Chỉ 67 dự án tiền mã hóa trong top 1000 giá trị vốn hóa có trang Wikipedia, sự "hiểu biết" của ChatGPT về ngành đang bị bóp méo

marsbitXuất bản vào 2026-07-15Cập nhật gần nhất vào 2026-07-15

Tóm tắt

Chỉ 67 trong số 1000 dự án tiền điện tử hàng đầu theo vốn hóa thị trường có trang Wikipedia, theo một nghiên cứu từ Chainstory. Khoảng trống thông tin này đang bóp méo hiểu biết của các công cụ AI như ChatGPT về ngành công nghiệp tiền điện tử, vì Wikipedia là nguồn tham khảo đơn lẻ được ChatGPT trích dẫn nhiều nhất (chiếm khoảng 7,8%). Tỷ lệ bao phủ giảm mạnh theo thứ hạng vốn hóa. Trong khi 80% top 10 có trang, thì top 100 chỉ còn 40% và top 1000 chỉ còn 6,7%. Nhiều dự án lớn như Hyperliquid (150 tỷ USD) và Sui (50 tỷ USD) hoàn toàn không có trang Wikipedia. Nguyên nhân chính là do các hướng dẫn về độ nổi bật của Wikipedia, coi các phương tiện truyền thông chuyên về tiền điện tử như CoinDesk là "không đáng tin cậy" và yêu cầu nguồn từ các hãng tin tức chính thống. Tuy nhiên, các hãng tin này lại ít đưa tin về các dự án tiền điện tử chuyên sâu. Quy trình tạo trang mới cũng phức tạp và dễ bị xóa bởi cộng đồng tình nguyện viên. Hệ quả là, khi người dùng hỏi về các dự án không có trang Wikipedia, AI phải dựa vào thông tin rời rạc, dẫn đến nguy cơ cao về sai sót các dữ kiện cơ bản, làm biến dạng nhận thức về ngành.

Tác giả: Claude, Deep Tide TechFlow

Dẫn nhập Deep Tide: Cơ quan truyền thông tiền mã hóa Chainstory đã kiểm toán việc phủ sóng trên Wikipedia của 10.000 đồng tiền theo vốn hóa thị trường từ CoinGecko, phát hiện trong top 1000 chỉ có 67 đồng tiền có trang từ. Wikipedia là nguồn trích dẫn đơn lẻ được ChatGPT tham khảo nhiều nhất (chiếm khoảng 7.8% tổng số trích dẫn), điều này có nghĩa các công cụ AI đang có điểm mù hệ thống trong nhận thức về đa số dự án tiền mã hóa. Hyperliquid 15 tỷ USD, Sui 5 tỷ USD đều không có trang Wikipedia.

Ngành công nghiệp tiền mã hóa gần như không tồn tại trên Wikipedia.

Theo báo cáo của CoinDesk ngày 14/7, một nghiên cứu do cơ quan truyền thông tiền mã hóa Chainstory công bố cho thấy, trong số 1000 dự án tiền mã hóa hàng đầu xếp hạng theo vốn hóa thị trường từ CoinGecko, chỉ có 67 dự án có trang từ trên Wikipedia, tỷ lệ phủ sóng chưa đến 7%. Trong bối cảnh các công cụ AI ngày càng trở thành kênh chính để người dùng tiếp cận thông tin, khoảng trống này đang có ảnh hưởng hệ thống đến việc hiểu và trình bày ngành tiền mã hóa của các mô hình như ChatGPT.

Tỷ lệ phủ sóng giảm đột ngột theo hạng vốn hóa, dự án 15 tỷ USD không có trang từ

Chainstory đã kiểm tra 10.000 đồng tiền hàng đầu theo vốn hóa trên CoinGecko từ ngày 1 đến ngày 4/6/2026, xác minh từng trang từ có tồn tại hay không thông qua API của Wikipedia. Kết quả cho thấy một sự phân bổ cực đoan theo phân phối đuôi dài:

Tỷ lệ phủ sóng của top 10 đồng tiền theo vốn hóa là 80%, top 100 giảm xuống 40%, top 500 chỉ còn 12%, top 1000 giảm xuống 6.7%, tỷ lệ phủ sóng của các đồng tiền từ hạng 1001 đến 10000 chỉ là 0.2%. Trong toàn bộ top 10000, chỉ có 84 đồng tiền có trang từ trên Wikipedia.

Trong danh sách vắng mặt không thiếu những dự án có quy mô lớn. Nền tảng hợp đồng vĩnh cửu Hyperliquid với vốn hóa khoảng 15 tỷ USD không có trang Wikipedia; mạng Layer-1 Sui với vốn hóa khoảng 5 tỷ USD, xếp hạng thứ 22, cũng vắng mặt; Monad Labs (định giá 3 tỷ USD) do Paradigm dẫn đầu, Berachain (định giá 1.5 tỷ USD) đồng dẫn đầu bởi Brevan Howard Digital, EigenLayer với khoản đầu tư 100 triệu USD từ a16z, đều chưa có hồ sơ trên Wikipedia.

Dự án nhỏ nhất có trang từ là Firo, với vốn hóa 15 triệu USD, xếp hạng 959.

Để so sánh, Wikipedia đã lưu trữ khoảng 640 công ty fintech, hơn 7000 công ty phần mềm, nhưng chỉ có khoảng 80 công ty thuộc danh mục tiền mã hóa và bitcoin.

Wikipedia là nguồn trích dẫn đơn lẻ nhiều nhất của ChatGPT, chiếm gần 8%

Khoảng trống phủ sóng này quan trọng vì vị thế của Wikipedia trong chuỗi thông tin AI vượt xa nhận thức thông thường.

Chainstory trong báo cáo đã trích dẫn dữ liệu kiểm toán từ nền tảng theo dõi AI Profound: Trong tất cả các liên kết trích dẫn của ChatGPT, liên kết đến Wikipedia chiếm khoảng 7.8%, đứng thứ hai và ba là Reddit (1.8%) và Forbes (1.1%) thua xa. Trong 10 tên miền được ChatGPT trích dẫn nhiều nhất, Wikipedia chiếm khoảng 47.9% thị phần.

Phân tích từ 3.29 triệu liên kết trích dẫn bởi cơ quan nghiên cứu khác Trakkr cho thấy, tính đến tháng 5/2026, Wikipedia chiếm 36.1% thị phần trong top 10 nguồn trích dẫn của ChatGPT, và 25.3% trong top 100 nguồn trích dẫn.

Nghiên cứu tháng 5/2026 của Muck Rack tiếp tục xác nhận, Wikipedia không chỉ là nguồn trích dẫn số một của ChatGPT, mà còn là nguồn trích dẫn lớn thứ hai của Claude (chỉ sau PubMed Central), và là nguồn lớn thứ tư của Gemini.

Báo cáo chỉ ra rằng, Wikipedia chủ yếu cung cấp cho mô hình AI thông tin ở cấp độ khái niệm, nhưng khi người dùng đặt câu hỏi liên quan đến dự án cụ thể, trang từ Wikipedia chính là cơ sở lập luận cốt lõi của mô hình. Các dự án có trang từ sẽ có định nghĩa và mô tả rõ ràng trong câu trả lời của AI; đối với các dự án không có trang từ, AI chỉ có thể tổng hợp thông tin từ những đề cập rời rạc từ nguồn thứ hai, dễ dẫn đến những lỗi sai về sự kiện cơ bản như người sáng lập, thời gian thành lập, địa điểm trụ sở.

Wikipedia liệt kê truyền thông tiền mã hóa là nguồn "thường không đáng tin cậy"

Nguyên nhân gốc rễ của tỷ lệ phủ sóng thấp các dự án tiền mã hóa trên Wikipedia nằm ở ngưỡng xét duyệt đặc biệt mà Wikipedia đặt ra cho ngành công nghiệp này.

Wikipedia đã xây dựng hướng dẫn về mức độ chú ý liên quan đến tiền mã hóa, yêu cầu sự chú ý của dự án phải đến từ các nguồn tin tức "chính thống", chỉ rõ rằng các phương tiện truyền thông chủ yếu đưa tin về ngành tiền mã hóa "không đủ để chứng minh mức độ chú ý". Hướng dẫn này thậm chí chỉ tên CoinDesk và Bitcoin Magazine là các phương tiện truyền thông tiền mã hóa "thường không đáng tin cậy". Cùng logic này cũng áp dụng cho các phương tiện truyền thông bản địa tiền mã hóa khác như Cointelegraph, Decrypt, The Block.

Các nguồn đáng tin cậy được Wikipedia công nhận bao gồm các phương tiện truyền thông kinh doanh chính thống như Reuters, Bloomberg, CNBC, Financial Times của Anh. Tuy nhiên, các phương tiện truyền thông này hầu như không quan tâm đến các lĩnh vực chuyên sâu của tiền mã hóa như staking thanh khoản, DEX hợp đồng vĩnh cửu.

Chainstory trong báo cáo đã chỉ ra mâu thuẫn này: Các phương tiện truyền thông thực sự đưa tin về động thái của ngành tiền mã hóa lại không có giá trị nguồn tin trong mắt Wikipedia, trong khi các phương tiện truyền thông chính thống được Wikipedia công nhận lại không bao phủ hầu hết các dự án tiền mã hóa.

Quy trình tạo trang từ mới cũng tạo ra trở ngại. Bài viết mới cần thông qua kiểm duyệt bởi tình nguyện viên, kiểm tra các tiêu chí như mức độ chú ý, khả năng xác minh và nguồn đáng tin cậy. Ngay cả khi thông qua kiểm duyệt, quản trị viên vẫn có thể đơn phương xóa, hoặc thông qua cuộc bỏ phiếu cộng đồng kéo dài 7 ngày để quyết định số phận trang từ, chủ thể của trang từ không có quyền tham gia và cũng không thể kháng cáo.

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QTheo nghiên cứu của Chainstory, có bao nhiêu dự án crypto trong top 1000 vốn hóa lớn nhất trên CoinGecko có trang Wikipedia?

AChỉ có 67 dự án trong số 1000 dự án crypto hàng đầu theo vốn hóa trên CoinGecko có trang Wikipedia, tức tỷ lệ phủ sóng chưa đến 7%.

QTại sao việc thiếu trang Wikipedia lại ảnh hưởng quan trọng đến sự hiểu biết của các công cụ AI như ChatGPT về ngành công nghiệp crypto?

AWikipedia là nguồn thông tin được ChatGPT trích dẫn nhiều nhất, chiếm khoảng 7.8% tổng số trích dẫn. Khi không có trang Wikipedia, các mô hình AI chỉ có thể dựa vào các nguồn thông tin rời rạc, dễ dẫn đến sai sót về các thông tin cơ bản của dự án.

QNhững dự án crypto có vốn hóa lớn nào được đề cập trong bài viết là không có trang Wikipedia?

ACác dự án lớn không có trang Wikipedia được đề cập bao gồm: nền tảng hợp đồng vĩnh viễn Hyperliquid (vốn hóa ~150 tỷ USD), mạng Layer-1 Sui (vốn hóa ~50 tỷ USD), Monad Labs, Berachain và EigenLayer.

QWikipedia có chính sách đặc biệt gì đối với các nguồn tin từ ngành công nghiệp crypto khi đánh giá độ tin cậy?

AWikipedia có hướng dẫn riêng về tiêu chí nổi bật cho lĩnh vực crypto, yêu cầu thông tin phải đến từ các nguồn tin tức 'chính thống'. Họ xếp các phương tiện truyền thông chuyên về crypto như CoinDesk và Bitcoin Magazine vào danh mục 'thường không đáng tin cậy' và không chấp nhận chúng làm nguồn chứng minh độ nổi bật.

QQuy trình tạo một trang Wikipedia mới cho một dự án crypto gặp phải những trở ngại gì theo bài viết?

AQuy trình tạo trang Wikipedia mới phải trải qua sự đánh giá của các tình nguyện viên về độ nổi bật, khả năng xác minh và nguồn tin cậy. Ngay cả khi được phê duyệt, quản trị viên vẫn có thể đơn phương xóa bài, hoặc cộng đồng có thể bỏ phiếu quyết định trong 7 ngày. Chủ thể của trang (dự án crypto) không có quyền tham gia hoặc kháng cáo quyết định này.

Nội dung Liên quan

GPT-5.6 Chỉ Trong 1 Giờ Phá Vỡ Bài Toán Toán Học 50 Năm, 64 AI Cướp Được Vương Miện Lý Thuyết Đồ Thị

Ngày 11/7, OpenAI công bố GPT-5.6 Sol Ultra đã chứng minh thành công "Giả thuyết Phủ Kép Chu trình" - bài toán tồn tại suốt 50 năm trong lý thuyết đồ thị, chỉ trong chưa đầy một giờ. Giả thuyết này, do nhiều nhà toán học huyền thoại đề xuất, khẳng định mọi đồ thị vô hướng, hữu hạn, không có cầu đều tồn tại một tập hợp các chu trình sao cho mỗi cạnh được bao phủ đúng hai lần. Dù đã có nhiều kết quả một phần, chứng minh tổng quát vẫn là thách thức. GPT-5.6 Sol Ultra đã giải quyết vấn đề bằng một hệ thống gồm 64 tác nhân thông minh chạy song song, mô phỏng một đội nghiên cứu. Hệ thống này được lập trình để tránh các lỗi thường gặp: khám phá nhiều hướng tiếp cận khác nhau ngay từ đầu, cấm bắt chước ý tưởng phổ biến, và có cơ chế "kiểm tra lỗi" chuyên nghiên cử để phê bình, tấn công mọi chứng minh ứng viên. Chỉ những chứng minh nào vượt qua được sự kiểm tra khắt khe mới được chuyển sang vòng tiếp theo. Chiến lược chứng minh của AI bao gồm các bước chính: 1) Thu gọn bài toán về đồ thị lập phương; 2) Vận dụng định lý "8-dòng" của Tutte để gán nhãn véctơ cho các cạnh; 3) Xây dựng Bổ đề 2.1 về việc gán nhãn tập hợp hai phần tử; và 4) Chuyển đổi vấn đề thành một hệ phương trình đại số tuyến tính (Bổ đề 2.2), rồi chứng minh hệ luôn có nghiệm. Noam Brown của OpenAI cho biết đột phá này dựa trên việc mở rộng "Tính toán trong Thời gian Kiểm tra song song" (Parallel Test-Time Computation), cho phép tăng cường suy luận thông qua xử lý đồng thời thay vì kéo dài thời gian suy nghĩ tuần tự. Điều này biến những nhiệm vụ cần suy luận lâu dài trở nên khả thi. Sự kiện gây chấn động giới AI và toán học, với nhiều ý kiến cho rằng khả năng suy luận logic trừu tượng cấp cao của AI đã vượt con người trong lĩnh vực này, mở ra tiềm năng ứng dụng để giải quyết những vấn đề khoa học phức tạp khác.

marsbit8 phút trước

GPT-5.6 Chỉ Trong 1 Giờ Phá Vỡ Bài Toán Toán Học 50 Năm, 64 AI Cướp Được Vương Miện Lý Thuyết Đồ Thị

marsbit8 phút trước

Bài báo về Kỹ thuật Prompt được nhận vào ICML 2026, cộng đồng mạng tranh luận sôi nổi

Bài báo "Prompt Engineering" với tựa đề "Verbalized Sampling" (VS) đã được chấp nhận tại hội nghị ICML 2026, gây ra nhiều tranh cãi trên cộng đồng mạng. Nghiên cứu này đề xuất một phương pháp đơn giản chỉ bằng việc điều chỉnh prompt (câu lệnh) để cải thiện đáng kể tính đa dạng trong đầu ra của mô hình ngôn ngữ lớn (LLM), giải quyết vấn đề "Mode Collapse" (suy giảm đa dạng). Thay vì điều chỉnh thuật toán huấn luyện hay tham số, phương pháp VS yêu cầu mô hình không chỉ đưa ra câu trả lời mà còn xuất cả phân phối xác suất dự kiến của chúng. Ví dụ, thay vì yêu cầu "kể một câu chuyện cười", prompt sẽ là "tạo 5 câu chuyện cười và gán xác suất cho từng cái". Cách tiếp cận này giúp khôi phục sự đa dạng vốn có từ giai đoạn tiền huấn luyện của mô hình. Bài báo lập luận nguyên nhân gốc rễ của Mode Collapse không nằm ở thuật toán mà ở "thiên lệch tính điển hình" trong dữ liệu ưu tiên của con người được dùng để huấn luyện. Các thử nghiệm trên nhiều bộ dữ liệu và mô hình cho thấy VS có thể tăng tính đa dạng lên 1.6 đến 2.1 lần trong các nhiệm vụ sáng tạo, mà không làm giảm độ chính xác hay tính an toàn. Tuy nhiên, việc một nghiên cứu chủ yếu dựa vào kỹ thuật prompt lại được chấp nhận tại một hội nghị hàng đầu như ICML đã gây tranh luận. Một số người cho rằng đóng góp này quá mỏng, dễ bị ảnh hưởng bởi từng mô hình cụ thể và thiếu tính tổng quát lý thuyết. Số khác lại bảo vệ, cho rằng nghiên cứu chất lượng nằm ở việc xác định vấn đề rõ ràng, thí nghiệm nghiêm ngặt và kết quả có thể tái lập, đồng thời so sánh với sự ra đời mang tính bước ngoặt của "Chain-of-Thought" (CoT) trước đây. Nghiên cứu được thực hiện bởi nhóm từ Đại học Northeastern, Phòng thí nghiệm Manning của Stanford và Đại học West Virginia, với các tác giả chính là Jiayi Zhang, Simon Yu và Derek Chong. Sự kiện này có thể báo hiệu xu hướng các kỹ thuật tối ưu hóa trong giai đoạn suy luận (inference) ngày càng đóng vai trò quan trọng trong nghiên cứu máy học.

marsbit9 phút trước

Bài báo về Kỹ thuật Prompt được nhận vào ICML 2026, cộng đồng mạng tranh luận sôi nổi

marsbit9 phút trước

Giao dịch

Giao ngay

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 941Xuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 1.8kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của S (S) được trình bày dưới đây.

活动图片