Emiley jhon

Gata đang hợp tác với Walrus để xây dựng một hệ thống thực thi mở cho AI. Đối tác này tập trung vào việc giảm chi phí dữ liệu và biến việc AI phi tập trung thành hiện thực ở quy mô lớn. Gata phát triển các công cụ cho huấn luyện AI, suy luận và tạo dữ liệu. Walrus hiện là lớp dữ liệu cốt lõi hỗ trợ công việc này bên trong sinh thái Sui.

Walrus sẽ hỗ trợ sản phẩm chính của Gata gọi là DataAgent. DataAgent là một nhà máy dữ liệu phi tập trung được vận hành bởi suy luận AI. Nó cho phép bất kỳ ai cũng có thể tham gia chỉ bằng một trình duyệt. Người dùng có thể chia sẻ sức mạnh tính toán đang bỏ phí và giúp tạo ra dữ liệu tổng hợp cần thiết để huấn luyện các mô hình AI. Điều này giúp phát triển AI trở nên mở rộng hơn, thay vì chỉ dành riêng cho các công ty lớn.

Walrus đã chính thức ra mắt Quilt, một tính năng mới được thiết kế để thay đổi cách lưu trữ các tệp nhỏ ở quy mô lớn. Kể từ khi mạng chính Walrus đi vào hoạt động, cộng đồng đã phát triển nhanh chóng. Các nhà phát triển đang sử dụng Walrus theo nhiều cách sáng tạo và mức độ sử dụng tiếp tục tăng. Ngày nay, Walrus đã hỗ trợ hàng trăm dự án và lưu trữ một lượng lớn dữ liệu cho các nhà phát triển trên toàn bộ Web3.

Walrus được tạo ra như một lớp dữ liệu toàn cầu cho các nhà phát triển onchain. Nhiều dự án đã chuyển sang Walrus vì các phương án lưu trữ cũ thường chậm, tốn kém hoặc khó xác minh. Các đội ngũ làm việc trong lĩnh vực nội dung kỹ thuật số, công cụ AI, nền tảng tin tức và thư viện thiết kế đều chọn Walrus vì nó nhanh chóng, linh hoạt và dễ tin tưởng.

FLock io đang hợp tác với Walrus để xây dựng một cách thức an toàn và riêng tư hơn để huấn luyện các mô hình AI. Sự hợp tác này tập trung vào việc trao quyền kiểm soát dữ liệu cho người dùng, đồng thời vẫn cho phép phát triển AI mở và chia sẻ. Walrus hiện là lớp dữ liệu chính cho FLock io bên trong hệ sinh thái Sui. Cùng nhau, họ nhằm mục đích hỗ trợ trí tuệ nhân tạo do cộng đồng dẫn dắt một cách an toàn và đơn giản.

FLock io được biết đến như một nền tảng huấn luyện trí tuệ nhân tạo phi tập trung. Nó cho phép mọi người huấn luyện và sở hữu các mô hình AI mà không cần phải từ bỏ dữ liệu riêng tư. Thay vì thu thập tất cả dữ liệu tại một nơi, nó sử dụng phương pháp huấn luyện chung, nơi người dùng giữ dữ liệu của mình. Walrus phù hợp hoàn hảo với ý tưởng này bằng cách cung cấp lưu trữ dữ liệu phi tập trung với hỗ trợ bảo mật mạnh mẽ.

Toán tử cá voi được thêm vào Python vào tháng Mười năm 2019. Nó cho phép các nhà phát triển gán giá trị và sử dụng nó trong cùng một dòng. Nhiều người đã phản ứng mạnh mẽ chống lại nó. Một số nói rằng nó gây nhầm lẫn hoặc khó đọc. Những người khác từ chối sử dụng nó hoàn toàn. Theo thời gian, nỗi sợ này ngày càng gia tăng và ngay cả các công cụ hiện đại cũng bắt đầu tránh nó. Nhưng vấn đề không nằm ở cá voi. Vấn đề nằm ở cách sử dụng kém hiệu quả.

Bài viết này giải thích lý do tại sao cá voi biển có thể rất hữu ích và thân thiện khi được sử dụng đúng cách. Nó cũng chia sẻ những quy tắc đơn giản để giúp mã của bạn dễ đọc hơn, cả đối với bạn và những người khác trong tương lai.

Walrus đã thực hiện một bước tiến mới nhằm giúp dữ liệu onchain trở nên dễ quan sát, dễ hiểu và đáng tin cậy hơn. Thông qua một hợp tác mới với Space and Time, Walrus hiện đã cung cấp một công cụ trình duyệt giúp các nhà phát triển và người vận hành nút có thể theo dõi những gì đang diễn ra trên mạng lưới theo thời gian thực. Trình duyệt này hoạt động như một phòng điều khiển đơn giản, nơi người dùng có thể kiểm tra tình trạng hoạt động và hiệu suất của mạng lưới Walrus.

Trình duyệt Walrus được xây dựng dành cho những người đang tạo ứng dụng hoặc vận hành nút. Nó cung cấp thông tin rõ ràng về cách dữ liệu được lưu trữ và sử dụng. Người dùng có thể xem một blob cụ thể và biết được thời điểm dữ liệu được tải lên, đọc, ghi hoặc kiểm tra tính sẵn có. Điều này giúp dễ dàng hơn trong việc hiểu cách dữ liệu di chuyển qua mạng lưới và mức độ đáng tin cậy của nó.