# Bài viết Liên quan Nghiên cứu

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Nghiên cứu", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Dự đoán của Đại học Thanh Hoa 2 năm trước đang trở thành đồng thuận toàn cầu, ba tổ chức AI lớn như Meta đã đưa ra cùng kết luận

Một nhóm nghiên cứu Trung Quốc từ Đại học Thanh Hoa và công ty Mianwall AI đã công bố "Định luật Mật độ" (Densing Law) vào cuối năm 2024, dự đoán rằng cứ mỗi 3,5 tháng, lượng tham số mô hình AI cần thiết để đạt được cùng một mức độ thông minh sẽ giảm một nửa. Đến tháng 4/2026, hai tổ chức hàng đầu thế giới là Meta và METR đã độc lập công bố các kết quả nghiên cứu xác nhận xu hướng này. Meta cho biết mô hình mới Muse Spark của họ đạt hiệu suất tương đương với mô hình tiền nhiệm chỉ với 1/10 năng lực tính toán, trong khi METR báo cáo rằng khả năng xử lý tác vụ của AI tăng gấp đôi sau mỗi 88,6 ngày. Cả ba nghiên cứu sử dụng phương pháp khác nhau nhưng đều cho ra một đường cong phát triển có độ dốc gần như trùng khớp, củng cố độ tin cậy của Định luật Mật độ. Phát hiện này dự báo chi phí suy luận AI sẽ giảm nhanh hơn, trí tuệ trên thiết bị cá nhân sẽ bùng nổ sớm, và buộc ngành công nghiệp chuyển trọng tâm từ mở rộng quy mô thuần túy sang nâng cao hiệu quả mật độ. Nhóm Mianwall AI, với dòng mô hình mã nguồn mở MiniCPM (Tiểu Công Pháo), đã áp dụng thành công định luật này từ 2 năm trước, cho thấy sự đi đầu của các nhà nghiên cứu Trung Quốc trong lĩnh vực này.

marsbit04/13 12:17

Dự đoán của Đại học Thanh Hoa 2 năm trước đang trở thành đồng thuận toàn cầu, ba tổ chức AI lớn như Meta đã đưa ra cùng kết luận

marsbit04/13 12:17

Bitcoin Cần Một Bản Nâng Cấp—Nhưng Không Phải Vì Lượng Tử, Nghiên Cứu Tranh Luận

Bài viết thảo luận về mối đe dọa của Máy tính Lượng tử đối với Bitcoin, dựa trên nghiên cứu được chia sẻ bởi doanh nhân Rodolfo Novak. Mặc dù là công nghệ đang phát triển, Máy tính Lượng tử hiện chưa đe dọa nghiêm trọng đến mạng lưới Bitcoin. Mối lo ngại chính là khả năng tính toán lượng tử có thể giải mã khóa riêng tư từ khóa công khai, ảnh hưởng đến khoảng 6,26 triệu BTC (31% nguồn cung) đang lưu trữ trong các ví có khóa công khai bị lộ, bao gồm cả ví của Satoshi. Tuy nhiên, việc này đòi hỏi năng lượng cực lớn và chưa khả thi với công nghệ hiện tại. Mối đe dọa thứ hai là tăng tốc độ đào Bitcoin, nhưng nghiên cứu chỉ ra rằng năng lượng cần thiết cho việc này tương đương 3% tổng năng lượng mặt trời, khiến nó không thực tế. Novak nhấn mạnh rằng Bitcoin cần nâng cấp hệ thống mật mã không phải vì Máy tính Lượng tử sắp xuất hiện, mà vì việc phụ thuộc vào một giả định mật mã duy nhất cho mạng lưới trị giá 2 nghìn tỷ USD là rủi ro cần được giải quyết chủ động. Một đề xuất chống lượng tử, BIP-360, đang được phát triển. Giá Bitcoin tại thời điểm bài viết là 72.600 USD, tăng 6% trong 24 giờ.

bitcoinist04/09 10:36

Bitcoin Cần Một Bản Nâng Cấp—Nhưng Không Phải Vì Lượng Tử, Nghiên Cứu Tranh Luận

bitcoinist04/09 10:36

CoinFound × OSL Research Khởi động Hợp tác Nghiên cứu Stablecoin, Tập trung vào USDGO trong Giai đoạn Đầu

CoinFound và OSL Research đã khởi động hợp tác nghiên cứu về stablecoin, tập trung đầu tiên vào USDGO. Nghiên cứu chung sẽ phân tích hệ sinh thái USDGO thông qua dữ liệu on-chain và quan sát cấu trúc thị trường, nhằm khám phá lộ trình phát triển của stablecoin trong hệ thống tài chính kỹ thuật số cũng như tiềm năng ứng dụng trong các hoạt động giao dịch, thanh toán và tài chính on-chain. Trong bối cảnh stablecoin ngày càng trở thành cầu nối quan trọng giữa hệ thống tài chính truyền thống và cơ sở hạ tầng tài chính on-chain, nhu cầu nghiên cứu về cơ chế phát hành, cấu trúc thanh khoản và sự phối hợp trong hệ sinh thái đang tăng lên. Hợp tác này sẽ tập trung vào xây dựng khuôn khổ nghiên cứu và cung cấp thông tin chi tiết cho ngành, thông qua các báo cáo chung, phân tích chuyên đề và quan sát ngành. OSL Research thuộc Tập đoàn OSL, chuyên về nghiên cứu chuyên sâu trong lĩnh vực tài sản kỹ thuật số. CoinFound tập trung vào dữ liệu và nghiên cứu Web3, cung cấp thông tin chi tiết về cấu trúc tài sản và dòng tiền. Hai bên kỳ vọng hợp tác sẽ thúc đẩy nghiên cứu về stablecoin và cung cấp tài liệu tham khảo rõ ràng hơn cho thị trường tài sản kỹ thuật số.

marsbit04/09 03:33

CoinFound × OSL Research Khởi động Hợp tác Nghiên cứu Stablecoin, Tập trung vào USDGO trong Giai đoạn Đầu

marsbit04/09 03:33

Đội ngũ nghiên cứu Đại học Chiết Giang đề xuất hướng đi mới: Dạy cách thức não người hiểu thế giới cho AI

Nhóm nghiên cứu Đại học Chiết Giang công bố một phương pháp mới trên Nature Communications, chỉ ra rằng khi mô hình AI (như SimCLR, CLIP, DINOv2) mở rộng quy mô tham số, khả năng nhận diện vật thể cụ thể tăng (từ 74.94% lên 85.87%), nhưng hiểu khái niệm trừu tượng lại giảm (từ 54.37% xuống 52.82%). Khác với não người tự động phân loại theo cấp bậc (ví dụ: chim → động vật), mô hình AI dựa nhiều vào đặc trưng bề mặt và dữ liệu huấn luyện. Giải pháp của nhóm là sử dụng tín hiệu não người (ghi lại khi xem ảnh) để huấn luyện mô hình, giúp nó học cách tổ chức khái niệm như não người. Kết quả cho thấy khoảng cách giữa biểu diễn mô hình và não giảm rõ rệt, đồng thời khả năng học ít mẫu và xử lý tình huống mới tăng 20.5%, vượt cả mô hình lớn hơn. Nghiên cứu chuyển hướng từ "lớn hơn là tốt hơn" sang "cấu trúc tốt hơn là thông minh hơn", nhấn mạnh việc xây dựng cấu trúc nhận thức gần với con người để AI có khả năng tư duy trừu tượng và thích ứng linh hoạt. Hướng đi này cũng phù hợp với xu hướng phát triển AI agent có khả năng tự học và tiến hóa trong môi trường thực tế.

marsbit04/05 04:42

Đội ngũ nghiên cứu Đại học Chiết Giang đề xuất hướng đi mới: Dạy cách thức não người hiểu thế giới cho AI

marsbit04/05 04:42

Quy trình Tác tử cho Nghiên cứu Tiền điện tử

Các tác nhân AI mã hóa đangentic workflows đang cách mạng hóa nghiên cứu tiền mã hóa bằng cách cho phép các nhà phân tích tương tác với dữ liệu thông qua các lệnh ngôn ngữ tự nhiên. Bài viết minh họa một ví dụ thực tế: sử dụng một tác nhân AI (như Claude Code) cùng Glassnode CLI để kiểm tra giả thuyết rằng các đợt dòng tiền vào sàn BTC cực cao (>2 độ lệch chuẩn) có thể dự báo đợt giảm giá trong 7 ngày tiếp theo. Chỉ với một câu lệnh đơn giản, tác nhân tự động thực hiện các bước: khám phá metrics phù hợp, tải dữ liệu từ Glassnode API, viết mã Python để phân tích thống kê và tạo biểu đồ. Kết quả cho thấy mối liên hệ vừa phải - những ngày có dòng tiền vào sàn cao thường đi kèm mức giảm giá trung bình cao hơn 1.9%, nhưng mẫu còn nhỏ và cần nghiên cứu thêm. Quy trình này cho phép lặp lại nhanh chóng: chỉ với một lệnh bổ sung, tác nhân có thể tạo trực quan hóa dữ liệu dạng chuỗi thời gian. Glassnode CLI, kết hợp với các tác nhân AI, biến các câu hỏi nghiên cứu phức tạp thành kết quả cụ thể chỉ trong vài phút, mở ra khả năng nghiên cứu nhanh và sâu trên dữ liệu on-chain.

insights.glassnode04/01 12:43

Quy trình Tác tử cho Nghiên cứu Tiền điện tử

insights.glassnode04/01 12:43

活动图片