Godfay

市场牛熊切换的本质
加密市场不像传统的股票及债券一样拥有严格的监管机制，影响因子也更加多元化。它受全球事件、名人推文和技术创新的影响，因此它的变化也会变得更加剧烈。在发生变化之前，市场上通常会有蛛丝马迹的信号出现，如果你没抓住信号，你就成为了流动性。
避免“刻舟求剑”
2017年的ICO泡沫：比特币从几千美元冲到近2万美元，然后在2018年熊市中崩到3000美元。加密用事实打破了传统金融的说法 —— “市场有周期”，计划永远赶不上变化，加密市场的牛熊可能就在一个晚上完成切换。
策略一：夯实基础知识
作为初学者，千万别急着到处投钱。尤其是在熊市，诈骗项目频出。在这里，无知者就是市场最容易获得的流动性。花些时间去学习一些基本概念：什么是 web3 钱包？什么是 DEX/CEX ？DeFi 是不是把钱存进去就可以无脑赚？提现到链上用哪条链？
一定不要为自己的 “低认知” 买单。因为在这里钱是赚不完的，赚大钱的人，不是运气极佳就是认知极高。
策略二：做好风险管理
加密市场的波动性远比传统市场要高，山寨币的币价可能早上在天上，晚上就到了地狱。所以，永远不要把鸡蛋放在一个篮子里。你可以 60% 兑换 USDC 放入 DeFi 生息（稳定收入），30% 购入 BTC （数字黄金），10% 用于参与生态（memecoin等）。具体的比例可以按照个人具体的风险接受程度来做出调整。
策略三：到手的钱才是钱！
“HODL” 在牛市 FOMO 的阶段可能胜利，但在大部分情况下，这完全是大韭菜的行为。大多数人都容易被市场情绪所驱动，产生一种“再不上车拍断大腿”的心理。在市场上涨的时候，人性的贪婪暴露无遗，+20%/50% 根本看不上眼，最终的来的结果都是 -50% 。
学会 “止盈” 也是非常重要的一课。
策略四：避免孤军奋战
尽量在 web3 圈子中找到志同道合的朋友，每个人关注的点不同，信息交换会带来更多抓住 alpha 的机会。
保持关注宏观经济，例如美联储加息、区域战争会引发熊市，加密资产流向传统资产；反之亦然。
在牛熊切换的浪潮中，“活下来” 是第一要义！
作为加密初学者要记住：这个市场奖励的是耐心，而不是运气。刻舟求剑可能知你于死地，要随波逐流且保持清醒。
#币圈
#币圈生存指南
#新人入场

第一步：行情 - ALPHA - 积分+
找到有 4x 积分的代币列表。
第二步：
寻找 1min 线稳定的代币。
个人评判标准：至少 2 根 1min 线无明显起伏就可以刷，基本无被夹风险。
第三步：买入及反向订单卖出
限价单界面变成了订单簿格式，上面红色为卖单，底下绿色为买单。
把卖单上方2~3行的价格设置为买入价格，
把买单下方2~3行的价格设置为卖出价格。
时刻关注上下两部分的价差，如果差距较大就立刻停止刷交易。
我还发现了个烦人的 BUG ：每次买入卖出后，买入价格都会被当前价格所重置，因此每笔交易都多了个不必要的操作（原本只需要选取卖出价格就可以刷第二笔）。

还在给财神烧香，等他托梦给你个好的标的？
不妨来看看单字母项目 $C @Chainbase Official ，虽然社区不太满意，但总体表现还算可以。
$C 的价格在曲线上来看是非常有韧性的。在发行的第一周内，价格从 0.12 拉到了 0.5 ，后来由于大量空投的抛压，把价格压到了 0.25 左右，目前稳定在 0.3 附近。
币安全家桶都已经安排上了，对其他项目来说已经到天花板了，那还有什么预期值得期待？
代币上了 Bithumb 后，它的下一站只会是 Upbit ，可以在新闻bot里留个心眼。
AI + DataFi 的定位对于市场来说有卖点，具体跑不跑的通，要进一步留意链上数据和开发者合作项目，毕竟“成功落地+可持续的逻辑”才是赢得关键。
#Chainbase

Proof of Attribution（PoA）的中文是 归因证明 ，核心关键词是 可解释性 和 可支付性 。
很多人看到术语就头疼，通俗的讲，归因证明就是理清模型输出与训练数据之间的关系。目的是让AI知道，谁是提供数据的人，以及提供了哪些数据，这是可解释性的关键。
✍️对大/小模型，分有两种归因方法：
💠梯度归因（适用于小模型）
类似于医生问诊的方式，比如“如果病人不打激素，会达到怎样的治疗效果？”、“如果开刀手术，是否可以完全治愈？”
放到AI上，就是想知道一个具体的训练样本对模型预测结果的影响有多大，最后得出的数值就代表了样本的贡献度。适用于社区专用的微调小模型。
💠Infini-gram归因（适用于大语言模型）
可以想象成论文的“查重系统”，系统帮你在文献中寻找相似的段落并进行标记。
所有训练数据内容集成为一个超级引擎，模型生成一段内容后会在引擎内搜索匹配，如果搜索出高度匹配的内容，那么就判断数据影响了模型输出（有贡献）。
📙每一个机构都有自己的数据库，OpenLedger的独有数据库叫作“DataNet”
DataNet 是一个专题资料库，每一份注册的内容数据都会被储存在线下，但是对应的元数据和哈希值会上链。
有意思的是，社区内任何成员都可以对现存的内容进行评论/质疑，给我一种 链上“维基百科” 的既视感。
🔆Payable的特点也得以展现：只要你提供的数据对未来某一次AI模型的输出内容产生了影响，你就会获得贡献度，从而进一步获得产生收益。
🌟如果你真的读完了以上的内容，你会发现 PoA 的潜力是无限的。它将帮助模型记录每一次训练和推理所涉及到的时间、版本、所用数据，还可以根据领域、质量等标签进一步细化奖励与治理权重。