قادت BTC و ETH و DATs الطريق حان الوقت لمشاركة بديلة أوسع نطاقا

تسارع التقارب أعلنت @HyperliquidX DAT عن ذلك بقيادة Atlas Merchant Capital (بوب دايموند ، الرئيس التنفيذي لشركة Barclays) بمشاركة D1 Capital (Dan Sundheim Fmr CIO Viking). من المتوقع أن ينضم رئيس بنك الاحتياطي الفيدرالي في بوسطن إريك روزنغرين إلى مجلس الإدارة

نعم ، يجب أن تتداول شركات الخزينة بعلاوة على صافي قيمة الأصول ماذا؟ 🧵

ستؤدي الأسهم المرمزة إلى اعتماد ضخم للعملات المستقرة

$IBIT هو الآن ثالث أعلى ETF مدردا للدخل ل BlackRock من بين 1,197 صندوقا ، وهو على بعد 9 مليارات دولار فقط من كونه # 1. مجرد إحصائية مجنونة أخرى لصندوق ETF البالغ من العمر 1.5 عاما (حرفيا رضيع). فيما يلي قائمة أفضل 10 ل BLK (بغض النظر عن ذلك ، ماذا عن $IWF المنسى في المرتبة الأولى ، من يعرف؟)

ستغير العملات المستقرة بشكل جذري الطريقة التي تتعامل بها المؤسسات المالية مع العملات المشفرة ، وانضم رئيس الاستثمارات السائلة في CoinFund @sethginns مؤخرا إلى @thebenkeadyshow للحديث عن قناعته بالعدد المتزايد من حالات ⬇️ الاستخدام

التصويت على مشروع قانون العملات المستقرة في مجلس الشيوخ اليوم الساعة 4:30 مساء بالتوقيت الشرقي

لا تزال عوائد Onchain بعيدة المنال بالنسبة لمعظم الناس. على الرغم من كونها غير مصرح بها ، إلا أن تعقيدها لا يشجع الكثيرين على المشاركة. من خلال شراكتنا الوثيقة مع @Veda_labs ، سيتم التخلص من هذه التعقيدات في البلازما لتحقيق عائد مستدام للجماهير.

تنبؤات سريعة. 2025: نموذج معلمة 100B + تم تدريبه على d-Networks. 2026: تم تدريب أول نموذج 50B + * متعدد الوسائط * على وحدات معالجة الرسومات المتطوعة. 2027-8: كل شيء آخر متساو ، تم إعادة إنتاج نموذج تنافسي كثيف GPT-3 175B. 2030+: تشغيل لامركزي "حدودي" حقيقي ، 1T params +.

أفكار / تنبؤات في التدريب اللامركزي على الذكاء الاصطناعي ، 2025. 1. شيء واحد يجب قوله هو أننا بالتأكيد في عالم مختلف مع تدريب الذكاء الاصطناعي اللامركزي عما كنا عليه قبل 18 شهرا. في ذلك الوقت ، كان التدريب اللامركزي مستحيلا وهو الآن في السوق وهو مجال. 2. لا تخطئ ، الهدف النهائي من d-training هو تدريب النماذج التنافسية والحدودية على d-Networks. على هذا النحو ، نحن في بداية رحلتنا التنافسية ، لكننا نتحرك بسرعة. 3. لقد تم الإجماع الآن على أنه يمكننا التدريب المسبق والتدريب اللاحق لنماذج المعلمات التي تبلغ ملياراتها (معظمها من LLMs ، ومعظمها من بنى المحولات) على d-Networks. تصل الحالة الحالية للفن إلى ~ 100B ، وينتهي الجزء العلوي منها في الأفق ولكن لم يتم عرضه. 4. لقد تم إجماع الآن على أنه يمكننا تدريب نماذج معلمات <10B على شبكات d بشكل عملي جدا. كانت هناك أيضا دراسات حالة محددة (بشكل أساسي من @gensynai @PrimeIntellect @NousResearch) حيث تم تدريب أو يتم تدريب المعلمات 10B و 32B و 40B. يعمل سرب ما بعد التدريب في @gensynai على نماذج معلمات تصل إلى 72B. 5. لقد أبطل الابتكار @PluralisHQ الآن "استحالة" التدريب المسبق القابل للتطوير على الشبكات d عن طريق إزالة عنق الزجاجة لعدم كفاءة الاتصالات. ومع ذلك ، تظل FLOPs الأولية والموثوقية وإمكانية التحقق من الاختناقات لهذه الأنواع من الشبكات - وهي مشاكل قابلة للحل للغاية ولكنها ستستغرق بعض الوقت لحلها تقنيا. مع تعلم البروتوكول من Pluralis كما هو ، أعتقد أننا نصل إلى نماذج ~ 100B في إطار زمني من 6 إلى 12 شهرا. 6. كيف ننتقل من نماذج المعلمات 100B إلى 300B؟ أعتقد أننا بحاجة إلى إيجاد طرق لتقسيم المعلمات بشكل فعال وسلس والحفاظ على ذاكرة الجهاز الفردية منخفضة نسبيا (على سبيل المثال ، ذاكرة <32 جيجابايت لكل جهاز). أعتقد أننا بحاجة إلى الوصول إلى 20 EFlops في الشبكة. هذا يعني شيئا مثل 10-20 ألف جهاز استهلاكي يعمل لمدة 4-6 أسابيع في التدريب. بشكل عام ، من المتوقع أن يكون d-training مساحة مثيرة للغاية. يتم بالفعل النظر في بعض ابتكاراتها لتطبيقات الذكاء الاصطناعي الواسعة.