The DePIN Explorer - DePIN Scan

Một năm trước, Dự án Tor đã đưa ra một quyết định quan trọng là loại bỏ tất cả các Relay ATOR khỏi mạng của họ, điều này đã khơi dậy một tầm nhìn cho một tương lai phi tập trung mới. Thay vì đầu hàng, nhóm đã đặt mục tiêu tạo ra một mạng lưới tự mở rộng, không cần tin cậy, được thiết kế để nâng cao quyền riêng tư cho người dùng trên toàn thế giới. Mục tiêu của họ là làm gián đoạn thị trường VPN bằng cách kết hợp tốc độ, độ tin cậy và tính thân thiện với người dùng thông qua phần cứng tùy chỉnh, cuối cùng làm cho việc duyệt web riêng tư trở nên dễ dàng tiếp cận với hàng tỷ người. Tầm nhìn này đã trở thành hiện thực với sự ra mắt của Mạng Anyone, với 5000 relay hoạt động ấn tượng, khẳng định vị thế của mình là một trong những mixnet lớn nhất và nhanh nhất trên toàn cầu. Nhìn lại năm qua, nhóm bày tỏ lòng biết ơn tới cộng đồng của họ vì sự hỗ trợ không ngừng trong những thời điểm khó khăn. Mặc dù gặp nhiều khó khăn, dự án đã thể hiện sự kiên cường và sức mạnh, cho thấy sức mạnh của sự phi tập trung và sự đồng lòng của cộng đồng. Các đội ngũ lãnh đạo và kỹ thuật vẫn giữ nguyên trong suốt quá trình chuyển đổi, trao quyền cho các thành viên cộng đồng trước đây đảm nhận những vai trò quan trọng hơn trong hệ sinh thái. Dự án đã phát triển thành một sáng kiến mã nguồn mở, mở rộng từ một giao thức đăng ký Smartweave duy nhất sang hơn 30 kho lưu trữ hoạt động đóng góp cho công nghệ blockchain, quyền riêng tư, phần cứng và ứng dụng. Nhìn về phía trước, nhóm thừa nhận rằng hành trình vẫn chưa kết thúc, với kế hoạch tiếp tục phi tập trung hóa mạng lưới sau khi chuyển sang giao thức phân phối AO của họ. Họ nhấn mạnh rằng quản trị cộng đồng sẽ đóng vai trò quan trọng trong việc duy trì sự an toàn và hiệu suất của mạng. Tinh thần của ATOR giờ đây biểu trưng cho việc vượt qua những trở ngại trong không gian Web3, và nhóm cam kết duy trì tính minh bạch thông qua các bản cập nhật thường xuyên. Khi họ đối mặt với thách thức lớn hơn về việc áp dụng quyền riêng tư toàn cầu, họ vẫn tận tâm xây dựng một hệ sinh thái Web3 có tiềm năng thay đổi cuộc sống.

On November 22, 2024, the Sui Foundation announced a strategic partnership with Franklin Templeton Digital Assets, aimed at driving innovation within the Sui blockchain ecosystem. This collaboration is set to enhance the development of Sui, a Layer 1 and smart contract platform, by creating value opportunities for builders of blockchain-based solutions. Jameel Khalfan, Head of Ecosystem Development at Sui, highlighted that the partnership is a validation of Sui's technology, which was inspired by challenges in decentralized finance that Franklin Templeton is addressing. Franklin Templeton Digital Assets has been actively involved in blockchain technology for several years, focusing on building solutions, running node validators, and developing investment strategies. Their dedicated digital assets research team employs tokenomic analysis and data science insights to guide product development and investment decisions. Tony Pecore, SVP and Director of Digital Asset Management at Franklin Templeton, expressed excitement about the advancements being made by the Sui team, noting that blockchain technology has often faced technical limitations despite its growing interest. The Sui ecosystem is already home to innovative projects such as DeepBook, a decentralized finance solution akin to a central limit order book, and Karrier One, which supports a decentralized mobile network. Additionally, Sui has recently launched native USDC, providing users with direct access to a widely used stablecoin while mitigating risks associated with bridged assets. As a secure and scalable platform, Sui is positioning itself as a premier destination for application builders across various sectors, including gaming, DeFi, and tokenized securities.

Thị trường tiền điện tử đang chứng kiến những phát triển đáng kể, đặc biệt là với giao thức DePIN của Mạng lưới Akash, gần đây đã vượt qua mức vốn hóa thị trường một tỷ đô la. Sự gia tăng này đã dẫn đến sự tăng giá đáng chú ý của Akash, phản ánh sự tự tin ngày càng tăng của các nhà đầu tư. Trong khi đó, Solana đang trên bờ vực đạt được mức cao nhất mọi thời đại (ATH) mới, với dòng vốn hóa thị trường cho phép nó vượt qua BNB. Sự phấn khích xung quanh ATH sắp tới của Solana không chỉ là một chiến thắng cho nền tảng mà còn cho toàn bộ hệ sinh thái tiền điện tử, cho thấy tiềm năng của nó cho việc áp dụng chính thống và hoạt động phát triển mạnh mẽ. Trong lĩnh vực tài chính phi tập trung (DeFi), Mạng lưới Lunex đã nổi lên như một người chơi mới đầy hứa hẹn. Sàn giao dịch hybrid này cung cấp một giải pháp độc đáo bằng cách tạo điều kiện cho giao dịch chéo chuỗi với hơn 50.000 cặp giao dịch và cấu trúc không phí. Mạng lưới Lunex nhằm đơn giản hóa DeFi cho cả nhà giao dịch mới và có kinh nghiệm, làm cho nó dễ tiếp cận hơn với các nhà đầu tư bán lẻ. Với thanh khoản ấn tượng 2,95 triệu đô la đã được đảm bảo, Lunex đang định vị mình như một người hỗ trợ chính trong không gian DeFi, có khả năng dân chủ hóa quyền truy cập vào thị trường sinh lợi này. Sự gia tăng của Mạng lưới Akash, Solana và Mạng lưới Lunex làm nổi bật một xu hướng rộng lớn hơn hướng tới đổi mới phi tập trung ngoài tài chính truyền thống. Sự tăng trưởng 10% gần đây của Akash trong 24 giờ qua và mức tăng 36% đáng kể trong tuần qua nhấn mạnh tiềm năng của nó để làm gián đoạn các dịch vụ đám mây thông thường. Khi nhu cầu về các nền tảng phi tập trung, không cần tin cậy ngày càng tăng, những token này mang đến những cơ hội đầu tư thú vị. Với Solana gần đạt ATH và động lực của Akash, các nhà đầu tư đang theo dõi chặt chẽ những phát triển này, trong khi Mạng lưới Lunex tiếp tục thu hút sự chú ý với các đề xuất DeFi của mình.

Retrieval-augmented generation (RAG) has emerged as a pivotal method for integrating large language models (LLMs) into specialized business applications, enabling the infusion of proprietary data into model responses. Despite its effectiveness during the proof of concept (POC) phase, developers often face significant accuracy drops when transitioning RAG into production. This issue is particularly pronounced during the retrieval phase, where the aim is to accurately fetch the most relevant context for a given query, a metric known as context recall. This article delves into strategies for enhancing context recall by customizing and fine-tuning embedding models, ultimately improving RAG's performance in real-world applications. RAG operates in two main steps: retrieval and generation. In the retrieval phase, the model converts text into vectors, indexes, retrieves, and re-ranks these vectors to identify the top matches. However, failures in this phase can lead to missed relevant contexts, resulting in lower context recall and less accurate generation outputs. One effective solution is to adapt the embedding model, which is designed to understand relationships between text data, to produce embeddings that are specific to the dataset being used. This fine-tuning allows the model to generate similar vectors for similar sentences, enhancing its ability to retrieve context that is highly relevant to the query. To improve context recall, it is essential to prepare a tailored dataset that reflects the types of queries the model will encounter. This involves extracting a diverse range of questions from the knowledge base, paraphrasing them for variability, and organizing them by relevance. Additionally, constructing an evaluation dataset helps assess the model's performance in a realistic setting. By employing an Information Retrieval Evaluator, developers can measure metrics like Recall@k and Precision@k to gauge retrieval accuracy. Ultimately, fine-tuning the embedding model can lead to substantial improvements in context recall, ensuring that RAG remains accurate and reliable in production environments.