#creadorpad
creadorpad
41,710 рет көрілді
105 адам талқылап жатыр
Қызу саудада
Ең соңғы
Análisis y mejoras a la estrategia de inversión en $BTC
Para un inversor individual o institucional que busque optimizar sus compras de Bitcoin tomando como referencia el modelo corporativo de MicroStrategy, se pueden aplicar las siguientes mejoras clave:
Promedio de Coste en Dólares (DCA) programado: En lugar de realizar compras impulsivas o intentar adivinar el suelo/techo del mercado, programar compras recurrentes (semanales o mensuales) mitiga el impacto de la volatilidad a corto plazo y reduce el sesgo emocional.
Técnica de Value Averaging o DCA Dinámico: Ajustar las compras para adquirir más BTC durante correcciones o mercados bajistas severos (bear market), y disminuir la cantidad invertida cuando el precio se acerque a máximos históricos.
Mitigación de riesgo de apalancamiento: MicroStrategy financia gran parte de sus compras emitiendo deuda convertible y acciones. Para un inversor particular, el uso excesivo de apalancamiento presenta un riesgo de liquidación elevado. La mejora prioritaria es mantener liquidez externa (fiat/stablecoins) para afrontar ciclos de volatilidad sin vender forzosamente en caídas.
Estrategia de custodia y seguridad: Complementar la acumulación con un protocolo de autocustodia mediante billeteras frías (cold storage) para eliminar el riesgo de contraparte en plataformas centralizadas o intercambios.
Análiza y comenta nuestra información.
#CreadorPad #squarecommunity
Para un inversor individual o institucional que busque optimizar sus compras de Bitcoin tomando como referencia el modelo corporativo de MicroStrategy, se pueden aplicar las siguientes mejoras clave:
Promedio de Coste en Dólares (DCA) programado: En lugar de realizar compras impulsivas o intentar adivinar el suelo/techo del mercado, programar compras recurrentes (semanales o mensuales) mitiga el impacto de la volatilidad a corto plazo y reduce el sesgo emocional.
Técnica de Value Averaging o DCA Dinámico: Ajustar las compras para adquirir más BTC durante correcciones o mercados bajistas severos (bear market), y disminuir la cantidad invertida cuando el precio se acerque a máximos históricos.
Mitigación de riesgo de apalancamiento: MicroStrategy financia gran parte de sus compras emitiendo deuda convertible y acciones. Para un inversor particular, el uso excesivo de apalancamiento presenta un riesgo de liquidación elevado. La mejora prioritaria es mantener liquidez externa (fiat/stablecoins) para afrontar ciclos de volatilidad sin vender forzosamente en caídas.
Estrategia de custodia y seguridad: Complementar la acumulación con un protocolo de autocustodia mediante billeteras frías (cold storage) para eliminar el riesgo de contraparte en plataformas centralizadas o intercambios.
Análiza y comenta nuestra información.
#CreadorPad #squarecommunity
#CreadorPad
Dusk es una cadena de bloques de capa 1 enfocada en las finanzas reguladas, la privacidad y la tokenización de activos del mundo real (RWA), permitiendo contratos inteligentes con pruebas de conocimiento cero (ZK) y liquidación determinista.
$DUSK
#dusk
Dusk es una cadena de bloques de capa 1 enfocada en las finanzas reguladas, la privacidad y la tokenización de activos del mundo real (RWA), permitiendo contratos inteligentes con pruebas de conocimiento cero (ZK) y liquidación determinista.
$DUSK
#dusk
💣💥💣💥💣💥💣💥💣💥
🤯 El 18 de agosto Lagrange dio a conocer los resultados del lanzamiento de DeepProve-1 el primer sistema zkMl que demuestra una inferencia LLM completa.
DeepProve-1 es primer sistema zkML (zero-knowledge machine learning) desarrollado por Lagrange Labs que permite generar pruebas criptográficas de inferencias completas de modelos de lenguaje grande (LLMs) como GPT-2.
DeepProve-1.
Características y logros:
Primera prueba de inferencia completa de LLM, DeepProve-1 logró generar una prueba de conocimiento cero para la inferencia completa de GPT-2, un modelo de lenguaje grande de OpenAI.
Verificabilidad en IA, introduce la verificabilidad como una característica central en sistemas de IA modernos, extendiendo esto a arquitecturas de transformadores completos.
Soporte para estructuras complejas, maneja grafos de cálculo con conexiones residuales, ramas paralelas y entradas de longitud variable, típicos en LLMs.
Aplicaciones y relevancia:
seguridad y privacidad: Permite verificar los resultados de un LLM sin revelar los datos de entrada o detalles del modelo, crucial para aplicaciones en defensa, atención médica, finanzas e infraestructura.
Auditabilidad, facilita la auditoría de decisiones tomadas por LLMs sin comprometer la privacidad de los datos o la propiedad intelectual del modelo.
Desarrollos y planes futuros
Optimización de rendimiento: Lagrange Labs está trabajando en mejorar la eficiencia criptográfica y el paralelismo para hacer que DeepProve-1 sea más práctico en entornos de producción.
Extensión a otros LLMs, el siguiente objetivo es soportar modelos como LLAMA de Meta, uno de los LLMs de código abierto más adoptados.
DeepProve-1 es un avance significativo en la IA verificable, permitiendo pruebas criptográficas de inferencias de LLMs.
$LA
@Lagrange Official
#lagrange
#creadorpad
#lagrangeholder
🤯 El 18 de agosto Lagrange dio a conocer los resultados del lanzamiento de DeepProve-1 el primer sistema zkMl que demuestra una inferencia LLM completa.
DeepProve-1 es primer sistema zkML (zero-knowledge machine learning) desarrollado por Lagrange Labs que permite generar pruebas criptográficas de inferencias completas de modelos de lenguaje grande (LLMs) como GPT-2.
DeepProve-1.
Características y logros:
Primera prueba de inferencia completa de LLM, DeepProve-1 logró generar una prueba de conocimiento cero para la inferencia completa de GPT-2, un modelo de lenguaje grande de OpenAI.
Verificabilidad en IA, introduce la verificabilidad como una característica central en sistemas de IA modernos, extendiendo esto a arquitecturas de transformadores completos.
Soporte para estructuras complejas, maneja grafos de cálculo con conexiones residuales, ramas paralelas y entradas de longitud variable, típicos en LLMs.
Aplicaciones y relevancia:
seguridad y privacidad: Permite verificar los resultados de un LLM sin revelar los datos de entrada o detalles del modelo, crucial para aplicaciones en defensa, atención médica, finanzas e infraestructura.
Auditabilidad, facilita la auditoría de decisiones tomadas por LLMs sin comprometer la privacidad de los datos o la propiedad intelectual del modelo.
Desarrollos y planes futuros
Optimización de rendimiento: Lagrange Labs está trabajando en mejorar la eficiencia criptográfica y el paralelismo para hacer que DeepProve-1 sea más práctico en entornos de producción.
Extensión a otros LLMs, el siguiente objetivo es soportar modelos como LLAMA de Meta, uno de los LLMs de código abierto más adoptados.
DeepProve-1 es un avance significativo en la IA verificable, permitiendo pruebas criptográficas de inferencias de LLMs.
$LA
@Lagrange Official
#lagrange
#creadorpad
#lagrangeholder
#USDT $USDT mis inversiones
en usdt no me han dado mucha ventaja
#CreadorPad
alguna moneda de sugerencia?
en usdt no me han dado mucha ventaja
#CreadorPad
alguna moneda de sugerencia?
#CreadorPad
$AAVE
esta semana fui probando nuevas monedas
me gustaría que me recomienden alguna para invertir
#AAVEUSDC
$AAVE
esta semana fui probando nuevas monedas
me gustaría que me recomienden alguna para invertir
#AAVEUSDC
Көбірек контент көру үшін кіріңіз