Musk, Vance cùng vào cuộc: Một lỗi chính tả nhỏ làm dậy sóng chính trường và cộng đồng tiền điện tử Mỹ?

marsbitXuất bản vào 2025-12-29Cập nhật gần nhất vào 2025-12-29

Tóm tắt

Một lỗi chính tả "learing" (thay vì "learning") trong video điều tra của nhà báo Nick Shirley về các trung tâm giữ trẻ gian lận tại Minnesota (Mỹ) đã trở thành tâm điểm chấn động chính trị và tiền điện tử. Video phơi bày việc các cơ sở nhận hàng triệu USD tài trợ công dù không hoạt động, thu hút hàng trăm triệu lượt xem và sự chú ý từ các nhân vật như Phó Tổng thống Vance và tỷ phú Elon Musk. Sự việc nhanh chóng lan sang crypto với sự ra mắt của meme token $learing và đặc biệt là token $thenickshirley do chính Nick phát hành trên Base, thu về hàng chục nghìn USD từ tiền bản quyền. Sự kiện này được coi là một thí nghiệm thực tế về khả năng biến nội dung và sự chú ý thành giá trị tài chính một cách trực tiếp trên blockchain, mở ra hướng đi mới cho nền kinh tế sáng tạo.

Tác giả: Azuma

Ai là người có lượng tương tác cao nhất nước Mỹ hiện nay? Câu trả lời có lẽ không phải là Trump hay Musk quen thuộc, mà là một người đàn ông tên Nick Shirley.

Nick Shirley là ai? Ông là một nhà báo điều tra độc lập đang khuấy động tâm tư xã hội Mỹ. Ngày 27 tháng 12, Nick Shirley đã đăng tải nhiều video điều tra của mình trên các nền tảng mạng xã hội như X, Instagram, YouTube, tố cáo tình trạng gian lận và tham nhũng tràn lan tại bang Minnesota.

Trong video, Nick Shirley đã thăm một nhà trẻ trong bang. Vào thời điểm lẽ ra cơ sở này đang hoạt động, nó lại đóng cửa, và 99 học sinh đã đăng ký theo tài liệu công khai cũng không thấy bóng dáng. Nick Shirley đã hỏi chuyện một cư dân địa phương sống ở khu vực này 8 năm, người được phỏng vấn cho biết: "Tôi sống ở đây từ năm 2017, nhưng chưa bao giờ thấy bất kỳ đứa trẻ nào cả."

Nick Shirley nói trong video: "Đây là một trong số hàng trăm 'nhà trẻ' nhận được hàng triệu đô la tài trợ từ chính phủ. Một cơ sở thậm chí còn viết sai chính tả từ 'learning' thành 'learing' như thế này, lại nhận được 1,9 triệu đô la hỗ trợ miễn thuế... Và đây chỉ là một trong hàng nghìn doanh nghiệp ở Minnesota bị tình nghi hoạt động gian lận... Thống đốc Minnesota Tim Walz biết về những vụ gian lận này, nhưng chưa bao giờ tố cáo."

Video của Nick Shirley đã gây ra một lượng quan tâm và thảo luận khổng lồ ở Mỹ. Chỉ trong hai ngày, tổng lượt xem toàn mạng đã lên tới hàng trăm triệu, chỉ riêng video điều tra dài 42 phút trên X đã đạt hơn một trăm triệu lượt xem.

Các nhân vật nổi tiếng từ giới chính trị và kinh doanh cũng lần lượt vào cuộc tương tác với Nick Shirley. Phó Tổng thống Mỹ Vance nhiều lần đăng lại và trả lời, thẳng thắn nói rằng cuộc điều tra của Nick Shirley có giá trị hơn tất cả các tác phẩm đoạt giải Pulitzer năm 2024; Musk cũng đã theo dõi tài khoản của Nick Shirley, khen ngợi cao độ Nick Shirley đã phát huy giá trị truyền thông, và gọi 'learing' là "từ của năm".

Xin bổ sung một chút bối cảnh chính trị Mỹ, bang Minnesota trong chính trị Mỹ thường được coi là căn cứ truyền thống của Đảng Dân chủ, nhưng những năm gần đây cục diện chính trị có sự thay đổi đáng kể, mang đặc điểm của một bang chiến trường, và quan trọng hơn là Thống đốc đương nhiệm Tim Walz từng là đối tác tranh cử của Harris trong cuộc bầu cử năm 2024, vốn đã có cơ hội ngồi vào vị trí Phó Tổng thống mà Vance đang nắm giữ... Vì vậy không có gì lạ khi Vance trực tiếp xuất chiêu.

Đối với một chủ đề nóng hổi như vậy, lại còn mang thuộc tính xã hội và chính trị mà Meme yêu thích, thế giới on-chain (trên chuỗi) tất nhiên sẽ không đến muộn.

Đầu tiên, cộng đồng đã tự phát khai thác xoay quanh lỗi chính tả 'learing' trừu tượng nhất trong cuộc điều tra này. Meme token này trên Solana có vốn hóa thị trường tạm tính là 3,34 triệu đô la.

Tiếp theo, cộng đồng phát hiện Nick Shirley nghi đã đăng ký nền tảng dành cho người sáng tạo (creator platform) của Zora và phát hành token cá nhân $thenickshirley trên Base. Việc người sáng lập Coinbase Brian Armstrong và Nick Shirley tương tác bình luận sau đó đã chứng minh token này đúng là do chính ông phát hành.

Tính đến thời điểm viết bài, vốn hóa thị trường của $thenickshirley tạm báo 5,65 triệu đô la (từng đạt đỉnh 9,02 triệu đô la), còn bản thân Nick Shirley đã kiếm được 41.646 đô la tiền thu nhập cho người sáng tạo thông qua tiền bản quyền (royalty).

Brian Armstrong nói về điều này rằng, nó chứng minh hiệu quả kiếm tiền từ nội dung trên Base tốt hơn các nền tảng khác, và Nick Shirley cũng không quên cảm ơn Brian Armstrong sau khi kiếm được tiền, đồng thời khen ngợi Base và Zora là "huyền thoại".

Ngoài ra, thị trường dự đoán Polymarket đã nhanh chóng theo sát các suy đoán về "xử lý" hậu kỳ đối với chủ đề này, tỷ lệ cược hiện tại như hình dưới đây:

1 giờ trước, Nick Shirley đã đăng địa chỉ Venmo và crypto lên X, công khai mở "nhận tiền tip" (donation).

Từ điểm nóng Meme mới nổi $thenickshirley, đến hành vi phát hành token của chính Nick Shirley, rồi đến việm mở "gây quỹ đa kênh" và sự xúc tác liên tục từ thị trường bên ngoài, tất cả đã cho chúng ta chứng kiến một màn trình diễn hợp vũ giữa phương tiện mạng và tài chính mở.

Đây không đơn thuần là một cuộc đầu cơ Meme, mà giống như một thử nghiệm trong thế giới thực về "nền kinh tế sáng tạo + kiếm tiền từ nội dung on-chain" — một cá nhân có sức lan tỏa và ảnh hưởng lớn đến các vấn đề công chúng trong thế giới thực, đã hoàn thành vòng khép kín tiền tệ hóa sự chú ý trực tiếp thông qua các công cụ on-chain, mà không cần nhà tài trợ, không chia sẻ doanh thu từ nền tảng, không có chủ quảng cáo.

Nó xác minh không phải là "token này có thể tăng giá đến mức nào", mà là một vấn đề cốt lõi hơn: liệu nội dung có thực sự có thể được kiếm tiền trên các nền tảng phi tập trung với cách thức ít ma sát hơn và minh bạch hơn hay không. Trong đó, có lẽ ẩn chứa hướng phát triển tương lai của ngành truyền thông.

Tiền kỹ thuật số thịnh hành

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

Câu hỏi Liên quan

QNick Shirley là ai và tại sao anh ấy trở nên nổi tiếng?

ANick Shirley là một nhà báo điều tra độc lập. Anh trở nên nổi tiếng sau khi đăng tải các phóng sự điều tra vào ngày 27 tháng 12 trên các nền tảng mạng xã hội như X, Instagram và YouTube, tố cáo tình trạng gian lận và tham nhũng lan rộng tại tiểu bang Minnesota, Hoa Kỳ.

QLỗi chính tả 'learing' trong bài viết có ý nghĩa gì và gây ra phản ứng gì?

ALỗi chính tả 'learing' (đáng lẽ phải là 'learning') được tìm thấy trên biển hiệu của một nhà trẻ bị điều tra. Lỗi này trở thành một điểm gây chú ý và chế giễu, được Elon Musk gọi là 'Từ của năm'. Nó cũng trở thành cảm hứng cho một meme coin trên blockchain Solana.

QCác nhân vật nổi tiếng nào đã phản ứng lại phóng sự của Nick Shirley?

APhó Tổng thống Hoa Kỳ Vance đã nhiều lần chia sẻ và khen ngợi phóng sự, cho rằng nó có giá trị hơn tất cả các tác phẩm đoạt giải Pulitzer năm 2024. Elon Musk cũng theo dõi Nick Shirley và khen ngợi giá trị truyền thông trong phóng sự của anh.

QNick Shirley đã kiếm tiền từ sự chú ý này như thế nào thông qua công nghệ blockchain?

ANick Shirley đã đăng ký nền tảng của Zora và phát hành token cá nhân có tên $thenickshirley trên Base. Anh đã kiếm được 41.646 USD tiền bản quyền từ token này. Điều này chứng minh khả năng biến sự chú ý thành thu nhập trực tiếp thông qua các công cụ tài chính trên chuỗi.

QSự kiện này phản ánh xu hướng nào trong nền kinh tế sáng tạo và truyền thông?

ASự kiện này được xem như một thí nghiệm trong thế giới thực về 'nền kinh tế sáng tạo + biến nội dung thành tiền trên chuỗi'. Nó chứng minh rằng các cá nhân có sức ảnh hưởng có thể kiếm tiền trực tiếp từ sự chú ý mà không cần nhà tài trợ, chia sẻ nền tảng hay nhà quảng cáo, mở ra một hướng phát triển tiềm năng cho ngành truyền thông với ít ma sát và minh bạch hơn.

Nội dung Liên quan

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报10 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报10 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit1 giờ trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ 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 1.2kXuất 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 2.2kXuất 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

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow