Les gros titres de la tech ce soir sont consacrés au nouveau modèle de fondation pour séries temporelles lancé par cette entreprise française.
Une base open source conçue spécialement pour les données séquentielles, comme les séries financières, la consommation d’énergie et les journaux de maintenance.
Que les fabricants de modèles s’attaquent au défi de taille des séries temporelles n’a rien d’étonnant en soi.
Mais rapproché de l’univers crypto, le sujet prend une autre dimension. Le même jour, Elysium, le premier réseau de couche 2 de cette chaîne $HYPE , a annoncé le lancement de son mainnet le 9 novembre.
En combinant des modèles temporels aux données publiques on-chain, on disposera d’une petite infrastructure opérationnelle pour backtester des stratégies on-chain, prédire les prix de liquidation des contrats et détecter les anomalies dans les flux de fonds des protocoles.
Dès lors que ces outils seront connectés aux informations publiques des blockchains, les agents natifs on-chain de bout en bout ne relèveront plus de la simple démo.
Avis : les modèles de séries temporelles open source associés aux données on-chain sont favorables à moyen et long terme aux teneurs de marché et aux protocoles quantitatifs, en particulier aux plateformes de produits dérivés entièrement on-chain. Pour une adoption concrète, il faudra attendre le deuxième trimestre ou plus tard. Avant de courir après la hausse, surveillez surtout une action précise : l’ouverture des poids de la prochaine version par cette entreprise.
#AI模型开源 #链上数据 #Technologie
Une base open source conçue spécialement pour les données séquentielles, comme les séries financières, la consommation d’énergie et les journaux de maintenance.
Que les fabricants de modèles s’attaquent au défi de taille des séries temporelles n’a rien d’étonnant en soi.
Mais rapproché de l’univers crypto, le sujet prend une autre dimension. Le même jour, Elysium, le premier réseau de couche 2 de cette chaîne $HYPE , a annoncé le lancement de son mainnet le 9 novembre.
En combinant des modèles temporels aux données publiques on-chain, on disposera d’une petite infrastructure opérationnelle pour backtester des stratégies on-chain, prédire les prix de liquidation des contrats et détecter les anomalies dans les flux de fonds des protocoles.
Dès lors que ces outils seront connectés aux informations publiques des blockchains, les agents natifs on-chain de bout en bout ne relèveront plus de la simple démo.
Avis : les modèles de séries temporelles open source associés aux données on-chain sont favorables à moyen et long terme aux teneurs de marché et aux protocoles quantitatifs, en particulier aux plateformes de produits dérivés entièrement on-chain. Pour une adoption concrète, il faudra attendre le deuxième trimestre ou plus tard. Avant de courir après la hausse, surveillez surtout une action précise : l’ouverture des poids de la prochaine version par cette entreprise.
#AI模型开源 #链上数据 #Technologie