GGiá Gravity

Giá Solana (SOL) đã giảm mạnh cùng với thị trường tiền điện tử chung, chạm mức khoảng 60 USD vào ngày 5 tháng 6, lần đầu tiên xuống dưới 65 USD kể từ cuối năm 2023. Phân tích on-chain từ Ali Martinez chỉ ra rằng SOL đã mất đi vùng hỗ trợ quan trọng quanh 77 USD. Mức hỗ trợ tiếp theo và quan trọng nhất hiện nay nằm ở khoảng 53 USD, với rất ít điểm đỡ giữa giá hiện tại và ngưỡng này. Nếu mức 53 USD bị phá vỡ, các mức hỗ trợ quan trọng tiếp theo có thể nằm ở vùng 35 USD và 24 USD. Tuy nhiên, để có sự phục hồi, thị trường cần sự trở lại của lực cầu mua. Tại thời điểm bài viết, giá SOL giao dịch quanh 63,23 USD, giảm gần 8% trong 24 giờ qua.

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.

Nhà nghiên cứu Andrej Karpathy tại Anthropic đã giới thiệu một điểm chuẩn đánh giá mới cho mô hình ngôn ngữ lớn (LLM) có tên "The Lord of the Rings Benchmark" (Chuẩn Chúa tể những chiếc nhẫn), thay thế cho bài kiểm tra "chim bồ nông đi xe đạp" SVG trước đây. Thử thách này yêu cầu mô hình, như Claude Opus 5, đọc đoạn mở đầu của tiểu thuyết "The Lord of the Rings" và sử dụng thư viện Three.js để tạo ra toàn bộ thế giới Trung Địa 3D có thể chạy trong trình duyệt. Dự án này tiêu tốn khoảng 1 triệu token, 2 giờ và tạo ra 5500 dòng mã. Kết quả cho thấy mô hình có khả năng hiểu văn bản, lập trình không gian 3D và tạo hoạt ảnh, dù chất lượng hình ảnh còn thô sơ và tồn tại lỗi. Karpathy chỉ ra điểm yếu hiện tại: LLM có thể tạo mã và xây dựng thế giới, nhưng chưa thể thực sự "nhập vai" để kiểm tra hay chơi trong thế giới đó. Nhiều dự án thú vị khác từ cộng đồng cũng được chia sẻ, như tạo thành phố ảo, buổi hòa nhạc hay trò chơi tương tác, cho thấy tiềm năng giảm đáng kể rào cản sản xuất nội dung 3D và nguyên mẫu. Bài kiểm tra "chim bồ nông" tuy đơn giản, dễ đánh giá nhưng đã trở nên quá dễ với các mô hình hiện tại. "Chuẩn Chúa tể những chiếc nhẫn" hướng tới việc đánh giá khả năng lập kế hoạch dự án phức tạp, duy trì tính nhất quán và hiểu biết không gian sâu hơn. Tranh luận nổ ra về việc liệu đây có phải là khả năng lập trình Three.js đặc thù hay là sự mở rộng tự nhiên của tư duy suy luận chung sang lĩnh vực không gian 3D. Điều này cũng đặt ra câu hỏi về tương lai của các công cụ chuyên biệt khi LLM ngày càng có khả năng kết hợp nhiều tác vụ.

Một năm sau thông báo hợp tác đầy phô trương, kế hoạch thành lập công ty kho bạc CRO trị giá 6,4 tỷ USD giữa Trump Media & Technology Group (DJT) và sàn giao dịch Crypto.com đã chính thức bị hủy bỏ vào ngày 7/8. Thỏa thuận, vốn cũng bao gồm các kế hoạch về thị trường dự đoán và dịch vụ lưu ký ETF, ban đầu được công bố vào tháng 8/2025 với mục tiêu tích trữ khoảng 63,13 tỷ token CRO. Tuy nhiên, thỏa thuận này chỉ dừng lại ở giai đoạn khung và chưa bao giờ được thực hiện đầy đủ. Nguyên nhân hủy bỏ được CEO Crypto.com, Kris Marszalek, cho là do điều kiện thị trường không còn phù hợp. Giá CRO đã giảm khoảng 70% trong năm qua, và sự sụt giảm chung của thị trường tiền điện tử, với Bitcoin mất gần một nửa giá trị từ đỉnh, đã làm nguội lạnh xu hướng đầu tư vào các công ty nắm giữ tài sản số. Giao dịch mua bán chéo riêng biệt trước đó - Trump Media mua 105 triệu USD CRO và Crypto.com mua 50 triệu USD cổ phiếu DJT - vẫn có hiệu lực. Hợp tác này ban đầu được thúc đẩy bởi sự ủng hộ chính trị của Crypto.com đối với cựu Tổng thống Trump, bao gồm các khoản đóng góp tài chính đáng kể. Giờ đây, Trump Media đang chuyển hướng trọng tâm sang lĩnh vực năng lượng sạch, thông qua thương vụ sáp nhập toàn cổ phiếu với công ty công nghệ nhiệt hạch TAE Technologies.

Từ đầu cơ đến quản lý rủi ro: Thị trường dự đoán đang lấp đầy khoảng trống bảo hiểm thương mại Bài viết phân tích sự phát triển của thị trường dự đoán (prediction markets), đặc biệt là công cụ quản lý rủi ro AI Blanket, trong việc trở thành một công cụ phòng ngừa rủi ro thay thế cho doanh nghiệp. Thay vì dựa vào công ty bảo hiểm truyền thống, doanh nghiệp có thể sử dụng các hợp đồng sự kiện (như trên nền tảng Kalshi) để bảo vệ trước các rủi ro như biến động giá năng lượng, thời tiết bất thường hay thay đổi chính sách. Phân tích dữ liệu từ tháng 8/2025 đến tháng 8/2026 trên 1265 thị trường Kalshi so sánh hành vi giao dịch trong ba lĩnh vực: Hợp đồng thời tiết trên Kalshi, hợp đồng thể thao trên Kalshi (chủ yếu đầu cơ) và hợp đồng tương lai truyền thống (CME). Ba chỉ số chính được xem xét: 1. **Tỷ lệ luân chuyển hàng ngày trung bình:** Hợp đồng thời tiết có tỷ lệ thấp nhất (0.210), cho thấy xu hướng giữ vị thế lâu hơn so với hợp đồng thể thao (0.315). 2. **Tỷ lệ giữ đến khi đáo hạn:** Hợp đồng thời tiết có tỷ lệ này rất cao (>0.5), trong khi hợp đồng thể thao rất thấp (0.012-0.033). Điều này cho thấy nhiều vị thế thời tiết được nắm giữ ổn định đến cuối, phù hợp với hành vi phòng ngừa rủi ro. 3. **Thời điểm thiết lập vị thế:** Vị thế trong hợp đồng thời tiết thường được thiết lập sớm hơn nhiều so với ngày đáo hạn, tương tự thị trường phòng ngừa rủi ro truyền thống, khác biệt rõ rệt với hợp đồng thể thao. Kết luận cho thấy thị trường thời tiết trên Kalshi không phải là thuần đầu cơ hay thuần phòng ngừa rủi ro. Nhu cầu đầu cơ vẫn cung cấp tính thanh khoản quan trọng, nhưng trên nền tảng đó, nhu cầu phòng ngừa rủi ro thực tế của doanh nghiệp đã xuất hiện rõ rệt. Sự phát triển tiếp theo của thị trường dự đoán phụ thuộc vào khả năng chồng thêm nhu cầu phòng ngừa rủi ro thực tế lên nền tảng thanh khoản sẵn có từ đầu cơ, để chuyển từ "công cụ đầu cơ thú vị" thành "cơ sở hạ tầng quản lý rủi ro khả thi".