Đừng Chỉ Nhìn Bằng Cấp, Hãy Dùng Tinh Thần Mã Hóa Để Tìm Kiếm Nhân Tài Web3

marsbitXuất bản vào 2026-02-27Cập nhật gần nhất vào 2026-02-27

Tóm tắt

Bài viết của Ben Wu từ a16z nhấn mạnh rằng ngành công nghiệp crypto, vốn được xây dựng dựa trên các nguyên tắc minh bạch và có thể kiểm chứng, lại thường sử dụng các phương pháp tuyển dụng truyền thống dựa quá nhiều vào bằng cấp, lý lịch làm việc tại các tập đoàn lớn và sự xác nhận từ các tổ chức uy tín. Cách tiếp cận này có thể bỏ lỡ những tài năng thực sự, những người chứng minh năng lực thông qua công việc thực tế hơn là các chứng chỉ chính thức. Thay vào đó, tác giả đề xuất một mô hình tuyển dụng "ưu tiên xác minh" (verify-first), phù hợp với tinh thần của crypto. Ngành này có lợi thế là mọi đóng góp đều để lại dấu vết công khai và có thể kiểm chứng được, chẳng hạn như mã nguồn mở, các yêu cầu hợp nhất (pull requests), hợp đồng thông minh đã triển khai, hoạt động trên chuỗi và đóng góp cho các hackathon hoặc DAO. Những sản phẩm này là bằng chứng trực tiếp về kỹ năng, không cần dựa vào sự tin tưởng hay sự bảo chứng của bên thứ ba. Mặc dù các công cụ AI và động cơ khuyến khích có thể làm giảm tín hiệu này (ví dụ: các đóng góp nhỏ, thiếu chiều sâu), việc đánh giá chất lượng, sự liên tục và lịch sử đóng góp lâu dài vẫn có thể giúp xác định những người xây dựng giá trị cao. Các team nên chủ động tìm kiếm tài năng thông qua các kênh này thay vì chỉ dựa vào hồ sơ, tích hợp dữ liệu trên chuỗi và nguồn mở vào quy trình tuyển dụng, và tham gia vào các không gian nơi tài năng thực sự hoạt động như hackathon và cộng đồng mã nguồn mở. Tóm lại, triết lý cốt lõi của ngành - "Đừng tin...

Tác giả: Ben Wu, a16z

Biên dịch: Chopper, Foresight News

Sự xuất hiện của tiền mã hóa không chỉ để tái định hình tiền tệ hoặc di chuyển cơ sở dữ liệu lên chuỗi. Nó đại diện cho một sự thay đổi sâu sắc hơn: từ các hệ thống không minh bạch chuyển sang các cơ chế có thể kiểm tra, xác minh và suy luận trực tiếp. Mã nguồn công khai minh bạch, giao dịch được quyết toán có thể dự đoán được, các quy tắc được thực thi một cách khách quan bởi phần mềm.

Thế nhưng, khi nói đến việc tuyển dụng, nhiều người xây dựng các hệ thống này lại âm thầm quên mất những nguyên tắc đó. Tuyển dụng trong ngành công nghiệp mã hóa thường diễn ra một cách đáng ngạc nhiên là truyền thống: trình độ học vấn, kinh nghiệm làm việc tại các tập đoàn lớn, sự xác nhận từ các tổ chức nổi tiếng vẫn chi phối việc sàng lọc ban đầu.

Mặc dù những tín hiệu này tiện lợi, nhưng về bản chất chúng dựa trên sự tin tưởng. Chúng khiến các nhà ra quyết định suy đoán về năng lực thay vì xác minh năng lực. Bài viết này sẽ trình bày cách chúng ta có thể thực hiện tuyển dụng theo một cách phù hợp hơn với tinh thần mã hóa và cũng có nhiều khả năng mang lại kết quả tốt hơn.

Cái phễu của bằng cấp và thâm niên

Tuyển dụng truyền thống dựa vào các quy tắc kinh nghiệm: bằng cấp, nhà tuyển dụng cũ, chức danh chính thức, những thông tin này được nén thành các nhãn sàng lọc, cho phép các nhóm đưa ra quyết định nhanh chóng khi thời gian và năng lực có hạn. Nếu được sử dụng một cách thận trọng, những lối tắt này không phải là phi lý.

Nhưng theo thời gian, cách tuyển dụng chỉ dựa vào thâm niên sẽ mang lại sự thiên lệch: ví dụ như bỏ qua những người học thông qua thực hành thay vì cách thức tuân thủ quy tắc; quá coi trọng nền tảng tổ chức mà xem nhẹ kỹ năng thực tế; hoặc trì hoãn việc chứng minh năng lực thực sự đến giai đoạn sau của quy trình tuyển dụng (hoặc thậm chí bỏ qua hoàn toàn).

Crypto đã sẵn có những tín hiệu có thể xác minh

Một trong những đặc điểm cốt lõi của ngành công nghiệp mã hóa là kết quả công việc mặc định được công khai kiểm chứng. Những người xây dựng không cần sự cho phép của người gác cổng tập trung, cũng không cần chứng chỉ của bên thứ ba để chứng minh năng lực, họ chỉ cần tạo ra sản phẩm.

Do đó, nhân tài trong ngành mã hóa sẽ để lại một hồ sơ đầu ra liên tục, có thể kiểm tra được, bao gồm:

  • Kho mã nguồn công khai, lịch sử commit, pull request và đánh giá mã
  • Các hợp đồng thông minh được triển khai lên testnet và mainnet, có mã nguồn xác minh được
  • Các hoạt động trên chuỗi có thể xem được thông qua trình khám phá khối (block explorer) và giao diện giao thức
  • Đóng góp cho hackathon, DAO, cộng đồng mã nguồn mở

Xét cho cùng, sơ yếu lý lịch chỉ là tuyên bố, còn công việc kỹ thuật để lại bằng chứng. Chúng có thể được kiểm tra trực tiếp, không cần dựa vào sự xác nhận, giới thiệu hoặc uy tín của trường học.

Trong thế giới mã hóa, công việc của một người không cần sự hỗ trợ của tổ chức để được công nhận. Dù bạn tốt nghiệp ở đâu, từng làm việc cho ai, đầu ra đều có thể được kiểm tra trực tiếp.

Đặc biệt đối với các vị trí kỹ thuật, việc trưng bày tác phẩm có sức thuyết phục hơn nhiều so với nền tảng. Và những đóng góp này sẽ không ngừng tích lũy: lịch sử commit có thể tra cứu vĩnh viễn, việc triển khai tiếp tục hoạt động, lịch sử đóng góp ngày càng sâu sắc. Nhiều nhà xây dựng trong lĩnh vực mã hóa đã chứng minh năng lực của mình trước khi sơ yếu lý lịch kịp thể hiện.

Những người đóng góp tỏa sáng tại hackathon trước khi nhận được vị trí chính thức trong quỹ; những người xây dựng gây dựng danh tiếng trong DAO mà chưa từng có bất kỳ chức danh nào.

Đầu ra đi trước, sự công nhận theo sau.

Khi tín hiệu bắt đầu méo mó

Khi công việc có thể xác minh ngày càng trở nên rõ rệt, việc bắt chước cũng trở nên dễ dàng hơn. Đóng góp mã nguồn mở từ lâu đã là tín hiệu mạnh về năng lực kỹ thuật, nhưng với sự phổ biến của công cụ AI và động lực khuyến khích đóng góp công khai ngày càng tăng, tín hiệu này bắt đầu trở nên ồn ào.

Một số người đóng góp theo đuổi số lượng hơn chất lượng: thực hiện nhiều thay đổi nhỏ trong nhiều kho lưu trữ, thiếu sự theo dõi sau đó và ít khi tiến tới những vấn đề khó hơn. Những thay đổi này có thể đúng, đôi khi được chấp nhận, nhưng không thể hiện được sự hiểu biết sâu sắc và trách nhiệm liên tục.

Ngay cả khi đối mặt với những vấn đề này, việc xác minh vẫn hiệu quả, nhưng với điều kiện là thực sự đánh giá chính tác phẩm. Chất lượng mã, lựa chọn vấn đề, lịch sử đóng góp lâu dài, quan trọng hơn là những thành quả đơn lẻ.

Những người xây dựng có giá trị cao sẽ thể hiện chiều sâu và tính liên tục, tác phẩm tích lũy liên tục. Một khi bạn biết cách phân biệt, những người xây dựng có giá trị thấp rất dễ bị nhìn thấu.

Hướng tới mô hình tuyển dụng "ưu tiên xác minh"

Để khai thác nhân tài hiệu quả hơn, nhiều nhóm có thể áp dụng cách tuyển dụng ưu tiên xác minh:

  • Sớm làm nổi bật các tín hiệu có thể xác minh: Ưu tiên xem xét chất lượng mã, hệ thống đã triển khai, lịch sử đóng góp, coi sơ yếu lý lịch như thông tin tham khảo nền tảng, chứ không phải rào cản.
  • Đưa trực tiếp dữ liệu trên chuỗi và mã nguồn mở vào quy trình tuyển dụng: Coi những thành quả này là tài liệu quan trọng trong hệ thống tuyển dụng.
  • Nhúng việc tuyển dụng vào các bối cảnh thực tế: Đi sâu vào hackathon, DAO, cộng đồng mã nguồn mở, nơi nhân tài vốn đã hiện diện.

"Ưu tiên xác minh" đòi hỏi các nhóm thay đổi cách thu hút nhân tài: Không còn ngồi chờ ứng viên nộp đơn, hoặc phụ thuộc vào các bộ lọc hẹp như công ty mục tiêu, trường danh tiếng; những người sáng lập và nhóm tuyển dụng có thể chủ động tìm ra những người xây dựng đã tạo ra tác phẩm chất lượng cao trong các không gian công khai: kho lưu trữ cốt lõi, hệ thống triển khai, thảo luận về quản trị hoặc thiết kế, và cơ sở hạ tầng mà các nhóm khác phụ thuộc vào.

Ví dụ, các kỹ sư Solidity xuất sắc thường xuất hiện ở:

  • Các kho giao thức và công cụ cốt lõi trên GitHub
  • Thảo luận và đệ trình công khai của các Đề xuất cải tiến Ethereum (EIP)
  • Việc triển khai hợp đồng và hoạt động trên chuỗi có thể kiểm tra được thông qua các trình duyệt như Etherscan

Logic này áp dụng cho tất cả các hệ sinh thái, bao gồm các blockchain Move, kỹ sư Rust, hệ thống zero-knowledge, các giao thức ứng dụng đa dạng. Hackathon là bể nhân tài giá trị cao, các sự kiện như ETHGlobal, Solana Breakpoint tập hợp những người xây dựng có thể viết mã và giao hàng dưới áp lực.

Cuối cùng

Đây không phải là thay thế một bộ chứng chỉ này bằng một bộ chứng chỉ khác, mà là chuyển trọng tâm từ bằng chứng gián tiếp sang bằng chứng trực tiếp.

Học vấn và thâm niên vẫn quan trọng, nhưng chỉ hiệu quả nhất khi kết hợp với đầu ra có thể quan sát được. Trong một ngành công nghiệp lấy sự minh bạch và thực thi làm cốt lõi, việc tuyển dụng trong lĩnh vực mã hóa lẽ ra phải bắt đầu bằng xác minh. Hãy để "sự tin tưởng" trở thành nền tảng, chứ không phải tiền đề.

Đây chính là tín điều cốt lõi của ngành: Đừng tin tưởng, hãy xác minh (Don’t trust, verify). Giờ đây, hãy sử dụng nó để tìm kiếm những nhân tài xuất sắc nhất.

Câu hỏi Liên quan

QTại sao tác giả cho rằng việc tuyển dụng truyền thống trong ngành crypto không phù hợp với tinh thần của Web3?

AVì tuyển dụng truyền thống thường dựa vào bằng cấp, kinh nghiệm làm việc tại các công ty lớn và sự xác nhận từ các tổ chức uy tín - những yếu tố dựa trên sự tin tưởng gián tiếp. Trong khi đó, triết lý cốt lõi của crypto và Web3 là 'Đừng tin tưởng, hãy xác minh' (Don't trust, verify), nơi mọi thứ đều minh bạch và có thể được kiểm chứng trực tiếp.

QTheo bài viết, những dấu hiệu nào có thể xác minh được (verifiable signals) mà một ứng viên Web3 để lại?

ACác dấu hiệu có thể xác minh được bao gồm: kho mã nguồn công khai (public repositories), lịch sử commit và pull request, hợp đồng thông minh đã triển khai trên testnet/mainnet với mã nguồn có thể xác minh, các hoạt động trên chuỗi (on-chain activity) có thể xem qua blockchain explorer, và các đóng góp cho hackathon, DAO và cộng đồng mã nguồn mở.

QTác giả đề xuất mô hình tuyển dụng 'ưu tiên xác minh' (verification-first) bao gồm những bước nào?

AMô hình 'ưu tiên xác minh' bao gồm: Ưu tiên xem xét các tín hiệu có thể xác minh được như chất lượng code, hệ thống đã triển khai và lịch sử đóng góp ngay từ đầu; Tích hợp dữ liệu trên chuỗi và mã nguồn mở trực tiếp vào quy trình tuyển dụng; và Nhúng hoạt động tuyển dụng vào các bối cảnh thực tế như hackathon, DAO và cộng đồng mã nguồn mở - nơi nhân tài thực sự đang hoạt động.

QBài viết cảnh báo về nguy cơ nào khi các tín hiệu xác minh trở nên phổ biến?

ABài viết cảnh báo rằng khi các tín hiệu xác minh trở nên phổ biến và giá trị, sẽ dễ dàng hơn để bắt chước. Một số người có thể theo đuổi số lượng thay vì chất lượng, thực hiện các thay đổi nhỏ trong nhiều kho lưu trữ khác nhau mà không có sự theo dõi hoặc giải quyết các vấn đề phức tạp hơn. Điều này làm giảm giá trị của tín hiệu.

QThông điệp cuối cùng mà tác giả muốn gửi gắm về việc tuyển dụng nhân tài Web3 là gì?

AThông điệp cuối cùng là hãy áp dụng triết lý cốt lõi của ngành crypto 'Don't trust, verify' vào việc tìm kiếm nhân tài. Thay vì dựa quá nhiều vào bằng cấp và danh tiếng tổ chức như những tín hiệu gián tiếp, các nhà tuyển dụng nên ưu tiên xác minh trực tiếp năng lực thông qua các sản phẩm, đóng góp có thể kiểm chứng được. Hãy để sự tin tưởng là phần nền, không phải tiền đề.

Nội dung Liên quan

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

Chỉ số tài sản kỹ thuật số mới S&P Pantera Digital Asset Index vừa được S&P Dow Jones Indices và Pantera Capital ra mắt, tập trung vào các tài sản crypto có nguồn thu thực tế và đã loại trừ Bitcoin, XRP và các meme coin. Chỉ số này áp dụng tiêu chí sàng lọc lấy cảm hứng từ S&P 500, yêu cầu các giao thức phải có thu nhập ròng dương trong nhiều quý liên tiếp và giá trị phải được phân phối cho người nắm giữ token. Bitcoin bị loại vì không đáp ứng tiêu chí "tạo ra doanh thu giao thức". 18 tài sản thành phần (danh sách đầy đủ chưa công bố) được lựa chọn dựa trên thu nhập, với 5 nắm giữ lớn nhất là Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) và Hyperliquid (HYPE). Pantera giải thích việc loại Bitcoin nhằm phục vụ các nhà đầu tư tổ chức, những người đã có sẵn kênh tiếp cận riêng qua ETF và cần một công cụ benchmark để đánh giá cơ bản các giao thức tạo ra doanh thu. Chỉ số hiện mới chỉ là benchmark; các sản phẩm ETF theo dõi chỉ số này đang được thảo luận. Sự hợp tác giữa Pantera và Morgan Stanley có thể mở đường phân phối sản phẩm đến khách hàng giàu có. Thông tin này làm dấy lên tranh luận trong cộng đồng: liệu việc loại trừ Bitcoin có củng cố định vị "vàng kỹ thuật số" của nó, trong khi các tài sản khác bị phân loại như nền tảng công nghệ tạo doanh thu. Pantera chỉ ra một khoảng trống sản phẩm lớn, khi nhiều tổ chức muốn tiếp cận crypto nhưng thiếu các công cụ đầu tư đa dạng, có cơ sở cơ bản rõ ràng.

marsbitVừa rồi

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

marsbitVừa rồi

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

Claude vừa ra mắt tính năng "Ghi lại Kỹ năng", cho phép người dùng tạo kỹ năng tự động hóa bằng cách ghi màn hình và giải thích bằng giọng nói. Tính năng này hiện có sẵn cho người dùng Pro, Max và Team trên ứng dụng desktop Claude Cowork. Người dùng chỉ cần thực hiện quy trình công việc trên máy tính, vừa làm vừa mô tả bằng lời nói, sau đó Claude sẽ tự động phân tích và tạo ra một "Skill" có thể tái sử dụng, được gọi bằng lệnh gạch chéo (/). Điểm đột phá của tính năng này là bỏ qua bước "viết" hướng dẫn phức tạp thủ công, giúp chuyển đổi tri thức ngầm và kinh nghiệm thực tế thành quy trình tự động một cách dễ dàng. Nó không chỉ là công cụ nâng cao hiệu suất, mà còn làm giảm đáng kể rào cản trong việc số hóa và lưu giữ quy trình nghiệp vụ chuyên môn, điều mà các hệ thống quản lý tri thức truyền thống thường gặp khó khăn. Bài viết cũng đề cập đến mặt khác của tự động hóa: một trường hợp cho thấy mối quan hệ hợp tác lâu năm có thể bị thay thế bởi một bộ kỹ năng được tạo sẵn. Nghiên cứu từ Harvard Business School chỉ ra rằng khi AI phát triển, giá trị công việc sẽ dịch chuyển từ "biết cách làm" sang "biết cách làm những việc người khác không thể làm". Tính năng mới của Claude đẩy nhanh xu hướng này, biến quy trình cá nhân thành tài sản tự động có thể chia sẻ và vận hành ngay lập tức.

marsbit4 phút trước

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

marsbit4 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

Bài báo giới thiệu một phương pháp học chuyển tiếp mới có tên **Semi-Supervised Noise Adaptation (SSNA)** (Điều chỉnh Nhiễu Bán Giám sát), đã được xuất bản tại ICML 2026. Phương pháp này cho thấy ngay cả **dữ liệu nhiễu ngẫu nhiên**, không chứa thông tin ngữ nghĩa nào (ví dụ: được lấy mẫu từ phân phối Gaussian), cũng có thể giúp cải thiện hiệu suất của mô hình học máy trong các tình huống có ít dữ liệu được gắn nhãn. Nhóm nghiên cứu đề xuất một khuôn khổ gọi là **Noise Adaptation Framework (NAF)**. NAF tạo ra các nhiễu ngẫu nhiên và tổ chức chúng thành các cấu trúc phân biệt rõ ràng giữa các lớp (cụm) trong không gian biểu diễn chung. Cấu trúc phân loại này sau đó được chuyển giao (căn chỉnh) sang dữ liệu mục tiêu thực tế, từ đó cung cấp ranh giới phân loại rõ ràng hơn và nâng cao khả năng học. Trong thử nghiệm, với chỉ 4 mẫu được gắn nhãn cho mỗi lớp, NAF đã cải thiện đáng kể độ chính xác so với phương pháp học có giám sát cơ bản (ERM) trên nhiều bộ dữ liệu như CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), và các bộ dữ liệu khác. Phương pháp này cũng hiệu quả với các tác vụ phân loại văn bản. Nghiên cứu nhấn mạnh rằng yếu tố then chốt không phải là bản thân dữ liệu nhiễu ngẫu nhiên, mà là **cấu trúc phân biệt được tạo ra** giữa các lớp nhiễu đó trong không gian biểu diễn. Ngay cả khi không có ngữ nghĩa thực, việc chuyển giao cấu trúc này vẫn có thể hỗ trợ học tập. Điều này mở ra hướng tiếp cận mới cho việc học chuyển tiếp trong các tình huống khó tiếp cận dữ liệu nguồn thực tế do vấn đề riêng tư, bản quyền hoặc hạn chế về chi phí.

marsbit5 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

marsbit5 phút trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

Mới đây, một nhân viên Nhà Trắng đã bị phát hiện sử dụng thông tin nội bộ để giao dịch kiếm lời trên thị trường dự đoán. Nhân vật chính là Gabriel Perez, người phụ trách vận hành máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump từ năm 2016. Với quyền tiếp cận bản thảo bài nói trước, Perez đã đặt cược vào các từ khóa cụ thể mà Trump sẽ "đề cập" trong hơn chục bài phát biểu, thu lợi hơn 100.000 USD chỉ trong khoảng ba tháng. Sàn giao dịch dự đoán Kalshi, nơi Perez thực hiện giao dịch, đã phát hiện hoạt động bất thường, đóng băng tài khoản của anh ta và báo cáo lên Ủy ban Giao dịch Hàng hóa Tương lai Mỹ (CFTC). Perez hiện đã bị đình chỉ công tác không lương. Tuy nhiên, khác với hai vụ buộc tội hình sự trước đó liên quan đến một binh sĩ đặc nhiệm và một kỹ sư Google, Perez chỉ phải đối mặt với hành động dân sự của CFTC, chủ yếu là hoàn trả lợi nhuận và cam kết không tái phạm. Vụ việc làm nổi bật tính dễ bị thao túng của các thị trường dự đoán thể loại "đề cập", nơi người có thông tin nội bộ hoặc chính người phát biểu có thể dễ dàng kiểm soát kết quả. Đây là trường hợp nội gián thứ ba bị công bố trong lĩnh vực này. Để ứng phó, các nền tảng như Kalshi đang siết chặt quy định, yêu cầu người dùng tiết lộ thông tin công việc nhằm hạn chế giao dịch nội gián. Sự kiện này đặt ra câu hỏi về tính toàn vẹn của thị trường dự đoán, vốn được kỳ vọng phản ánh trí tuệ đám đông, nhưng thực tế có thể trở thành công cụ kiếm lời cho số ít người nắm thông tin đặc quyền.

marsbit1 giờ trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

marsbit1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Bài viết tiết lộ vụ bê bối giao dịch nội gián liên quan đến một nhân viên Nhà Trắng. Gabriel Perez, người phụ trách điều khiển máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump, đã lợi dụng thông tin nội bộ về nội dung bài diễn văn để đặt cược trên thị trường dự đoán Kalshi, kiếm lời hơn 100.000 USD trong ba tháng. Anh ta có thể biết trước các từ khóa cụ thể sẽ được nhắc đến. Tuy nhiên, không phải lần nào cũng thành công vì Trump thường nói ngoài kịch bản. Hành vi của Perez bị phát hiện nhờ hệ thống giám sát của Kalshi, dẫn đến việc tài khoản bị đóng băng và anh ta bị đình chỉ công việc. Mặc dù phải hoàn trả lợi nhuận, Perez không phải đối mặt với truy tố hình sự vì cơ quan chức năng cho rằng hành động này không gây hại cho an ninh quốc gia mà chỉ là vấn đề đạo đức. Bài viết cũng chỉ ra rằng thị trường dự đoán loại "đề cập" rất dễ bị thao túng, với chi phí gian lận thấp và lợi nhuận tiềm năng cao, và dẫn thêm các ví dụ khác như CEO Coinbase Brian Armstrong. Để tăng cường tuân thủ, Kalshi đã yêu cầu người dùng tiết lộ nơi làm việc. Vụ việc của Perez cho thấy nỗ lực thanh lọc giao dịch nội gián trong lĩnh vực thị trường dự đoán, nhưng đồng thời cũng làm dấy lên câu hỏi về tính chính xác và bản chất của các nền tảng này.

Odaily星球日报1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Odaily星球日报1 giờ trước

Giao dịch

Giao ngay
活动图片