Làm Thế Nào Để Nghiên Cứu Tốt: Rèn Luyện Những Khả Năng Thực Sự Có Thể 'Luyện Tập Chủ Động'

marsbitXuất bản vào 2026-06-15Cập nhật gần nhất vào 2026-06-15

Tóm tắt

Chưa ai thực sự dạy bạn cách làm nghiên cứu. Hầu hết mọi người chỉ học cách "trông giống" một nhà nghiên cứu, trong khi năng lực thực sự là sự tích lũy các kỹ năng có thể rèn luyện có chủ ý. **Chọn vấn đề của riêng bạn:** Đừng chỉ tiếp nhận vấn đề từ người khác. Hãy bắt đầu từ một kết quả bạn thực sự muốn đạt được và suy ngược để thiết kế thí nghiệm. Điều này tạo ra tính độc đáo. "Khiếu thẩm mỹ" trong nghiên cứu giống như một cơ bắp, có thể phát triển thông qua việc dự đoán kết quả thí nghiệm và kiểm tra lại các dự đoán đó. **Nâng cấp đầu vào:** Đừng chỉ đọc các xu hướng mới nhất. Tài liệu cũ (như bài phát biểu của Claude Shannon năm 1952) và các lĩnh vực rộng (thần kinh học, thống kê, kiến ​​trúc máy tính) thường mang lại những hiểu biết sâu sắc có giá trị. Hãy đọc chính bài báo gốc, đặc biệt là phần phụ lục và hạn chế. **Viết mọi thứ xuống:** Viết lách là cơ chế phòng thủ rẻ nhất chống lại sự tự lừa dối. Nó phơi bày những lỗ hổng trong suy nghĩ. Giữ một cuốn nhật ký ghi lại giả thuyết, cài đặt, dự đoán, kết quả và bài học. Xem lại nó sẽ dạy bạn sự khiêm tốn. Tóm lại, nghiên cứu hiệu quả dựa trên việc chủ động chọn vấn đề, mở rộng nguồn tri thức và ghi chép trung thực để rèn giũa tư duy.

Không ai thực sự dạy bạn cách làm nghiên cứu. Bạn có được một chiếc bàn làm việc, một vấn đề do người khác chọn, và một chỉ dẫn mơ hồ là 'tạo ra cái gì đó mới'.

Vì vậy, hầu hết mọi người đều phân tích ngược lại công việc này thông qua những gì họ có thể nhìn thấy (như các bài báo, bài đăng và thông báo), và cuối cùng họ chỉ học được cách 'trông giống' một nhà nghiên cứu, chứ không phải cách 'trở thành' một nhà nghiên cứu. Khả năng nghiên cứu thực sự là sự chồng chất của một loạt các kỹ năng nhỏ, và hầu như mọi kỹ năng đều có thể được rèn luyện thông qua luyện tập chủ động.

Chọn Vấn Đề Của Riêng Bạn

Richard Hamming ở Phòng thí nghiệm Bell có một thói quen khiến ông không được ưa vào giờ ăn trưa. Ông sẽ hỏi người ngồi bên cạnh về những vấn đề quan trọng trong lĩnh vực của họ, sau đó hỏi tại sao họ không nghiên cứu những vấn đề đó. Và thế là mọi người lần lượt đổi bàn.

Câu hỏi này khá chói tai, bởi vì hầu hết chúng ta không thể đưa ra câu trả lời tốt. Chúng ta không chọn vấn đề, mà đang hấp thụ vấn đề — hấp thụ từ người hướng dẫn, từ thông báo của một phòng thí nghiệm lớn quý trước, từ bài báo mà mọi người đang chia sẻ và trích dẫn trong tuần này.

Cái khó của vấn đề được hấp thụ là bạn chỉ nắm giữ kết luận, mà không biết logic lý luận đằng sau nó. Bạn biết một phòng thí nghiệm nổi tiếng quan tâm đến một hướng nào đó, nhưng bạn không biết tại sao, không biết họ hy vọng sẽ phát hiện ra điều gì, cũng như không biết tình huống nào sẽ khiến họ từ bỏ hướng này.

Khi họ chuyển hướng, bạn sẽ mất một năm sau mới nhận ra. Và trong một vấn đề đã trở nên phổ biến, bạn đang chạy đua với 1.000 người bắt đầu trước bạn và có nhiều năng lực tính toán hơn bạn.

Hướng dẫn nghiên cứu học máy của John Schulman chia công việc này thành hai chế độ. Thứ nhất, bạn đọc tài liệu và tìm kiếm những điểm có thể cải thiện. Thứ hai, bạn chọn một kết quả mà bạn thực sự mong muốn đạt được, sau đó suy ngược lại để thiết kế thí nghiệm.

Ông ủng hộ cách thứ hai, lý do ngầm hiểu là vì nó tạo ra tính độc đáo. Một mục tiêu mà bạn thực sự quan tâm sẽ kéo bạn vào những lãnh địa mà không bài báo tổng quan nào từng đề cập đến.

Còn về 'khiếu thẩm mỹ' (taste), người ta thường bàn về nó như một tài năng thiên bẩm. Nhưng nó thể hiện giống như một cơ bắp hơn.

Trước khi chạy mỗi thí nghiệm, hãy dự đoán kết quả của nó; che phần kết quả của một bài báo, chỉ dựa vào phương pháp của nó để đoán dữ liệu; ghi lại những thành tựu nào được công bố trong tháng này mà hai năm sau vẫn còn quan trọng, rồi quay lại sau đó để kiểm tra tỷ lệ chính xác của bạn. Một lần dự đoán cộng với một lần sửa chữa, lặp lại hàng trăm lần — mỗi mô hình tốt đều được huấn luyện như vậy, kể cả cái trong đầu bạn.

Nâng Cấp Đầu Vào Của Bạn

Danh sách đọc chung tạo ra ý tưởng chung. Nếu chế độ thông tin của bạn chỉ là bảng xếp hạng phổ biến của arXiv cộng với những thứ còn sót lại sau khi được nhóm chat lọc, bạn chắc chắn sẽ đồng thời đi đến cùng một kết luận với mọi người, và điều này khiến những kết luận đó gần như vô giá trị.

Tài liệu cũ bị đánh giá thấp một cách nghiêm trọng. Lĩnh vực này luôn tái diễn quá khứ của chính nó với một độ trễ: mô hình hỗn hợp chuyên gia (MoE) có thể truy nguyên về năm 1991, LSTM về năm 1997, lan truyền ngược đã trở thành xu hướng chính vào năm 1986.

Richard Sutton năm 2019 chỉ dùng hơn một nghìn từ để viết 'Bài Học Cay Đắng' (The Bitter Lesson), nhưng nó đã dự đoán quỹ đạo phát triển của lĩnh vực này chính xác hơn cả những bài tổng quan dài gấp mười lần nó. Claude Shannon đã có một bài nói chuyện về tư duy sáng tạo vào năm 1952, chiêu đầu tiên của ông là thu nhỏ vấn đề xuống mức gần như không đáng kể, giải quyết phiên bản thu nhỏ này, sau đó từ từ tăng độ khó trở lại.

Chỉ riêng chiêu này, đã có thể giúp bạn phá vỡ nhiều bức tường hơn bất kỳ lời khuyên về năng suất hiện đại nào.

Bề rộng cũng quan trọng như chiều sâu. Nghiên cứu khả năng giải thích đã vay mượn từ khoa học thần kinh mà không hề che giấu; thiết kế đánh giá (Eval) chỉ là thiết kế cơ chế khoác áo trắng; chỉ cần có kiến thức thực tế về cách GPU thực sự di chuyển bộ nhớ, bạn có thể phán đoán những bài báo về kiến trúc nào sẽ thất bại ngay cả trước khi kết quả benchmark được công bố; và thống kê học trung thực có lẽ đã là kỹ năng khan hiếm nhất trong lĩnh vực học máy, nơi mà nhiều 'sự chặt chẽ' được công bố công khai chỉ là 'cảm giác' có kèm theo thanh sai số.

Còn một điều nữa. Hãy đọc chính bài báo, chứ không phải những bài đăng tóm tắt nó. Phần phụ lục mới là nơi chôn giấu bí mật, và phần 'Hạn chế' thường là đoạn trung thực nhất trong toàn bộ tài liệu.

Viết Mọi Thứ Ra

Paul Graham chỉ ra rằng, một ý tưởng luôn cảm thấy đã rất hoàn thiện trước khi bạn cố gắng biến nó thành chữ viết. Nhưng chữ viết đen trên giấy trắng sẽ phơi bày những lỗ hổng mà bộ não bạn đã tô vẽ: những giả định bạn chưa từng kiểm tra, các bước thực ra không liền mạch, hai luận điểm mâu thuẫn ngầm với nhau.

Nguyên tắc của Feynman là, người đầu tiên bạn phải tránh lừa dối chính là bản thân mình, vì bạn là mục tiêu dễ bị lừa nhất. Viết lách là cơ chế phòng thủ rẻ nhất từng được phát minh.

Darwin đi xa hơn, ông đã lập trình hóa nó: bất kỳ sự thật nào mâu thuẫn với lý thuyết của ông đều sẽ được viết ra ngay lập tức, bởi vì ông phát hiện ra trí nhớ của mình xóa bằng chứng bất lợi nhanh hơn nhiều so với việc xóa bằng chứng có lợi. Trí nhớ của bạn với hồ sơ các lần chạy thất bại cũng vậy.

Duy trì thói quen ghi nhật ký: giả định, cài đặt, dự đoán, kết quả, nhận thức đã cập nhật. Đọc lại ghi chép của tháng trước sẽ khiến bạn cảm thấy cực kỳ khiêm tốn, không nhà phản biện nào có thể mang lại hiệu ứng này.

Tiền kỹ thuật số thịnh hành

ctr
CitreaCTR
wstusdt
wrapped stUSDTWSTUSDT
apr
aPrioriAPR
ctx
Cryptex FinanceCTX
audio
AudiusAUDIO
mantra
MantraMANTRA
waxl
AxelarWAXL
bill
Billions NetworkBILL
pyth
PYTH (Pyth)PYTH
rune
THORChainRUNE
velodrome
Velodrome FinanceVELODROME
brev
BrevisBREV
zrx
ZRX（0X）ZRX
cake
PancakeSwapCAKE
jst
JUSTJST

Câu hỏi Liên quan

QTheo bài viết, tại sao việc tự chọn vấn đề nghiên cứu lại quan trọng hơn việc tiếp nhận vấn đề từ người khác?

ABởi vì những vấn đề tiếp nhận thường chỉ mang lại kết luận mà không có lý luận nền tảng, khiến người nghiên cứu không hiểu rõ nguyên nhân, kỳ vọng hay điều kiện từ bỏ. Hơn nữa, nghiên cứu một vấn đề đang phổ biến đồng nghĩa với việc cạnh tranh với rất nhiều người. Ngược lại, tự chọn một mục tiêu mà bản thân thực sự quan tâm sẽ dẫn dắt bạn đến những lãnh thổ nguyên bản, tạo ra tính độc đáo.

QBài viết đề xuất phương pháp nào để rèn luyện 'khiếu thẩm mỹ' (taste) trong nghiên cứu?

ABài viết so sánh 'khiếu thẩm mỹ' giống như một cơ bắp cần được rèn luyện qua thực hành có chủ ý. Các phương pháp bao gồm: dự đoán kết quả thí nghiệm trước khi chạy, đoán dữ liệu của một bài báo chỉ dựa trên phương pháp mà không xem kết quả, ghi chú và dự đoận những thành tựu nào sẽ vẫn quan trọng sau hai năm, sau đó kiểm chứng độ chính xác. Lặp lại quá trình dự đoán và sửa sai hàng trăm lần để 'huấn luyện' mô hình trong tâm trí.

QTại sao việc đa dạng hóa và nâng cấp 'đầu vào' thông tin lại quan trọng đối với một nhà nghiên cứu?

ABởi vì một danh sách đọc chung sẽ tạo ra những ý tưởng chung. Nếu chỉ tiếp cận các nguồn phổ biến (như arXiv trending, tin nhắn nhóm), bạn sẽ có cùng kết luận với mọi người, khiến chúng trở nên ít giá trị. Bài viết nhấn mạnh tầm quan trọng của tài liệu cũ (vì lĩnh vực thường lặp lại quá khứ), sự rộng lớn của kiến thức liên ngành (như khoa học thần kinh, thiết kế cơ chế, phần cứng GPU, thống kê) và việc đọc chính bài báo gốc thay vì chỉ đọc bản tóm tắt để khám phá những chi tiết quan trọng trong phần phụ lục và hạn chế.

QTheo Richard Feynman và Charles Darwin, tại sao việc viết ra mọi thứ là một công cụ phòng thủ quan trọng trong nghiên cứu?

APaul Graham chỉ ra rằng việc viết ra ý tưởng sẽ phơi bày những lỗ hổng mà tâm trí đã che đậy. Richard Feynman cho rằng bạn không được lừa dối chính mình vì bạn là đối tượng dễ bị lừa nhất, và viết lách là cơ chế phòng thủ rẻ tiền nhất từng được phát minh. Charles Darwin thậm chí lập trình hóa việc này: ông luôn ghi lại ngay lập tức bất kỳ sự thật nào mâu thuẫn với lý thuyết của mình, vì ông nhận thấy trí nhớ của mình xóa bỏ bằng chứng bất lợi nhanh hơn nhiều so với bằng chứng thuận lợi.

QThói quen ghi nhật ký nghiên cứu được mô tả trong bài viết mang lại lợi ích gì?

AThói quen ghi nhật ký nghiên cứu (giả thuyết, thiết lập, dự đoán, kết quả, nhận thức cập nhật) giúp ghi lại một cách trung thực quá trình thử nghiệm và suy nghĩ. Việc đọc lại nhật ký của tháng trước có thể mang lại cảm giác khiêm tốn sâu sắc, vì nó phản ánh rõ ràng những sai lầm, giả định chưa được kiểm chứng và sự tiến triển trong nhận thức của bạn, điều mà không nhà phản biện nào có thể làm được. Nó là công cụ tự phản ánh và học hỏi mạnh mẽ.

Nội dung Liên quan

Đối thoại với đồng sáng lập Hyperdash: Tại sao Hyperliquid vẫn bị đánh giá thấp một cách nghiêm trọng?

Nguồn: The Rollup | Biên tập: Felix, PANews Hanson Birringer, đồng sáng lập kiêm Giám đốc Doanh thu của Hyperdash - nền tảng phân tích dữ liệu giao dịch trên Hyperliquid, gần đây đã chia sẻ trong podcast "The Rollup" về cách Hyperliquid xây dựng một tầng thanh khoản phi tập trung và hiệu quả thông qua việc kết hợp ba xu hướng lớn: hợp đồng vĩnh cửu (perp), Tài sản Thế giới Thực (RWA) và stablecoin. Ông nhấn mạnh Hyperliquid là một hệ sinh thái mã nguồn mở, không cần cấp phép và phi tập trung, kết hợp tinh thần của crypto với hiệu suất tài chính cao, thu hút cả vốn tổ chức. Hyperliquid được coi là biểu hiện thuần túy nhất của ba siêu xu hướng trên. Đặc biệt, việc tích hợp USDC làm tài sản định giá cốt lõi và cơ chế chia sẻ 90% doanh thu từ lãi suất trái phiếu kho bạc vào quỹ hỗ trợ để mua lại token HYPE một cách lập trình đã tạo ra áp lực mua hàng tỷ USD, bên cạnh phí giao dịch. Hyperliquid cũng đang chủ động đối mặt với thách thức quy định thông qua trung tâm chính sách, hợp tác với các ví như Phantom để vận động hành lang các cơ quan quản lý Mỹ (như CFTC), mở đường cho các nền tảng môi giới truyền thống kết nối trực tiếp. Sự ra mắt của sản phẩm ETF Hyperliquid bởi Grayscale, với sự hỗ trợ từ quỹ SPV Hyper Holdings Global, cung cấp kênh đầu tư phù hợp và dễ tiếp cận cho các tổ chức. Về tăng trưởng doanh thu, tiềm năng là rất lớn nếu các hợp đồng vĩnh cửu RWA có thể thu hút một phần nhỏ khối lượng giao dịch toàn cầu, kéo theo sự mở rộng quy mô ký quỹ và lợi ích từ stablecoin. Việc Hyperdash mua lại công ty dữ liệu Imperator giúp cung cấp công cụ và gói dữ liệu cấp doanh nghiệp mạnh mẽ hơn cho cả nhà giao dịch retail và các công ty quản lý quỹ truyền thống. Nhìn chung, lạc quan về tương lai của Hyperliquid dựa trên xu hướng phổ cập tài chính toàn cầu thông qua điện thoại thông minh. Khó có thể tìm thấy kịch bản tiêu cực trừ khi các xu hướng dài hạn về phổ cập internet và tài chính bị đảo ngược.

marsbit37 phút trước

Đối thoại với đồng sáng lập Hyperdash: Tại sao Hyperliquid vẫn bị đánh giá thấp một cách nghiêm trọng?

marsbit37 phút trước

Phiên bản ‘đầy đủ máu’ DeepSeek V4 đã lộ diện, có thể ra mắt sớm nhất vào ngày mai

DeepSeek V4 phiên bản đầy đủ (“Full Blood”) đã lộ diện và có thể được ra mắt sớm nhất vào ngày mai. Bài viết cho biết sau gần ba tháng chờ đợi, phiên bản chính thức của DeepSeek V4 (GA) sắp được phát hành, với hai biến thể: V4 Flash và V4 Pro. Hiện một số người dùng đã có quyền truy cập thử nghiệm. Một mẹo kiểm tra là xem lập luận (CoT) của mô hình bắt đầu bằng “I’m” thay vì “Let me” như phiên bản cũ. Theo đánh giá ban đầu từ các nhà phát triển, hiệu năng tổng thể của V4 tiếp cận mức Claude Opus 4.8, khả năng lập trình ngang ngửa GPT-5.6 Sol, và kỹ năng Agent, tạo 3D/SVG được cải thiện rõ rệt. Tuy nhiên, nó vẫn có thể không vượt mặt Kimi K3 mới ra mắt. Điểm đáng chú ý là chiến lược định giá. DeepSeek lần đầu giới thiệu cơ chế tính phí theo giờ cao điểm/thấp điểm. Cụ thể, V4 Pro có giá 0.87 USD cho triệu token xuất (cao điểm: 1.74 USD), còn V4 Flash chỉ 0.28 USD (cao điểm: 0.56 USD). Dù có tăng giá so với trước, mức giá này vẫn cạnh tranh mạnh so với các đối thủ như Fable 5 (50 USD/triệu token xuất). Như vậy, DeepSeek V4 có thể không phải là mô hình mạnh nhất mọi mặt, nhưng tiếp tục duy trì chiến lược “kẻ hủy diệt giá” bằng cách cung cấp hiệu năng cao với mức giá thấp đáng kể, tạo ra một cú hích lớn trong cộng đồng AI.

marsbit45 phút trước

Phiên bản ‘đầy đủ máu’ DeepSeek V4 đã lộ diện, có thể ra mắt sớm nhất vào ngày mai

marsbit45 phút trước

Quan sát hàng tuần của WEEX Labs: 'Tái cấu trúc quyền lực' trong cơ sở hạ tầng AI và 'cuộc vận động lặn sâu' vào kinh tế thực

Tháng 7 năm 2026 đánh dấu một bước ngoặt trong ngành công nghiệp AI: **quyền phân bổ năng lực tính toán chuyển dịch từ các gã khổng lồ đám mây sang các chủ sở hữu năng lực tính toán**, và **giá trị cốt lõi của AI tập trung hơn vào việc thâm nhập công nghiệp thực**, thay vì chỉ chạy đua về thông số mô hình. Các biến động chính trong tuần bao gồm: 1. **Bản đồ năng lực tính toán thay đổi:** Meta ra mắt dịch vụ đám mây "MetaCompute", mang đến cuộc cạnh tranh trực tiếp với AWS, Azure và đe dọa không gian sống còn của các nhà cho thuê năng lực tính toán cỡ vừa và nhỏ. 2. **Mô hình mã nguồn mở với chi phí tối ưu:** Các mô hình nền tảng Trung Quốc như DeepSeek-V4 đạt trình độ đỉnh cao và mở rộng mã nguồn, đẩy nhanh quá trình "tiện ích hóa" AI, giúp giảm đáng kể ngưỡng chi phí cho doanh nghiệp và giáo dục. 3. **Trí tuệ hiện thân bước vào nhà máy:** Robot hình người, dưới sự thúc đẩy của chính sách, chuyển từ phòng thí nghiệm sang đào tạo thực tế trong các dây chuyền sản xuất như hậu cần và lắp ráp ô tô. Giá trị đánh giá chuyển từ tính năng sang hiệu quả và sự ổn định trong môi trường công nghiệp. 4. **Quản trị toàn cầu đi vào thực chất:** Khái niệm "AI chủ quyền" trở thành khuôn khổ thực tế, đặt ra các yêu cầu tuân thủ địa chính trị cao hơn, buộc các mô hình AI phải tích hợp sẵn kiến trúc có thể kiểm toán và tôn trọng chủ quyền dữ liệu. **Góc nhìn sâu từ WEEX Labs:** Sự thịnh vượng của AI đang thâm nhập sâu vào cơ cấu sản xuất toàn cầu. Doanh nghiệp nên: - Tận dụng lợi thế mã nguồn mở để xây dựng kho kiến thức riêng tư, tránh phụ thuộc quá mức vào API bên ngoài. - Cảnh giác với rủi ro bị "khóa chặt" vào một nhà cung cấp năng lực tính toán duy nhất. - Tìm kiếm cơ hội trong hệ sinh thái "trí tuệ hiện thân", chẳng hạn như phần mềm mô phỏng công nghiệp hoặc dịch vụ cung cấp giải pháp thích ứng năng lực tính toán AI cho nhà máy.

marsbit1 giờ trước

Quan sát hàng tuần của WEEX Labs: 'Tái cấu trúc quyền lực' trong cơ sở hạ tầng AI và 'cuộc vận động lặn sâu' vào kinh tế thực

marsbit1 giờ trước

WEEX TradFi Có Đáng Tin Cậy Không? Những Điều Bạn Nên Biết Trước Khi Giao Dịch Mã Thông Báo Cổ Phiếu Mỹ Lần Đầu Tiên

Trong vài năm qua, người dùng Crypto ngày càng quan tâm đến các tài sản tài chính truyền thống (TradFi) như cổ phiếu Mỹ (Apple, Microsoft, NVIDIA, Tesla) hay chỉ số NASDAQ. Sự xuất hiện của các token cổ phiếu này trên các nền tảng giao dịch tiền số như WEEX TradFi làm mờ ranh giới giữa hai thị trường. Tuy nhiên, cần hiểu rõ: token cổ phiếu không phải là cổ phiếu thực tế. Người dùng giao dịch biến động giá của tài sản cơ sở, không sở hữu cổ phần hay có quyền biểu quyết, cổ tức. Ưu điểm chính là trải nghiệm quen thuộc cho người dùng Crypto: giao dịch 24/7, tiếp cận nhiều loại tài sản truyền thống chỉ trong một nền tảng. Để đánh giá độ tin cậy của sản phẩm TradFi, người dùng cần tìm hiểu cơ chế định giá, cách theo dõi tài sản cơ sở và các rủi ro đi kèm. Biến động vẫn tồn tại dù giao dịch suốt ngày đêm. Các tài sản như cổ phiếu công nghệ chịu ảnh hưởng từ kết quả kinh doanh, xu hướng ngành và kinh tế vĩ mô. Tóm lại, TradFi đang trở thành cầu nối, cho phép người dùng Crypto khám phá cơ hội toàn cầu trong môi trường quen thuộc. Điều quan trọng nhất trước khi giao dịch là hiểu rõ sản phẩm, cơ chế và quản lý rủi ro phù hợp.

marsbit1 giờ trước

WEEX TradFi Có Đáng Tin Cậy Không? Những Điều Bạn Nên Biết Trước Khi Giao Dịch Mã Thông Báo Cổ Phiếu Mỹ Lần Đầu Tiên

marsbit1 giờ trước

Coinbase ‘hơi xa rời người dùng’, Cobie tuyên bố – Liệu có cách khắc phục?

Chuyên gia ảnh hưởng tiền điện tử Cobie (Jordan Fish), hiện phụ trách sản phẩm giao dịch Coinbase và Base App, thừa nhận Coinbase thường bị coi là "hơi xa rời người dùng", đặc biệt là cộng đồng crypto bản địa. Nhận xét này được đưa ra khi cộng đồng tỏ ra thất vọng về niềm tin đối với hệ sinh thái Base. Fish cho biết mục tiêu của anh là thu hẹp khoảng cách, lắng nghe tiếng nói cộng đồng on-chain và tập trung phát triển các sản phẩm thực sự hữu ích, mặc dù kết quả còn chưa rõ ràng. Sự việc xảy ra đồng thời với chỉ trích từ cộng đồng nhắm vào CEO Brian Armstrong vì sử dụng ảnh hồ sơ CryptoPunk không thực sự sở hữu. Hành động đổi sang ảnh meme của chính ông đã kích hoạt làn sóng tạo ra đồng meme coin "Brian" trên Base, nhanh chóng đạt vốn hóa 20 triệu USD rồi sụp đổ sau khi Armstrong mua một CryptoPunk thật. Sự kiện này gây thêm căng thẳng cho Coinbase giữa lúc công ty đang thúc đẩy mạnh mẽ xu hướng token hóa tài sản.

ambcrypto1 giờ trước

Coinbase ‘hơi xa rời người dùng’, Cobie tuyên bố – Liệu có cách khắc phục?

ambcrypto1 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

$WELL là gì

WELL3, $$WELL: Cách mạng hóa sức khỏe và phúc lợi với DePIN và AI Giới thiệu Trong bối cảnh công nghệ số đang phát triển mạnh mẽ, lĩnh vực sức khỏe và phúc lợi đứng ở vị trí tiên phong trong đổi mới, nỗ lực nâng cao chất lượng chăm sóc bệnh nhân và thúc đẩy lối sống lành mạnh hơn. Một người chơi tiên phong trong lĩnh vực này là WELL3, một dự án Web3 đột phá nhằm cách mạng hóa cách mà các cá nhân tương tác với sức khỏe của họ. Bằng cách tận dụng các công nghệ như Mạng Cơ sở Hạ tầng Vật lý Phi tập trung (DePIN), Danh tính Phi tập trung (DID) và Trí tuệ Nhân tạo (AI), WELL3 hướng tới việc tạo ra những hành trình sức khỏe an toàn, được hỗ trợ bằng dữ liệu. Bài viết toàn diện này đi sâu vào các khía cạnh cốt lõi của WELL3, $$WELL, khám phá các chức năng, người sáng tạo, nhà đầu tư và các đặc điểm độc đáo của nó. WELL3, $$WELL là gì? WELL3 là một nền tảng đổi mới được thiết kế để định nghĩa lại cách tiếp cận đối với sức khỏe và phúc lợi. Tập trung vào việc tích hợp DePIN và DID cùng với các hệ thống AI, dự án được thiết kế để tạo ra trải nghiệm người dùng cá nhân hóa trong khi đảm bảo an toàn và quyền riêng tư cho dữ liệu sức khỏe của cá nhân. Với con số ấn tượng hơn một triệu người dùng đã đăng ký trước, sứ mệnh chính của WELL3 xoay quanh việc nâng cao sức khỏe thông qua những hành trình sức khỏe an toàn, dựa trên dữ liệu. Tại cốt lõi của nó, WELL3 sử dụng công nghệ blockchain tiên tiến để đảm bảo rằng người dùng có toàn quyền kiểm soát thông tin cá nhân của họ. Dự án n

Tổng lượt xem 109Xuất bản vào 2024.07.14Cập nhật vào 2024.12.03

$WELL là gì

Làm thế nào để Mua WELL

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Moonwell Artemis (WELL) 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 Moonwell Artemis (WELL) 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 Moonwell Artemis (WELL) của BạnSau khi mua Moonwell Artemis (WELL), 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 Moonwell Artemis (WELL)Giao dịch Moonwell Artemis (WELL) 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 305Xuất bản vào 2024.12.10Cập nhật vào 2026.06.02

Làm thế nào để Mua WELL

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 WELL (WELL) được trình bày dưới đây.

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow