sát thấy nhiều lần trong học sâu, nhưng đưa ra chứng minh nghiêm ngặt trên một mô hình đơn giản, đây là lần đầu tiên.

Bài báo cách đây mười năm của DeepMind, cuối cùng cũng đợi được Giải Kiểm chứng Thời gian

Giải Kiểm chứng Thời gian được trao cho bài "Phương pháp bất đồng bộ cho học tăng cường sâu" của các thành viên nhóm DeepMind Volodymyr Mnih, David Silver và những người khác.

Tiêu đề: Asynchronous Methods for Deep Reinforcement Learning

Ấn phẩm: https://proceedings.mlr.press/v48/mniha16.html

Thuật toán A3C (Asynchronous Advantage Actor-Critic) mà bài báo này đề xuất, khi công bố năm 2016 đã là tiêu chuẩn trong lĩnh vực học tăng cường.

Tư tưởng cốt lõi nói ra không phức tạp: Thay vì dùng một tiến trình siêu lớn huấn luyện từ từ, chi bằng mở một loạt tiến trình nhỏ cùng lúc khám phá các chiến lược khác nhau, tổng hợp gradient bất đồng bộ.

Đơn giản, thanh lịch, hiệu quả. Triết lý thiết kế "đại đạo chí giản" này, sau mười năm nhìn lại lại càng rõ ràng hơn so với năm đó.

Mười năm trôi qua, tư tưởng này thấm sâu vào khung xương của hầu hết tất cả các hệ thống RL hiện đại.

Từ AlphaGo đến RLHF, từ AI trò chơi đến điều khiển robot, DNA của A3C có mặt ở khắp nơi.

Tác phẩm bùng nổ tuyệt đối năm đó, giờ đây là tác phẩm kinh điển xứng đáng!

ICML 2026 phát ra tín hiệu gì

Nhìn vào danh sách giải thưởng năm nay, ba manh mối nổi lên.

Thứ nhất, mô hình khuếch tán là vùng có mật độ nghiên cứu học máy cao nhất hiện nay. Hai giải nhất Bài báo Xuất sắc cộng với nhiều đề cử danh dự, tỷ lệ xuất hiện áp đảo các hướng khác. Cuộc chiến kiến trúc của thế hệ mô hình ngôn ngữ tiếp theo, mô hình khuếch tán đã chính thức tham gia.

Thứ hai, nghiên cứu an toàn AI đang trải qua một cuộc xem xét nội bộ. Bài báo Lập trường Xuất sắc nhất chỉ ra thẳng công cụ của cộng đồng căn chỉnh bị chuyển dụng, đề cử danh dự truy vấn điểm mù của nghiên cứu Deepfake. Giới học thuật bắt đầu nghiêm túc đối mặt với một vấn đề: ranh giới giữa công cụ an toàn và công cụ kiểm duyệt, cuối cùng được vẽ ở đâu?

Những tín hiệu này chồng lên nhau, hướng đến một nhận định: nghiên cứu AI đang chuyển từ "bành trướng nhanh" sang "dọn dẹp sâu".

Danh sách giải thưởng ICML 2026, chính là báo cáo kiểm toán đầu tiên của cuộc dọn dẹp này

Tài liệu tham khảo:

https://blog.icml.cc/2026/07/05/announcing-the-icml-2026-awards/

Bài viết này đến từ tài khoản WeChat công cộng "Tân Trí Nguyên" (新智元), tác giả: ASI Khải Thị Lục (ASI启示录), biên tập: Đại Vệ (大卫)

Trend Kriptolar

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

PancakeSwapCAKE

İlgili Sorular

QGiải thưởng Bài báo Xuất sắc của ICML 2026 đã được trao cho những lĩnh vực nghiên cứu nổi bật nào?

AGiải thưởng Bài báo Xuất sắc của ICML 2026 được trao chủ yếu cho các nghiên cứu về mô hình khuếch tán (diffusion models). Hai bài báo cùng giành giải cao nhất đều thuộc lĩnh vực này, một bài phân tích cơ chế quan trọng trong mô hình ngôn ngữ lớn khuếch tán, và bài còn lại đột phá về độ chính xác thuật toán lấy mẫu. Điều này cho thấy mô hình khuếch tán đang là trung tâm của nghiên cứu máy học hiện tại.

QBài báo đoạt Giải thưởng Bài báo Lập trường Xuất sắc của ICML 2026 đã chỉ ra vấn đề gì trong cộng đồng nghiên cứu AI an toàn?

ABài báo đoạt giải với tiêu đề "Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit" đã chỉ ra một vấn đề sâu sắc: Cộng đồng nghiên cứu về an toàn và điều chỉnh AI (AI Alignment) với mục đích ban đầu là tạo ra AI an toàn hơn, nhưng các công cụ kỹ thuật họ phát triển (như RLHF, Constitutional AI) đang vô tình bị chuyển hóa thành cơ sở hạ tầng cho việc kiểm duyệt nội dung. Nó cảnh báo về rủi ro cấu trúc khi ranh giới giữa công cụ an toàn và công cụ kiểm duyệt bị xóa mờ.

QGiải thưởng Thử nghiệm Thời gian (Test of Time Award) của ICML 2026 được trao cho công trình nào và ý nghĩa của nó là gì?

AGiải thưởng Thử nghiệm Thời gian được trao cho bài báo "Asynchronous Methods for Deep Reinforcement Learning" của nhóm DeepMind, công bố năm 2016. Nó đề xuất thuật toán A3C, một ý tưởng đơn giản nhưng hiệu quả: sử dụng nhiều tiến trình song song để khám phá chiến lược khác nhau thay vì một tiến trình lớn duy nhất. Giải thưởng này công nhận ảnh hưởng lâu dài và sâu rộng của công trình, vì tư tưởng này đã thấm nhuần vào hầu hết các hệ thống học tăng cường hiện đại, từ AlphaGo đến RLHF, chứng tỏ đây là một tác phẩm kinh điển thực sự.

QMột trong các bài báo được đề cử danh dự đã khám phá hiện tượng "Grokking" như thế nào?

ABài báo "To Grok Grokking: Provable Grokking in Ridge Regression" của Mingyue Xu và cộng sự là một trong những bài được đề cử danh dự. Nó cung cấp lần đầu tiên một chứng minh toán học nghiêm ngặt cho hiện tượng "Grokking" (đột nhiên thông suốt/ngộ ra) trong một mô hình cổ điển là Hồi quy Ridge. Hiện tượng này mô tả việc mô hình đột nhiên có được khả năng tổng quát hóa tốt sau khi hàm mất mát huấn luyện đã hội tụ từ lâu, giống như 'bừng tỉnh' nhận ra bản chất vấn đề. Nghiên cứu này giúp hiểu sâu hơn về cơ chế học ẩn trong các mô hình.

QDanh sách giải thưởng ICML 2026 phản ánh những xu hướng hoặc tín hiệu nào trong lĩnh vực nghiên cứu AI/ML?

ADanh sách giải thưởng ICML 2026 phản ánh ba tín hiệu chính: 1) Mô hình khuếch tán là khu vực nghiên cứu có mật độ cao nhất và đang bước vào giai đoạn 'vùng nước sâu', cần sự xem xét thận trọng và xây dựng nền tảng vững chắc hơn là nhiều ý tưởng mới. 2) Nghiên cứu an toàn AI đang trải qua sự xem xét nội bộ sâu sắc, đặt câu hỏi về tác động xã hội và đạo đức của chính các công cụ an toàn. 3) Nghiên cứu AI nói chung đang chuyển từ giai đoạn 'bùng nổ nhanh chóng' sang giai đoạn 'dọn dẹp sâu', tập trung vào việc kiểm tra, hiểu rõ và củng cố những nền tảng cơ bản thay vì chỉ theo đuổi sự mới lạ.

İlgili Okumalar

Reviewing 8 'Cash Cow' Projects in the Bear Market: The Leader Repurchased $283 Million Worth This Year

This article highlights eight cryptocurrency projects that have demonstrated strong cash-generating capabilities and implemented significant token buyback programs during the bear market of 2026. These projects, dubbed "cash cows," are repurchasing their own tokens, often reducing supply. According to data from Tokenomist, the projects with notable buyback activity from January 1st to June 30th are: Meteora (MET), Pump.fun (PUMP), GMX, Rollbit (RLB), Metaplex (MPLX), Hyperliquid (HYPE), Lighter (LIT), and Aave. Notably, MET's buybacks equaled 71% of its January token supply, while HYPE executed the largest buyback by value at $283 million. Key project summaries include: - **Hyperliquid (HYPE):** The leader by dollar value, its perpetual DEX protocol has repurchased and burned 44 million HYPE tokens (approx. 4.4% of supply) using a significant portion of trading fees, with total buybacks exceeding $1.1 billion since March 2025. - **Meteora (MET):** Its buyback of 336.2 million MET tokens had the greatest proportional impact on its circulating supply, equivalent to 71% of its supply at the start of the year. - **Pump.fun (PUMP):** The popular memecoin launchpad has cumulatively bought back over $400 million worth of PUMP since July 2025, using 50% of net revenue for buybacks and burns since April. - **Aave (AAVE):** Despite facing a major security incident earlier in the year, the lending protocol has continued its buyback program, repurchasing over 200,000 AAVE tokens. Its team is designing a new automated buyback mechanism. - **GMX, Lighter (LIT), Rollbit (RLB), and Metaplex (MPLX)** also have active buyback mechanisms funded by protocol fees or revenues. The article concludes that while token buybacks and burns do not guarantee price appreciation—as market conditions, news, and other factors play a role—these projects stand out for their ability to generate consistent cash flow in a challenging market environment.

marsbit16 dk önce

Reviewing 8 'Cash Cow' Projects in the Bear Market: The Leader Repurchased $283 Million Worth This Year

marsbit16 dk önce

Ethereum Sheds Its Load? What Ethereum Supporters Think About the Lean Ethereum Upgrade and the Future Market

Ethereum is back in focus with the announcement of the "Lean Ethereum" upgrade roadmap, described by Vitalik Buterin as Ethereum's third major update. This proposal aims to fundamentally redesign the consensus, data, and execution layers from first principles, striving to make Ethereum **simpler, more secure (quantum-resistant), more verifiable, and more scalable.** The announcement comes amidst a broader restructuring within the ecosystem, including a 20% staff reduction at the Ethereum Foundation and the emergence of new organizations like EthLabs. This has sparked a debate among Ethereum supporters ("E-bizens"). **Optimists** view Lean Ethereum as a critical refocusing on core protocol fundamentals: * **sassal.eth** calls it the ultimate bullish catalyst, envisioning a future where running a node is so lightweight it could be done on a smartwatch, greatly enhancing decentralization. * **Ryan Sean Adams** sees it as Ethereum moving from "narrative expansion" to "protocol hardening," addressing long-term foundational issues like security and scalability. * Analysts like **BITWU** and **蓝狐 (Blue Fox)** frame it as a third-phase evolution towards a "minimal, durable, and credible base layer" designed for the next decade. * **gigi发财猪** interprets the organizational changes as Ethereum "shedding old baggage and forming new teams" for a lighter, more agile approach. * **Xiyu** notes that the roadmap itself provides a much-needed new narrative for market sentiment recovery. **Cautious voices** acknowledge the vision but emphasize execution and market timing: * **Ignas** warns that while the roadmap addresses key community requests, it overlooks tokenomics, and competitors are gaining ground in areas like RWA. Timely delivery is crucial; delays could be bearish. * **Dankrad Feist**, a former Ethereum Foundation researcher, agrees on direction but criticizes the proposed 3-4 year timeline as too slow for the current market pace, especially with AI-aided development available. **In summary,** optimists believe Lean Ethereum reaffirms Ethereum's long-term value proposition as a decentralized world computer, while the cautious argue that its success hinges on faster delivery and tangible results to maintain market relevance. Despite ongoing criticism, the move signals Ethereum's effort to regroup and reclaim initiative at the protocol level.

marsbit1 saat önce

Ethereum Sheds Its Load? What Ethereum Supporters Think About the Lean Ethereum Upgrade and the Future Market

marsbit1 saat önce

Bitcoin miner stress returns to historic lows – Is a BTC recovery near?

Bitcoin mining stress has hit historic lows, comparable to past capitulation periods in 2015, 2018, 2020, 2022, and 2024. Despite two consecutive downward difficulty adjustments, mining profits remain low, forcing weaker miners to sell reserves. However, this process may reduce long-term selling pressure. Investor sentiment is also extremely pessimistic, with Bitcoin's Sharpe ratio hitting -20, reflecting one of the worst risk-adjusted return periods this cycle. Similar conditions in past cycles preceded extended accumulation phases where sellers exhausted their steam. The alignment of miner exhaustion and negative market sentiment could eventually fade downside pressures, potentially setting the stage for a broader market recovery if long-term holders continue absorbing supply and volatility subsides.

ambcrypto1 saat önce

Bitcoin miner stress returns to historic lows – Is a BTC recovery near?

ambcrypto1 saat önce

AI Folding: Fable 5 and GPT-5.6 Are Becoming the Privilege of a Few

【AI Accessibility Gap Widens: Elite Tools Like Fable 5 and GPT-5.6 Are Becoming Privileged】 We are witnessing a growing "AI divide." A stark reality is emerging: a tiny fraction of elites, primarily in tech, are using powerful next-generation models like Fable 5 or the upcoming GPT-5.6, while the vast majority of the public only has access to "toys" - free, limited models equivalent to ChatGPT's basic versions (8B to 30B parameters). This creates a massive experiential chasm and cognitive dissonance. Industry outsiders see AI as overhyped and ineffective, unable to grasp its transformative potential, while insiders leverage these advanced models for a decisive competitive edge. The gap isn't just about model quality but product functionality. Free users get a simple chatbot. Paying elites get integrated workflow systems—capable of creating specialized agents, processing complex data, and handling real-world tasks like management, coding, and planning. Demos showcasing AI planning weddings or building apps feel disconnected from everyday needs like managing bills, groceries, or health. The cost barrier is immense, with reports of engineers spending $1000 daily on Fable 5 inference. Elite users employ sophisticated multi-model workflows, combining different AIs for ideation, architecture, execution, and review, completing complex projects in minutes instead of weeks. This divide extends to critical areas like healthcare, where free models are dangerously unreliable for medical queries. However, some argue that for 90% of common business tasks, mid-tier models like GPT-5.5 are sufficient; the perceived limitation often stems from poor integration and lack of context, not model intelligence. Ultimately, unequal access to cutting-edge AI is creating a new form of social stratification, where the most powerful tools are becoming the exclusive privilege of a few.

marsbit1 saat önce

AI Folding: Fable 5 and GPT-5.6 Are Becoming the Privilege of a Few

marsbit1 saat önce

Cathie Wood's June $77M Investment: Are Crypto Stocks a True 'Substitute' for Bitcoin?

In June, Cathie Wood's ARK Invest purchased $77 million worth of publicly traded crypto-related stocks, including Coinbase, Circle, and Bullish, during Bitcoin's worst monthly performance in four years. This aligns with the investment thesis that such stocks offer a compliant way to gain exposure to the crypto cycle without directly holding Bitcoin. However, data analysis reveals significant drawbacks. A group of nine U.S.-listed crypto companies showed 30-day annualized realized volatility between 68% and 90%, nearly double Bitcoin's 37.6%. Over 90 days, Circle's volatility reached 103.6% versus Bitcoin's 37.8%. Drawdowns were also more severe for stocks like Circle (-51.4%) and MicroStrategy (-48.6%) compared to Bitcoin's -36.4% from its January high. Correlation analysis shows most stocks share only a moderate link to Bitcoin. For example, Circle, Robinhood, and Bullish have a 90-day correlation coefficient of just 0.55–0.58 with BTC, meaning only about one-third of their price movement is explained by Bitcoin's action. The rest stems from company-specific risks: earnings, competition, fundraising, and equity dilution. MicroStrategy (MSTR) is the notable exception, acting as a leveraged Bitcoin proxy with a beta of 1.59 and 0.85 correlation. Coinbase offers relatively balanced exposure. Circle exemplifies "crypto-wrapped" corporate risk, with its recent crash tied to stablecoin competition, not Bitcoin. Robinhood's diversified business insulates it from crypto downturns but also limits upside. Bitcoin miners like RIOT and MARA have posted significant gains year-to-date, driven primarily by their pivot to AI compute services, not Bitcoin's price. The article highlights that investing in crypto stocks often means accepting amplified volatility or layering on business-specific risks absent from direct Bitcoin ownership. For instance, MicroStrategy's recent challenges—its market value falling below its Bitcoin holdings (mNAV <1) and facing potential Bitcoin sales for liquidity—demonstrate equity-specific hazards like dilution and financing pressures not faced by a direct Bitcoin holder. ARK's buying spree represents a bet on a basket of different business models with varying crypto exposure, not a simple, lower-risk substitute for holding Bitcoin.

marsbit1 saat önce

Cathie Wood's June $77M Investment: Are Crypto Stocks a True 'Substitute' for Bitcoin?

marsbit1 saat önce

İşlemler

Spot

Popüler Makaleler

$S$ Nedir

SPERO'yu Anlamak: Kapsamlı Bir Genel Bakış SPERO'ya Giriş İnovasyonun manzarası gelişmeye devam ederken, web3 teknolojilerinin ve kripto para projelerinin ortaya çıkışı dijital geleceği şekillendirmede önemli bir rol oynamaktadır. Bu dinamik alanda dikkat çeken projelerden biri SPERO, $$s$$ olarak adlandırılmaktadır. Bu makale, SPERO hakkında ayrıntılı bilgi toplamak ve sunmak amacıyla, meraklılar ve yatırımcıların web3 ve kripto alanlarındaki temellerini, hedeflerini ve yeniliklerini anlamalarına yardımcı olmayı amaçlamaktadır. SPERO,$$s$$ Nedir? SPERO,$$s$$, kripto alanında merkeziyetsizlik ve blok zinciri teknolojisi ilkelerini kullanarak etkileşimi, faydayı ve finansal kapsayıcılığı teşvik eden bir ekosistem yaratmayı amaçlayan benzersiz bir projedir. Proje, kullanıcıların yenilikçi finansal çözümler ve hizmetler sunarak eşler arası etkileşimleri yeni yollarla kolaylaştırmayı hedeflemektedir. SPERO,$$s$$'nin temel amacı, bireyleri güçlendirmek ve kripto para alanındaki kullanıcı deneyimini artıran araçlar ve platformlar sağlamaktır. Bu, daha esnek işlem yöntemlerini mümkün kılmayı, topluluk odaklı girişimleri teşvik etmeyi ve merkeziyetsiz uygulamalar (dApp'ler) aracılığıyla finansal fırsatlar yaratmayı içermektedir. SPERO,$$s$$'nin temel vizyonu kapsayıcılık etrafında dönmekte olup, geleneksel finansal sistemlerdeki boşlukları kapatmayı ve blok zinciri teknolojisinin faydalarından yararlanmayı hedeflemektedir. SPERO,$$s$$'nin Yaratıcısı Kimdir? SPERO,$$s$$'nin yaratıcısının kimliği bir miktar belirsizdir, çünkü kurucusu(ları) hakkında ayrıntılı arka plan bilgisi sağlayan sınırlı kamuya açık kaynaklar bulunmaktadır. Bu şeffaflık eksikliği, projenin merkeziyetsizlik taahhüdünden kaynaklanabilir—birçok web3 projesinin paylaştığı bir etik anlayışı, bireysel tanınmanın yerine kolektif katkıları önceliklendirmektedir. Topluluk ve onun kolektif hedefleri etrafında tartışmaları merkezileştirerek, SPERO,$$s$$, belirli bireyleri öne çıkarmadan güçlendirme özünü taşımaktadır. Bu nedenle, SPERO'nun etik anlayışını ve misyonunu anlamak, tek bir yaratıcının kimliğini belirlemekten daha önemlidir. SPERO,$$s$$'nin Yatırımcıları Kimlerdir? SPERO,$$s$$, kripto sektöründe yeniliği teşvik etmeye adanmış girişim sermayedarlarından melek yatırımcılara kadar çeşitli yatırımcılar tarafından desteklenmektedir. Bu yatırımcıların odak noktası genellikle SPERO'nun misyonuyla uyumlu olup, toplumsal teknolojik ilerlemeyi, finansal kapsayıcılığı ve merkeziyetsiz yönetimi vaat eden projeleri önceliklendirmektedir. Bu yatırımcı temelleri, yalnızca yenilikçi ürünler sunan projelere değil, aynı zamanda blok zinciri topluluğuna ve ekosistemlerine olumlu katkılarda bulunan projelere de ilgi duymaktadır. Bu yatırımcıların desteği, SPERO,$$s$$'yi hızla gelişen kripto projeleri alanında dikkate değer bir rakip haline getirmektedir. SPERO,$$s$$ Nasıl Çalışır? SPERO,$$s$$, onu geleneksel kripto para projelerinden ayıran çok yönlü bir çerçeve kullanmaktadır. İşte benzersizliğini ve yeniliğini vurgulayan bazı temel özellikler: Merkeziyetsiz Yönetim: SPERO,$$s$$, kullanıcıların projenin geleceğiyle ilgili karar alma süreçlerine aktif olarak katılmalarını sağlayan merkeziyetsiz yönetim modellerini entegre etmektedir. Bu yaklaşım, topluluk üyeleri arasında sahiplik ve hesap verebilirlik duygusunu teşvik etmektedir. Token Kullanımı: SPERO,$$s$$, ekosistem içinde çeşitli işlevler sunmak üzere tasarlanmış kendi kripto para token'ını kullanmaktadır. Bu token'lar, işlemleri, ödülleri ve platformda sunulan hizmetlerin kolaylaştırılmasını sağlayarak genel etkileşimi ve faydayı artırmaktadır. Katmanlı Mimari: SPERO,$$s$$'nin teknik mimarisi, modülerlik ve ölçeklenebilirliği destekleyerek projenin evrimi sırasında ek özelliklerin ve uygulamaların sorunsuz bir şekilde entegrasyonuna olanak tanımaktadır. Bu uyum sağlama yeteneği, sürekli değişen kripto manzarasında geçerliliği sürdürmek için hayati öneme sahiptir. Topluluk Katılımı: Proje, işbirliği ve geri bildirim teşvik eden mekanizmalar kullanarak topluluk odaklı girişimlere vurgu yapmaktadır. Güçlü bir topluluk oluşturarak, SPERO,$$s$$, kullanıcı ihtiyaçlarını daha iyi karşılayabilir ve piyasa trendlerine uyum sağlayabilir. Kapsayıcılığa Odaklanma: Düşük işlem ücretleri ve kullanıcı dostu arayüzler sunarak, SPERO,$$s$$, daha önce kripto alanında yer almamış bireyler de dahil olmak üzere çeşitli bir kullanıcı tabanını çekmeyi hedeflemektedir. Bu kapsayıcılık taahhüdü, erişilebilirlik yoluyla güçlendirme misyonuyla uyumludur. SPERO,$$s$$ Zaman Çizelgesi Bir projenin tarihini anlamak, gelişim yolculuğu ve kilometre taşları hakkında kritik bilgiler sağlar. Aşağıda, SPERO,$$s$$'nin evriminde önemli olayları haritalayan önerilen bir zaman çizelgesi bulunmaktadır: Kavram Geliştirme ve Fikir Aşaması: SPERO,$$s$$'nin temelini oluşturan ilk fikirler, blok zinciri endüstrisindeki merkeziyetsizlik ve topluluk odaklılık ilkeleriyle yakından uyumlu olarak geliştirildi. Proje Beyaz Kağıdının Yayınlanması: Kavramsal aşamayı takiben, SPERO,$$s$$'nin vizyonunu, hedeflerini ve teknolojik altyapısını ayrıntılı bir şekilde açıklayan kapsamlı bir beyaz kağıt yayımlandı ve topluluk ilgisini ve geri bildirimini toplamak amacıyla sunuldu. Topluluk Oluşturma ve Erken Katılımlar: Projenin hedefleri etrafında tartışmalar yürüterek destek toplamak ve erken benimseyenler ile potansiyel yatırımcılar için bir topluluk oluşturmak amacıyla aktif iletişim çabaları gerçekleştirildi. Token Üretim Etkinliği: SPERO,$$s$$, yerel token'larını erken destekçilere dağıtmak ve ekosistem içinde başlangıç likiditesini sağlamak amacıyla bir token üretim etkinliği (TGE) gerçekleştirdi. İlk dApp'in Yayınlanması: SPERO,$$s$$ ile ilişkili ilk merkeziyetsiz uygulama (dApp) faaliyete geçti ve kullanıcıların platformun temel işlevleriyle etkileşimde bulunmalarını sağladı. Sürekli Gelişim ve Ortaklıklar: Projenin tekliflerine sürekli güncellemeler ve iyileştirmeler yapılmakta olup, blok zinciri alanındaki diğer oyuncularla stratejik ortaklıklar, SPERO,$$s$$'yi rekabetçi ve gelişen bir oyuncu haline getirmiştir. Sonuç SPERO,$$s$$, web3 ve kripto paranın finansal sistemleri devrim niteliğinde dönüştürme ve bireyleri güçlendirme potansiyelinin bir kanıtıdır. Merkeziyetsiz yönetime, topluluk katılımına ve yenilikçi tasarlanmış işlevselliğe olan bağlılığıyla, daha kapsayıcı bir finansal manzaraya doğru bir yol açmaktadır. Hızla gelişen kripto alanındaki herhangi bir yatırımda olduğu gibi, potansiyel yatırımcılar ve kullanıcılar, SPERO,$$s$$ içindeki devam eden gelişmelerle ilgili olarak kapsamlı bir araştırma yapmaları ve düşünceli bir şekilde katılmaları teşvik edilmektedir. Proje, kripto endüstrisinin yenilikçi ruhunu sergileyerek, sayısız olasılığını keşfetmeye davet etmektedir. SPERO,$$s$$'nin yolculuğu hala devam ederken, temel ilkeleri, teknoloji, finans ve birbirimizle etkileşim biçimimizi etkileyebilir.

156 Toplam GörüntülenmeYayınlanma 2024.12.17Güncellenme 2024.12.17

AGENT S Nedir

Agent S: Web3'te Otonom Etkileşimin Geleceği Giriş Web3 ve kripto para dünyasında sürekli gelişen manzarada, yenilikler bireylerin dijital platformlarla etkileşim biçimlerini sürekli olarak yeniden tanımlıyor. Bu tür öncü projelerden biri olan Agent S, açık ajans çerçevesi aracılığıyla insan-bilgisayar etkileşimini devrim niteliğinde değiştirmeyi vaat ediyor. Otonom etkileşimlerin yolunu açarak, Agent S karmaşık görevleri basitleştirmeyi ve yapay zeka (AI) alanında dönüştürücü uygulamalar sunmayı hedefliyor. Bu detaylı inceleme, projenin karmaşıklıklarına, benzersiz özelliklerine ve kripto para alanındaki etkilerine dalacaktır. Agent S Nedir? Agent S, bilgisayar görevlerinin otomasyonunda üç temel zorluğu ele almak üzere özel olarak tasarlanmış çığır açıcı bir açık ajans çerçevesidir: Alan Spesifik Bilgi Edinimi: Çerçeve, çeşitli dış bilgi kaynaklarından ve iç deneyimlerden akıllıca öğrenir. Bu çift yönlü yaklaşım, alan spesifik bilgi açısından zengin bir veri havuzu oluşturmasını sağlar ve görev yürütmedeki performansını artırır. Uzun Görev Ufukları Üzerinde Planlama: Agent S, karmaşık görevlerin verimli bir şekilde parçalanmasını ve yürütülmesini kolaylaştıran deneyim artırımlı hiyerarşik planlama kullanır. Bu özellik, çoklu alt görevleri etkili ve verimli bir şekilde yönetme yeteneğini önemli ölçüde artırır. Dinamik, Homojen Olmayan Arayüzlerle Başlama: Proje, ajanlar ve kullanıcılar arasındaki etkileşimi geliştiren yenilikçi bir çözüm olan Ajan-Bilgisayar Arayüzü'ni (ACI) tanıtmaktadır. Çok Modlu Büyük Dil Modellerini (MLLM'ler) kullanarak, Agent S çeşitli grafik kullanıcı arayüzlerini sorunsuz bir şekilde gezinebilir ve manipüle edebilir. Bu öncü özellikler aracılığıyla, Agent S, makinelerle insan etkileşimini otomatikleştirmede karşılaşılan karmaşıklıkları ele alan sağlam bir çerçeve sunarak, AI ve ötesinde birçok uygulama için zemin hazırlıyor. Agent S'nin Yaratıcısı Kimdir? Agent S'nin kavramı temelde yenilikçi olsa da, yaratıcısı hakkında spesifik bilgiler belirsizliğini koruyor. Yaratıcı şu anda bilinmiyor, bu da projenin yeni aşamasını veya kurucu üyeleri gizli tutma stratejik tercihini vurguluyor. Anonimlikten bağımsız olarak, odak çerçevenin yetenekleri ve potansiyeli üzerinde kalıyor. Agent S'nin Yatırımcıları Kimlerdir? Agent S, kriptografik ekosistemde oldukça yeni olduğundan, yatırımcıları ve finansal destekçileri hakkında ayrıntılı bilgiler açıkça belgelenmemiştir. Projeyi destekleyen yatırım temelleri veya organizasyonları hakkında kamuya açık bilgilerdeki eksiklik, finansman yapısı ve gelişim yol haritası hakkında sorular doğuruyor. Destekleyicilerin anlaşılması, projenin sürdürülebilirliğini ve potansiyel pazar etkisini değerlendirmek için kritik öneme sahiptir. Agent S Nasıl Çalışır? Agent S'nin temelinde, çeşitli ortamlarda etkili bir şekilde çalışmasını sağlayan son teknoloji bir sistem yatmaktadır. İşleyiş modeli birkaç ana özellik etrafında inşa edilmiştir: İnsan Benzeri Bilgisayar Etkileşimi: Çerçeve, bilgisayarlarla etkileşimleri daha sezgisel hale getirmeyi amaçlayan gelişmiş AI planlaması sunar. Görev yürütmedeki insan davranışını taklit ederek, kullanıcı deneyimlerini yükseltmeyi vaat eder. Anlatı Belleği: Yüksek düzeyde deneyimlerden yararlanmak için kullanılan Agent S, görev geçmişlerini takip etmek amacıyla anlatı belleğini kullanarak karar verme süreçlerini geliştirir. Episodik Bellek: Bu özellik, kullanıcılara adım adım rehberlik sağlayarak, çerçevenin görevler gelişirken bağlamsal destek sunmasına olanak tanır. OpenACI Desteği: Yerel olarak çalışabilme yeteneği ile Agent S, kullanıcıların etkileşimleri ve iş akışları üzerinde kontrol sağlamasına olanak tanır ve Web3'ün merkeziyetsiz felsefesiyle uyumlu hale gelir. Dış API'lerle Kolay Entegrasyon: Çeşitli AI platformlarıyla uyumluluğu ve çok yönlülüğü, Agent S'nin mevcut teknolojik ekosistemlere sorunsuz bir şekilde entegre olmasını sağlar ve geliştiriciler ile organizasyonlar için cazip bir seçenek haline getirir. Bu işlevsellikler, Agent S'nin kripto alanındaki benzersiz konumuna katkıda bulunarak, karmaşık, çok aşamalı görevleri minimum insan müdahalesi ile otomatikleştirir. Proje geliştikçe, Web3'teki potansiyel uygulamaları dijital etkileşimlerin nasıl gelişeceğini yeniden tanımlayabilir. Agent S'nin Zaman Çizelgesi Agent S'nin gelişimi ve kilometre taşları, önemli olaylarını vurgulayan bir zaman çizelgesinde özetlenebilir: 27 Eylül 2024: Agent S'nin kavramı, “Bilgisayarları İnsan Gibi Kullanan Açık Bir Ajans Çerçevesi” başlıklı kapsamlı bir araştırma makalesi ile tanıtıldı ve projenin temelini sergiledi. 10 Ekim 2024: Araştırma makalesi arXiv'de kamuya açık olarak yayınlandı ve çerçevenin derinlemesine bir incelemesini ve OSWorld benchmark'ına dayalı performans değerlendirmesini sundu. 12 Ekim 2024: Agent S'nin yetenekleri ve özellikleri hakkında görsel bir içgörü sağlayan bir video sunumu yayımlandı ve potansiyel kullanıcılar ve yatırımcılarla daha fazla etkileşim sağlandı. Bu zaman çizelgesindeki işaretler, sadece Agent S'nin ilerlemesini değil, aynı zamanda şeffaflık ve topluluk katılımına olan bağlılığını da göstermektedir. Agent S Hakkında Ana Noktalar Agent S çerçevesi gelişmeye devam ederken, birkaç ana özellik öne çıkmakta ve yenilikçi doğasını ve potansiyelini vurgulamaktadır: Yenilikçi Çerçeve: İnsan etkileşimine benzer bir bilgisayar kullanımı sağlamak üzere tasarlanan Agent S, görev otomasyonuna yeni bir yaklaşım getiriyor. Otonom Etkileşim: GUI aracılığıyla bilgisayarlarla otonom olarak etkileşim kurabilme yeteneği, daha akıllı ve verimli hesaplama çözümlerine doğru bir sıçrama anlamına geliyor. Karmaşık Görev Otomasyonu: Sağlam metodolojisi ile karmaşık, çok aşamalı görevleri otomatikleştirerek süreçleri daha hızlı ve daha az hata payı ile gerçekleştirebilir. Sürekli İyileştirme: Öğrenme mekanizmaları, Agent S'nin geçmiş deneyimlerden öğrenmesini sağlar ve sürekli olarak performansını ve etkinliğini artırır. Çok Yönlülük: OSWorld ve WindowsAgentArena gibi farklı işletim ortamlarında uyumlu olması, geniş bir uygulama yelpazesine hizmet edebilmesini sağlar. Agent S, Web3 ve kripto alanında kendini konumlandırırken, etkileşim yeteneklerini artırma ve süreçleri otomatikleştirme potansiyeli, AI teknolojilerinde önemli bir ilerlemeyi temsil etmektedir. Yenilikçi çerçevesi aracılığıyla, Agent S dijital etkileşimlerin geleceğini örneklemekte ve çeşitli sektörlerde kullanıcılar için daha sorunsuz ve verimli bir deneyim vaat etmektedir. Sonuç Agent S, AI ve Web3'ün birleşiminde cesur bir sıçramayı temsil ediyor ve teknoloji ile etkileşim biçimimizi yeniden tanımlama kapasitesine sahip. Henüz erken aşamalarında olmasına rağmen, uygulama olanakları geniş ve çekici. Kritik zorlukları ele alan kapsamlı çerçevesi ile Agent S, otonom etkileşimleri dijital deneyimin ön plana çıkmasına taşımayı hedefliyor. Kripto para ve merkeziyetsizlik alanlarına daha derinlemesine girdikçe, Agent S gibi projelerin teknoloji ve insan-bilgisayar işbirliğinin geleceğini şekillendirmede önemli bir rol oynayacağı kesin.

646 Toplam GörüntülenmeYayınlanma 2025.01.14Güncellenme 2025.01.14

S Nasıl Satın Alınır

HTX.com’a hoş geldiniz! Sonic (S) satın alma işlemlerini basit ve kullanışlı bir hâle getirdik. Adım adım açıkladığımız rehberimizi takip ederek kripto yolculuğunuza başlayın. 1. Adım: HTX Hesabınızı OluşturunHTX'te ücretsiz bir hesap açmak için e-posta adresinizi veya telefon numaranızı kullanın. Sorunsuzca kaydolun ve tüm özelliklerin kilidini açın. Hesabımı Aç2. Adım: Kripto Satın Al Bölümüne Gidin ve Ödeme Yönteminizi SeçinKredi/Banka Kartı: Visa veya Mastercard'ınızı kullanarak anında Sonic (S) satın alın.Bakiye: Sorunsuz bir şekilde işlem yapmak için HTX hesap bakiyenizdeki fonları kullanın.Üçüncü Taraflar: Kullanımı kolaylaştırmak için Google Pay ve Apple Pay gibi popüler ödeme yöntemlerini ekledik.P2P: HTX'teki diğer kullanıcılarla doğrudan işlem yapın.Borsa Dışı (OTC): Yatırımcılar için kişiye özel hizmetler ve rekabetçi döviz kurları sunuyoruz.3. Adım: Sonic (S) Varlıklarınızı SaklayınSonic (S) satın aldıktan sonra HTX hesabınızda saklayın. Alternatif olarak, blok zinciri transferi yoluyla başka bir yere gönderebilir veya diğer kripto para birimlerini takas etmek için kullanabilirsiniz.4. Adım: Sonic (S) Varlıklarınızla İşlem YapınHTX'in spot piyasasında Sonic (S) ile kolayca işlemler yapın.Hesabınıza erişin, işlem çiftinizi seçin, işlemlerinizi gerçekleştirin ve gerçek zamanlı olarak izleyin. Hem yeni başlayanlar hem de deneyimli yatırımcılar için kullanıcı dostu bir deneyim sunuyoruz.

1.7k Toplam GörüntülenmeYayınlanma 2025.01.15Güncellenme 2026.06.02

Tartışmalar

HTX Topluluğuna hoş geldiniz. Burada, en son platform gelişmeleri hakkında bilgi sahibi olabilir ve profesyonel piyasa görüşlerine erişebilirsiniz. Kullanıcıların S (S) fiyatı hakkındaki görüşleri aşağıda sunulmaktadır.