Команда Shiba Inu запускает новое обновление ShibaSwap

cryptonews.ru发布于2024-08-24更新于2025-02-24

Команда, стоящая за экосистемой Shiba Inu, объявила об обновлении ShibaSwap, представив новые и улучшенные пулы ликвидности (LP) для DEX. Ведущие разработчики Shiba Inu объявили о последних обновлениях ShibaSwap в социальной сети X. По словам команды, новые пулы расширяют возможности пользователей по добавлению ликвидности в экосистему Shiba Inu. Последнее обновление ShibaSwap включает в себя удобное управление пулом ликвидности, позволяющее пользователям легко создавать, импортировать и переносить LP на одной странице.

Обновление также улучшает пользовательский опыт с помощью более чистого и интуитивно понятного пользовательского интерфейса для легкой навигации. Обновление оптимизировало внутренний интерфейс DEX для обеспечения более быстрых транзакций. Обновление также поставляется с интеллектуальными опциями сортировки и фильтрации, ориентированными в основном на годовую процентную доходность (APY), общую заблокированную стоимость (TVL), объемы транзакций и тенденции.

Команда оснастила ShibaSwap ключевыми метриками, чтобы помочь пользователям принимать обоснованные решения. С новыми метриками пользователи могут отслеживать ликвидность в режиме реального времени, просматривать TVL по всей экосистеме Shiba Inu и получать доступ к данным по объему торговли для определения наиболее эффективных пулов. Эти новые функции доступны на Shib.io.

Изображение: freepik

Designed by Freepik

你可能也喜欢

ACL 2026华人霸榜,最佳论文一作全华人,杰出论文几乎包场

ACL 2026计算语言学顶会于7月在美国圣地亚哥举行,规模创历史新高,共收到12148篇投稿,同比增长45%。本届会议被大语言模型(LLM)主题主导,相关词汇在论文标题中出现频率极高。 会议评选出三篇最佳论文,一作均为华人学者: 1. 《The Imperfective Paradox in Large Language Models》:通过“未完成体悖论”这一经典语言学现象测试大模型,发现开源模型普遍存在“目的论偏见”,即倾向于认为有目标的动作都会完成,揭示了模型更像“叙事预测引擎”而非逻辑推理者。 2. 《Memory efficiency and resource-rational encoding in sentence processing》:通过为Transformer模型添加工作记忆约束(注入噪声),迫使模型学习更高效地分配有限的记忆资源。结果发现,这种约束让模型的阅读节奏更接近人类,并促成了更压缩、更范畴化的表征。 3. 《Characterizing the Expressivity of Local Attention in Transformers》:利用形式语言理论解释了为何“局部注意力”机制在节省计算成本的同时,常能提升模型效果。研究表明,局部注意力引入了新的表达能力,与全局注意力互补,结合使用能获得最丰富的表达力。 此外,会议还评选了18篇杰出论文,华人在其中占据显著比例,尤其在强化学习、大模型安全与智能体等热门方向成果突出。 本届ACL数据显示,中国大陆作者占比高达54.0%,美国以18.4%位列第二。会议投稿量、审稿规模及参会人数均大幅增长,体现了该领域的空前繁荣与激烈竞争。

marsbit2小时前

ACL 2026华人霸榜,最佳论文一作全华人,杰出论文几乎包场

marsbit2小时前

交易

现货
活动图片