Esta noche, los titulares del sector tecnológico se los lleva el nuevo modelo fundacional de series temporales de esta empresa francesa.
Una base de código abierto diseñada específicamente para datos continuos, como series temporales financieras, consumo energético y registros de operaciones.
Que los fabricantes de modelos empiecen a abordar el difícil reto de las series temporales no tiene nada de raro.
Pero al ponerlo en contexto con el mundo cripto, la cosa cobra interés. Ese mismo día, Elysium, la primera red de capa 2 de la cadena $HYPE , anunció que lanzará su red principal el 9 de noviembre.
Al combinar modelos de series temporales con datos públicos en cadena, habrá una pequeña base capaz de ejecutar pruebas retrospectivas de estrategias on-chain, predecir precios de liquidación de contratos y alertar sobre flujos anómalos de fondos en protocolos.
En cuanto estas herramientas se conecten a la información pública de las cadenas cripto, los agentes nativos de la cadena que operan de extremo a extremo dejarán de ser simples demos.
Conclusión: los modelos de series temporales de código abierto combinados con datos on-chain son positivos a medio y largo plazo para los creadores de mercado y los protocolos cuantitativos, sobre todo para las plataformas de derivados totalmente on-chain. Su implementación real habrá que esperar hasta después del segundo trimestre; antes de lanzarse a comprar, conviene estar atentos a una acción concreta: si la empresa publica los pesos de la siguiente versión como código abierto.
#AI模型开源 #链上数据 #Tecnología
Una base de código abierto diseñada específicamente para datos continuos, como series temporales financieras, consumo energético y registros de operaciones.
Que los fabricantes de modelos empiecen a abordar el difícil reto de las series temporales no tiene nada de raro.
Pero al ponerlo en contexto con el mundo cripto, la cosa cobra interés. Ese mismo día, Elysium, la primera red de capa 2 de la cadena $HYPE , anunció que lanzará su red principal el 9 de noviembre.
Al combinar modelos de series temporales con datos públicos en cadena, habrá una pequeña base capaz de ejecutar pruebas retrospectivas de estrategias on-chain, predecir precios de liquidación de contratos y alertar sobre flujos anómalos de fondos en protocolos.
En cuanto estas herramientas se conecten a la información pública de las cadenas cripto, los agentes nativos de la cadena que operan de extremo a extremo dejarán de ser simples demos.
Conclusión: los modelos de series temporales de código abierto combinados con datos on-chain son positivos a medio y largo plazo para los creadores de mercado y los protocolos cuantitativos, sobre todo para las plataformas de derivados totalmente on-chain. Su implementación real habrá que esperar hasta después del segundo trimestre; antes de lanzarse a comprar, conviene estar atentos a una acción concreta: si la empresa publica los pesos de la siguiente versión como código abierto.
#AI模型开源 #链上数据 #Tecnología