Tag: مثبت

بیت‌کوین، بیمه‌ای در برابر اختلالات اقتصادی از نگاه رابرت کیوساکی

رابرت کیوساکی، نویسنده کتاب پرفروش “پدر پولدار، پدر بی‌پول”، در تازه‌ترین دفاع خود از آمادگی مالی، مالکیت بیت‌کوین را نوعی احتیاط در برابر اختلالات اقتصادی توصیف کرده است. وی این ایده را که پیش‌بینی مشکلات نشان‌دهنده بدبینی است، به چالش کشید و استدلال کرد که حفاظت از ثروت می‌تواند با نگاهی خوش‌بینانه همزیستی داشته باشد.

مقایسه مالکیت بیت‌کوین با داشتن بیمه

کیوساکی مالکیت دارایی‌هایی خارج از ارزهای صادر شده توسط دولت را با داشتن بیمه مقایسه می‌کند. وی معتقد است که همانطور که افراد برای محافظت از دارایی‌های فیزیکی خود در برابر حوادث غیرمنتظره بیمه می‌خرند، باید برای محافظت از ثروت خود در برابر اختلالات اقتصادی نیز تدابیری بیندیشند. بیت‌کوین، به دلیل ماهیت غیرمتمرکز و محدودیت عرضه آن، از نظر کیوساکی می‌تواند نقش این “بیمه” را ایفا کند.

او تاکید کرد که آمادگی برای بدترین سناریوها، به معنای ناامیدی یا بدبینی نیست، بلکه یک رویکرد منطقی و مسئولانه برای حفظ ارزش دارایی‌ها در دنیایی پر از عدم قطعیت است. کیوساکی بارها نسبت به سیاست‌های پولی دولت‌ها و احتمال کاهش ارزش پول رایج هشدار داده و سرمایه‌گذاری در دارایی‌های جایگزین مانند طلا، نقره و بیت‌کوین را راهکاری برای مقابله با این ریسک‌ها معرفی کرده است.

کاتى وود: قانون جدید سرمایه‌گذاری “عوامل را دنبال کنید”

کاتى وود، هم‌بنیان‌گذار ARK Invest، در نشست Robinhood Summit قانون جدید سرمایه‌گذاری را با عنوان “عوامل را دنبال کنید” (Follow the Agents) مطرح کرد. او معتقد است با تکامل عوامل هوش مصنوعی از پاسخ‌گویی به پرسش‌ها به سمت هزینه‌کرد مستقل، سرمایه‌گذاران باید بر زیرساخت‌های مالی مورد استفاده آن‌ها تمرکز کنند.

تکامل از “دنبال کردن توسعه‌دهندگان” به “دنبال کردن عوامل”

کاتى وود در سال‌های گذشته بارها به سرمایه‌گذاران توصیه کرده بود که “توسعه‌دهندگان را دنبال کنند” (follow the developers) و با رصد تحرکات آن‌ها، روندهای فناوری را پیش‌بینی کنند. او در نشست Robinhood Summit که این هفته در هیوستون برگزار شد، توصیه‌ای به‌روز شده ارائه داد: “ممکن است ما به طور فزاینده‌ای درباره دنبال کردن عوامل صحبت کنیم.”

زیرساخت‌های مالی در عصر عوامل هوش مصنوعی

پرسش اصلی که در پس این جمله نهفته است این است که وقتی هوش مصنوعی دیگر صرفاً به دنبال یافتن پاسخ برای انسان‌ها نیست، بلکه شروع به هزینه کردن برای آن‌ها می‌کند، زیرساخت‌های مالی چگونه تغییر خواهند کرد؟

شرکت BlackRock در گزارشی که در ماه سپتامبر در مورد هم‌پوشانی هوش مصنوعی و دارایی‌های دیجیتال منتشر کرد، استدلال مشابهی را مطرح کرده است. این بزرگترین موسسه مدیریت دارایی جهان معتقد است که عوامل هوش مصنوعی ممکن است نیازهای جدیدی را برای “سیستم‌های پرداخت مخصوص ماشین” ایجاد کنند.

یک عامل هوش مصنوعی ممکن است نیاز به پرداخت هزینه‌های فراخوانی API، خرید داده از خدمات دیگر، یا اجاره منابع محاسباتی داشته باشد، و این تراکنش‌ها نمی‌توانند هر بار منتظر تأیید انسانی بمانند. BlackRock معتقد است که استیبل‌کوین‌ها و بلاک‌چین می‌توانند یکی از راه‌های پردازش این پرداخت‌ها باشند.

استیبل‌کوین‌ها می‌توانند به صورت ۲۴ ساعته و بدون وقفه تراکنش انجام دهند و پروتکل‌های پرداخت بلاک‌چین می‌توانند امکان انتقال مستقیم مبالغ کم بین نرم‌افزارها را فراهم کنند. پروتکل x402 که توسط Coinbase راه‌اندازی شده است، نمونه‌ای از این طراحی‌ها است که به طور خاص برای پرداخت ماشین‌ها برای دسترسی به خدمات آنلاین مانند داده‌ها یا API طراحی شده است.

حضور عوامل هوش مصنوعی در فضای رمزارز

عوامل هوش مصنوعی در حال حاضر در برخی گوشه‌های فضای رمزارز ظاهر شده‌اند. برایان آرمسترانگ، مدیرعامل Coinbase، در پلتفرم X اعلام کرد که “Grok در حال حاضر پیشروترین مشتری معامله‌گر عامل (agentic trader) در Coinbase است”، اما جزئیات بیشتری ارائه نکرد.

این بدان معناست که مدل Grok از xAI در حال اجرای خودکار معاملات از طریق عوامل هوش مصنوعی است، حداقل در مرحله آزمایشی یا اولیه. اگر در آینده مدل‌های هوش مصنوعی بیشتری با الگوی مشابه در صرافی‌های رمزارز فعالیت کنند، حجم معاملات و الگوهای رفتاری ممکن است دچار تغییرات ساختاری شوند.

رقابت بین شبکه‌های باز و اکوسیستم‌های بسته

با این حال، باید توجه داشت که استیبل‌کوین‌ها و بلاک‌چین‌ها بازار پرداخت عوامل هوش مصنوعی را به تنهایی در اختیار نخواهند داشت. Stripe، Visa، Google و OpenAI همگی در حال توسعه قابلیت‌هایی برای خرید و پرداخت توسط عوامل هوش مصنوعی هستند. BlackRock نیز در گزارش خود به صراحت بیان کرده است که سیستم‌های پرداخت سنتی همچنان مهم خواهند بود.

این در واقع رقابت بین “شبکه باز در مقابل اکوسیستم بسته” است. بلاک‌چین‌هایی مانند اتریوم یک شبکه مالی مشترک را ارائه می‌دهند که برای عوامل هوش مصنوعی، اپلیکیشن‌ها و شرکت‌های مختلف قابل استفاده است و نیازی نیست هر شرکت هوش مصنوعی سیستم پرداخت بسته خود را بسازد. در مقابل، غول‌های فناوری تمایل دارند کل فرآیند را در اکوسیستم خود تکمیل کنند؛ عوامل هوش مصنوعی توسط آن‌ها آموزش داده می‌شوند، پرداخت‌ها توسط آن‌ها پردازش می‌شود و داده‌ها در پلتفرم آن‌ها باقی می‌مانند.

شاخص‌های کلیدی برای سرمایه‌گذاران

اگر عوامل هوش مصنوعی واقعاً به بازیگران اصلی اقتصادی تبدیل شوند، رصد محل تراکنش آن‌ها و شبکه‌های پرداختی که استفاده می‌کنند، می‌تواند معیاری برای سنجش کاربرد واقعی استیبل‌کوین‌ها و بلاک‌چین‌ها باشد.

جهت‌گیری فعلی نشان می‌دهد که استیبل‌کوین‌ها و بلاک‌چین‌ها در سناریوهای پرداخت “ماشین به ماشین، ۲۴ ساعته، ۷ روز هفته، با حجم کم و فرکانس بالا” مزیت طبیعی دارند. پرداخت هزینه‌های API، خرید داده، یا اجاره توان محاسباتی توسط عوامل هوش مصنوعی با خرید کارت اعتباری توسط انسان متفاوت است؛ نیازی به صورت‌حساب پایان ماه، تأیید دستی، یا تسویه بین مناطق زمانی مختلف نیست. این‌ها مواردی هستند که استیبل‌کوین‌ها در آن‌ها مهارت دارند.

متغیرهای کلیدی: نظارت و قابلیت همکاری

اما متغیرهای کلیدی در این میان، نظارت و قابلیت همکاری هستند. اگر پرداخت‌های عوامل هوش مصنوعی مشمول چارچوب AML/KYC شوند، مزیت استیبل‌کوین‌ها ممکن است تضعیف شود؛ و اگر پلتفرم‌های اصلی هوش مصنوعی ترجیح دهند فقط با سیستم‌های پرداخت خاصی ادغام شوند، استدلال شبکه باز زیر سوال می‌رود. در ۱ تا ۲ سال آینده، شواهد بیشتری در مورد این نقاط مشاهده‌ای ظهور خواهد کرد.

رقابت در حوزه سخت‌افزار هوش مصنوعی عمدتاً بر سر قطعات کمیاب بوده است. شرکت Cerebras Systems تلاش می‌کند با عدم نیاز به بسیاری از این قطعات، در این رقابت پیروز شود.

رویکرد متفاوت Cerebras

تراشه‌های مقیاس ویفری این شرکت از حافظه با پهنای باند بالا (HBM)، بسته‌بندی پیشرفته CoWoS و تولید در فرآیند ۳ نانومتری اجتناب می‌کنند. این‌ها سه گلوگاه اصلی صنعت در حال حاضر هستند. Cerebras مسیری متفاوت را در پیش گرفته است. تراشه‌های WSE-3 و مشتق آن WSE-3T بر اساس فرآیند ۵ نانومتری TSMC ساخته شده‌اند. تمام حافظه این تراشه‌ها به جای استفاده از پشته‌های جداگانه HBM، به صورت SRAM بر روی خود تراشه قرار دارد.

مشخصات چشمگیر WSE-3

WSE-3 در مارس ۲۰۲۴ معرفی شد. مشخصات آن بیشتر شبیه به یک طرح شهری است تا یک برگه مشخصات تراشه: ۹۰۰,۰۰۰ هسته هوش مصنوعی، ۴۴ گیگابایت حافظه SRAM روی تراشه و تقریباً ۴ تریلیون ترانزیستور. تمام این‌ها در مساحتی معادل ۴۶,۲۲۵ میلی‌متر مربع جای گرفته‌اند.

ادعای سرعت بی‌سابقه

اندرو فلدمن، مدیرعامل این شرکت، استدلال کرده است که این طراحی در جایی که بیشترین اهمیت را برای مشتریان دارد، یعنی سرعت تولید پاسخ توسط مدل‌های هوش مصنوعی، نتیجه‌بخش است. او در ژوئن ۲۰۲۶ این معماری را اینگونه توصیف کرد: “سریع‌ترین استنتاج در جهان به میزان یک مرتبه بزرگی.” یافته‌های تحقیقاتی ادعای فلدمن را به عنوان افزایش سرعت تولید توکن و حذف کندی‌های معمول در طراحی‌های مبتنی بر GPU توصیف می‌کنند.

سفارش‌های عظیم و رشد درآمد

تا ژوئن ۲۰۲۶، این شرکت گزارشی از پشتوانه سفارش ۲۵.۴ میلیارد دلاری ارائه داده است. بیش از ۲۰ میلیارد دلار از این مبلغ مربوط به یک قرارداد چندساله با OpenAI است.

Cerebras همچنین اعلام کرده است که بیش از ۶۰۰ مگاوات ظرفیت مرکز داده، چه فعال و چه قرارداد شده، در اختیار دارد. طبق یافته‌های تحقیقاتی، درآمد این شرکت در سه ماهه دوم سال مالی، تقریباً دو برابر سال گذشته بوده است.

در سپتامبر ۲۰۲۶، Cerebras موافقت کرد که سیستم‌های CS-4 را برای ظرفیتی حدود ۱۰۰ مگاوات به Gimlet Labs عرضه کند. این شرکت همچنین توافق‌نامه‌ای بلندمدت با General Compute منعقد کرده است که استقرار آن برای سه ماهه اول سال ۲۰۲۷ برنامه‌ریزی شده است.

تمام این تحولات پس از عرضه اولیه سهام Cerebras در بورس نزدک در ماه مه ۲۰۲۶ صورت گرفته است. از زمان عرضه، این شرکت شروع به گسترش تولید در ایالات متحده و ایجاد مشارکت‌ها برای افزایش ظرفیت عملیاتی کرده است.

تمرکز بر ظرفیت مراکز داده

یافته‌های تحقیقاتی نشان می‌دهند که تقاضا برای زیرساخت هوش مصنوعی به طور فزاینده‌ای به فضای مراکز داده، برق و ساخت‌وساز وابسته است، نه صرفاً به در دسترس بودن تراشه‌ها. این موضوع توضیح می‌دهد که چرا Cerebras اکنون به جای تعداد تراشه، در مورد ظرفیت بر حسب مگاوات صحبت می‌کند. رقم ۶۰۰ مگاوات و تعهد حدود ۱۰۰ مگاواتی Gimlet Labs معیارهایی از توان و فضای فیزیکی هستند.

چالش‌های پیش رو

برای سرمایه‌گذاران Cerebras، سوال اصلی اجرای تعهدات است. پشتوانه سفارش ۲۵.۴ میلیارد دلاری یک وعده است، نه درآمد، و تبدیل آن به درآمد به ساخت، تأمین برق و راه‌اندازی مراکز داده طبق برنامه بستگی دارد. یافته‌های تحقیقاتی به هزینه‌های راه‌اندازی مراکز داده به عنوان چالشی که شرکت در تلاش برای غلبه بر آن است، اشاره می‌کنند.

تمرکز مشتریان، دومین نکته‌ای است که باید مورد توجه قرار گیرد. با بیش از ۲۰ میلیارد دلار از پشتوانه سفارش که به OpenAI گره خورده است، سلامت این رابطه واحد وزن قابل توجهی دارد. قراردادهایی مانند Gimlet Labs و General Compute به تنوع بخشیدن به ترکیب کمک می‌کنند، هرچند در مقایسه بسیار کوچکتر هستند.

در زمینه عملکرد، ادعای فلدمن مبنی بر استنتاج با مرتبه بزرگی، با بررسی مشتریانی که بارهای کاری واقعی را اجرا می‌کنند، مورد ارزیابی قرار خواهد گرفت. حافظه SRAM روی تراشه بسیار سریع است، اما ۴۴ گیگابایت برای هر تراشه یک بودجه ثابت است و نحوه مقیاس‌پذیری سیستم‌ها برای بزرگترین مدل‌ها، میزان پذیرش گسترده این طراحی را تعیین خواهد کرد.

خرید خدمات توسط عامل‌های هوش مصنوعی، لجر XRP را به مرز ۱۲ میلیون تراکنش نزدیک کرد

تراکنش‌های پردازش شده در لجر XRP (XRPL) با نزدیک شدن به ۱۲ میلیون مورد، شاهد رشد چشمگیری بوده است. این افزایش عمدتاً ناشی از خرید خدمات آنلاین، داده‌ها و توان پردازشی توسط عامل‌های هوش مصنوعی است.

گسترش تجارت خودکار

رهبران مهندسی در شرکت ریپل (Ripple) گسترش تجارت خودکار را به عنوان پدیده‌ای توصیف می‌کنند که در آن نرم‌افزارها اقدام به خرید توان پردازشی، داده‌ها و خدمات مالی نوظهور می‌کنند. این روند نشان‌دهنده گامی مهم در جهت خودکارسازی و تسهیل مبادلات در فضای دیجیتال است.

نقش هوش مصنوعی در تراکنش‌های XRPL

خرید خدمات دیجیتال توسط عامل‌های هوش مصنوعی، نقش بسزایی در افزایش تعداد تراکنش‌های ثبت شده در لجر XRP داشته است. این امر نشان‌دهنده پتانسیل بالای این فناوری در پشتیبانی از اقتصاد نوظهور مبتنی بر هوش مصنوعی است.

راه‌اندازی XRP Asia با حمایت ریپل و بنیاد XRP Ledger برای گسترش پذیرش در منطقه آسیا-اقیانوسیه

سازمان XRP Asia با حمایت شرکت ریپل (Ripple) و بنیاد XRP Ledger (XRP Ledger Foundation) راه‌اندازی شد تا پذیرش فناوری XRP Ledger را در سراسر منطقه آسیا-اقیانوسیه گسترش دهد. این سازمان که مقر آن در سنگاپور است، با تمرکز بر آموزش توسعه‌دهندگان، حمایت از استارتاپ‌ها و برنامه‌های اجتماعی، به تیم‌ها کمک خواهد کرد تا برنامه‌های کاربردی خود را به بازار عرضه کنند.

XRP Asia، پل ارتباطی میان سازندگان در منطقه

توسعه‌دهندگان و استارتاپ‌ها در سراسر منطقه آسیا-اقیانوسیه اکنون از یک سازمان اختصاصی بهره‌مند خواهند شد که به طور ویژه برای حمایت از آن‌ها در اکوسیستم XRP Ledger فعالیت خواهد کرد. این ابتکار جدید با هدف رفع موانع موجود و تسریع روند نوآوری در این حوزه صورت گرفته است. XRP Asia قصد دارد با ایجاد یک شبکه قوی از متخصصان و کارآفرینان، به رشد و توسعه برنامه‌های کاربردی مبتنی بر XRP Ledger در بازارهای کلیدی آسیا کمک کند. این سازمان برنامه‌های آموزشی جامعی را برای ارتقاء مهارت‌های توسعه‌دهندگان و همچنین برنامه‌های حمایتی هدفمند برای استارتاپ‌های نوپا در نظر گرفته است تا آن‌ها بتوانند ایده‌های خود را به محصولات موفق تبدیل کنند.

ویس اینترنشنال سمی‌کانداکتور (VIS) به دنبال احداث دومین کارخانه تولید ویفر در سنگاپور است

شرکت ویس اینترنشنال سمی‌کانداکتور (VIS) در حال بررسی طرح احداث دومین کارخانه تولید ویفر در سنگاپور است. این در حالی است که اولین کارخانه این شرکت در این کشور به تازگی افتتاح شده و ظرفیت آن از پیش رزرو شده است.

سرمایه‌گذاری مشترک با NXP و تمرکز بر تقاضای هوش مصنوعی

این اقدام از طریق VSMC، سرمایه‌گذاری مشترک VIS با NXP سمی‌کانداکتور صورت می‌گیرد. دلیل اصلی این توسعه، تقاضای فزاینده برای هوش مصنوعی (AI) است، به ویژه برای تراشه‌های تخصصی که زیرساخت‌های هوش مصنوعی به طور پنهانی به آن‌ها متکی هستند.

افتتاح اولین کارخانه و رزرو کامل ظرفیت

اولین کارخانه ۳۰۰ میلی‌متری VSMC در تامپینز سنگاپور در تاریخ ۲۸ سپتامبر ۲۰۲۶ افتتاح شد و انتظار می‌رود تولید در سه ماهه اول سال ۲۰۲۷ آغاز شود. این بازه زمانی اهمیت دارد، زیرا ظرفیت اولیه این تأسیسات از قبل به طور کامل رزرو شده است و مشتریان متعهد به دریافت محصولاتی هستند که هنوز تولید نشده‌اند.

افزایش ظرفیت به دلیل تقاضای مشتریان

لوه فانگ، رئیس هیئت مدیره VIS، اعلام کرد که تقاضای مشتریان باعث شده تا ظرفیت اولین تأسیسات فراتر از حد انتظار افزایش یابد. این فشار، شرکت را بر آن داشت تا ارزیابی برای احداث کارخانه دوم را آغاز کند.

سرمایه‌گذاری عظیم در اولین کارخانه

اقتصاد اولین سایت کوچک نیست. برآورد سرمایه‌گذاری برای این کارخانه بین ۶.۷ تا ۷.۸ میلیارد دلار آمریکا تخمین زده می‌شود. طبق این طرح، کارخانه تامپینز تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه خواهد رسید و انتظار می‌رود حدود ۱۶۰۰ شغل ایجاد کند.

ساختار سرمایه‌گذاری مشترک

این سرمایه‌گذاری مشترک به صورت ۶۰ درصد برای VIS و ۴۰ درصد برای NXP تقسیم شده است. این ساختار به VIS سهم کنترلی و به NXP جایگاهی تضمین شده در دسترسی به ظرفیت تولید می‌دهد.

تمرکز بر گره‌های تولیدی بالغ

VSMC بر فرآیندهای تولید بین ۴۰ تا ۱۳۰ نانومتر تمرکز دارد. این گره‌های تولیدی بالغ، به معنای هندسه‌های بزرگتر و قدیمی‌تر تراشه هستند، برخلاف فرآیندهای پیشرفته که برای شتاب‌دهنده‌های اصلی هوش مصنوعی استفاده می‌شوند.

هوش مصنوعی فیزیکی: فرصت جدید

رافائل سوتومایور، مدیرعامل NXP، این تأسیسات را حول یک ایده خاص تعریف کرده است. وی اظهار داشت که این کارخانه به طور قابل توجهی به فعال‌سازی “هوش مصنوعی فیزیکی” در بخش‌هایی از جمله خودروسازی و کاربردهای صنعتی کمک خواهد کرد.

“هوش مصنوعی فیزیکی” به هوشی اشاره دارد که در ماشین‌هایی که با دنیای واقعی تعامل دارند، نه در پنجره چت‌بات‌ها، زندگی می‌کند. خودروها، تجهیزات کارخانه‌ای و سیستم‌های صنعتی همگی در این دسته قرار می‌گیرند.

تنگنای ظرفیت و رقابت در بازار

فوری‌ترین سیگنال، مربوط به تنگنای ظرفیت است. اگر اولین کارخانه VSMC قبل از شروع تولید در سه ماهه اول سال ۲۰۲۷ به طور کامل رزرو شود، خریداران تراشه‌های گره بالغ ممکن است با محیطی رقابتی‌تر برای تأمین مواجه شوند.

ارزیابی کارخانه دوم

برای VIS و NXP، کارخانه دوم هنوز در مرحله ارزیابی قرار دارد. هیچ جدول زمانی، رقم سرمایه‌گذاری یا هدف ظرفیتی برای آن در جزئیات منتشر شده تاکنون ذکر نشده است، بنابراین باید آن را به عنوان یک طرح در نظر گرفت نه یک تعهد قطعی.

مقیاس سرمایه‌گذاری و چشم‌انداز بلندمدت

اعداد و ارقام مربوط به اولین کارخانه، مقیاس این سرمایه‌گذاری را نشان می‌دهد. تأسیساتی با هزینه تقریبی ۶.۷ تا ۷.۸ میلیارد دلار آمریکا که تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه می‌رسد، یک شرط‌بندی بلندمدت است که فرض بر این است که سایت دوم نیز باید با آن مطابقت داشته باشد یا توجیهی برای آن ارائه دهد.

ریسک‌ها و نکات قابل توجه

ریسک‌هایی وجود دارد که باید مورد توجه قرار گیرند. اولین کارخانه هنوز باید فرآیند راه‌اندازی خود را اجرا کند، شروع تولید در سه ماهه اول سال ۲۰۲۷ را محقق سازد و طبق برنامه به سمت هدف سال ۲۰۲۹ مقیاس‌بندی شود.

در همین حال، سنگاپور از مشاغل و سرمایه‌گذاری‌های مرتبط با سایت اول سود خواهد برد. احداث کارخانه دوم این حضور را عمیق‌تر خواهد کرد، اگرچه جزئیات هرگونه تأسیسات مشابه هنوز مشخص نشده است.

نکات کلیدی برای پیگیری ساده هستند. به دنبال تصمیم رسمی در مورد کارخانه دوم، هرگونه ارقام سرمایه‌گذاری به‌روز شده و اینکه آیا کارخانه تامپینز تولید را طبق برنامه مورد انتظار سه ماهه اول سال ۲۰۲۷ آغاز خواهد کرد، باشید.

محققان متا، دانشگاه دوک و دانشگاه کالیفرنیا، دیویس، ایده جدیدی برای بهبود عامل‌های هوش مصنوعی دارند. به جای تمرکز بر خود مدل، آن‌ها پیشنهاد می‌کنند که چارچوب اطراف مدل را بهبود بخشند و از چندین تیم خود-بهبوددهنده به جای یک تیم واحد استفاده کنند.

بهبود عملکرد عامل‌های هوش مصنوعی با رویکرد چند شاخه‌ای

پیش‌چاپ این تحقیق با عنوان «ترکیبی از شاخه‌های خود-بهبوددهنده برای بهینه‌سازی چارچوب عامل» (Mixture of Self-Improving Branches for Agent Harness Optimization)، بهبود ۳۴.۸ درصدی نسبی را در استدلال ریاضی در سطح المپیاد گزارش کرده است. این رویکرد دقت مدل Gemini 3 Flash را از ۴۶.۰ درصد به ۶۲.۰ درصد افزایش داده است، بدون اینکه نیازی به بازآموزی خود مدل باشد.

به طور رسمی‌تر، «چارچوب عامل» (agent harness) به چارچوب کدنویسی گفته می‌شود که مدل زبان بزرگ را احاطه می‌کند. این چارچوب شامل دستورات (prompts) دریافتی مدل، ابزارهایی که می‌تواند فراخوانی کند، متنی که برای مشاهده در اختیار دارد و نحوه اجرای اقداماتش می‌شود.

«بهینه‌سازی چارچوب» (harness optimization) به عمل جستجوی خودکار برای نسخه بهتر این پوشش کد اشاره دارد. مقاله جدید که در تاریخ ۲۹ سپتامبر ۲۰۲۶ در arXiv با شناسه 2609.37834v1 منتشر شده است، مستقیماً بر اساس سیستمی پیشین به نام Meta-Harness بنا شده است.

Meta-Harness که در تاریخ ۳۰ مارس ۲۰۲۶ منتشر شد، پیش از این در معیارهای مختلف عملکرد بهتری نسبت به روش‌های سنتی داشته است. کار جدید استدلال می‌کند که یک مسیر جستجوی واحد، بخشی از پتانسیل عملکرد را نادیده می‌گیرد.

بنابراین، محققان جستجو را به چندین شاخه تخصصی تقسیم کردند. هر شاخه به طور مستقل تکامل می‌یابد، با زیرمجموعه‌ای متمایز از داده‌های توسعه و سیاست خاص خود برای پیشنهاد تغییرات.

این شاخه‌ها همچنین از تاریخچه خود درس می‌گیرند. هر شاخه مواردی را که در آن‌ها بر رقبای خود برتری یافته است، حفظ می‌کند و استراتژی خود را بر اساس عملکرد تلاش‌های قبلی اصلاح می‌کند.

این موضوع سوال واضحی را مطرح می‌کند: چه کسی متخصص را انتخاب می‌کند؟ پاسخ یک «مسیریاب» (router) است. در زمان استقرار، این مسیریاب بهترین سر شاخه را برای هر ورودی دریافتی انتخاب می‌کند.

کل فرآیند فقط بر روی داده‌های مجموعه توسعه اجرا می‌شود. نویسندگان گزارش می‌دهند که چارچوب‌های مکمل، بهبودهای خود را بدون هیچ دسترسی به مجموعه آزمون ارائه کرده‌اند.

نتیجه برجسته در استدلال ریاضی در سطح المپیاد به دست آمد. دقت با استفاده از Gemini 3 Flash از ۴۶.۰ درصد به ۶۲.۰ درصد افزایش یافت، که نویسندگان آن را به عنوان یک بهبود ۳۴.۸ درصدی نسبی توصیف می‌کنند.

این بهبودها به وظایف عاملی نیز منتقل شد. در Terminal-Bench 2.0، که عامل‌ها را در محیط خط فرمان آزمایش می‌کند، این سیستم افزایش ۱۱.۶ درصدی را ثبت کرد.

SWE-bench Lite، یک معیار مهندسی نرم‌افزار، افزایش ۳.۸ درصدی را نشان داد.

فهرست نویسندگان شامل Haoyu Dong، وابسته به Meta و دانشگاه دوک، و Zihao Lin، وابسته به Meta و UC Davis است. Lizhu Zhang و Zhuokai Zhao به عنوان نویسندگان مشترک آخر ذکر شده‌اند.

این مقاله یک پیش‌چاپ است که در arXiv منتشر شده است. این بدان معناست که به صورت عمومی به اشتراک گذاشته شده است، اما لزوماً تحت بررسی رسمی همتایان قرار نگرفته است.

جهش از ۴۶.۰ درصد به ۶۲.۰ درصد در ریاضیات دشوار، که بدون دستکاری وزن‌های مدل به دست آمده است، نشان می‌دهد که بهبودهای معنی‌دار می‌تواند از مهندسی محیطی که مدل در آن عمل می‌کند، حاصل شود.

سوالات باز و قابل توجهی وجود دارد. اجرای و نگهداری چندین شاخه در حال تکامل به همراه یک مسیریاب احتمالاً پیچیدگی را افزایش می‌دهد، و نتایج مقاله از معیارهای خاص و یک مدل خاص به دست آمده است.

Meta-Harness در مارس ۲۰۲۶ عرضه شد و در آن زمان نیز از روش‌های سنتی پیشی گرفته بود. تقریباً شش ماه بعد، جانشین آن ادعا می‌کند که از خود Meta-Harness بهتر عمل می‌کند.

ریکاوری بیت‌کوین با داده‌های اشتغال ضعیف‌تر و تقاضای سرمایه‌گذاری مجدد تقویت می‌شود

به گزارش ۲۱shares، ریکاوری بیت‌کوین از حمایت داده‌های اشتغال ضعیف‌تر و تقاضای سرمایه‌گذاری مجدد برخوردار شده است. استراتژیست این شرکت معتقد است کاهش انتظارات برای تشدید بیشتر سیاست‌های پولی، به نفع ارزهای دیجیتال در آستانه فصل پایانی سال است.

داده‌های اشتغال ضعیف‌تر، سد ۸۷ هزار دلاری بیت‌کوین را در کانون توجه قرار می‌دهد

بیت‌کوین در طول شب از مرز ۸۵ تا ۸۶ هزار دلار عبور کرد و در روز [تاریخ نامشخص] در حال آزمایش سطح ۸۷ هزار دلار بود. این تحولات همزمان با انتشار داده‌های اشتغال ایالات متحده صورت گرفته که نشان‌دهنده کندی در بازار کار است. این موضوع انتظارات برای ادامه افزایش نرخ بهره توسط فدرال رزرو را کاهش داده و به عنوان یک عامل مثبت برای دارایی‌های پرریسک مانند بیت‌کوین تلقی می‌شود.

تحلیلگران ۲۱shares بر این باورند که با توجه به کاهش احتمالی فشارهای تورمی و توقف چرخه افزایش نرخ بهره، سرمایه‌گذاران ممکن است بار دیگر به سمت دارایی‌های جایگزین مانند ارزهای دیجیتال روی آورند. این تغییر در انتظارات سیاست‌گذاران پولی می‌تواند محرک مهمی برای رشد قیمت بیت‌کوین در ماه‌های آینده باشد.

در حالی که جزئیات بیشتری از این گزارش و تحلیل‌ها در دسترس نیست، اما تمرکز بر سد ۸۷ هزار دلاری نشان‌دهنده اهمیت این سطح قیمتی به عنوان یک نقطه مقاومت کلیدی برای بیت‌کوین در کوتاه‌مدت است. موفقیت در عبور از این مانع می‌تواند راه را برای صعودهای بیشتر هموار کند.

شرکت‌های ارز دیجیتال دوباره شروع به استخدام کرده‌اند، اما به نظر می‌رسد جویندگان کار از این موضوع بی‌اطلاع هستند.

بر اساس گزارش روندهای استخدام در سه ماهه سوم سال ۲۰۲۶ پلتفرم CryptoJobsList، تعداد آگهی‌های شغلی ماهانه در این پلتفرم از ۳۸۲ مورد در ماه جولای به ۱۲۴۱ مورد در ماه سپتامبر افزایش یافته است. این رقم در ماه سپتامبر بالاترین حجم آگهی ماهانه در سال ۲۰۲۶ را نشان می‌دهد.

در مقابل، تعداد درخواست‌های شغلی روند معکوسی را طی کرده است. این تعداد از ۲۶,۷۲۸ مورد در ماه جولای به ۱۹,۶۰۵ مورد در ماه سپتامبر کاهش یافته است که نشان‌دهنده افت تقریبی ۲۷ درصدی در همان دوره‌ای است که تعداد آگهی‌ها بیش از ۲۲۰ درصد افزایش یافته است.

CryptoJobsList، که یک پلتفرم کاریابی متمرکز بر مشاغل حوزه Web3 و بلاکچین است، سه ماهه سوم را به سه بخش ماهانه تقسیم کرده است:

• جولای: ۱۰۷ شرکت فعالانه در حال استخدام بودند. این شرکت‌ها در مجموع ۳۸۲ شغل آگهی کردند و ۲۶,۷۲۸ درخواست شغلی دریافت نمودند.
• آگوست: تعداد شرکت‌های استخدام‌کننده به ۷۳ مورد کاهش یافت. با این حال، تعداد آگهی‌های شغلی با رشدی بیش از دو برابر به ۸۸۶ مورد رسید، در حالی که تعداد درخواست‌ها به ۲۴,۶۴۱ مورد کاهش یافت.
• سپتامبر: تعداد شرکت‌های فعال در استخدام به ۱۲۵ مورد افزایش یافت. آگهی‌های شغلی به ۱,۲۴۱ مورد رسید و تعداد درخواست‌ها به ۱۹,۶۰۵ مورد سقوط کرد.

این گزارش، نتیجه را به عنوان “بازار کار رقابتی برای استعدادها” توصیف می‌کند.

ریچارد باتلی، مسئول تحقیقات و بازاریابی در CryptoJobsList، این سه ماهه را “نقطه عطف” توصیف کرد. به گفته وی، شرکت‌های ارز دیجیتال در حال فاصله گرفتن از رویکرد کاهش هزینه‌ها و حرکت به سمت استخدام تهاجمی‌تر هستند.

باتلی این تغییر را به سه عامل نسبت داد: افزایش علاقه نهادی به این بخش، موجی از همکاری‌ها با موسسات مالی سنتی و ورود مجدد سرمایه خطرپذیر به شرکت‌های ارز دیجیتال.

بر اساس این گزارش، تقاضا برای موقعیت‌های تخصصی مانند توسعه‌دهندگان پروتکل، مدیران انطباق و معامله‌گران کمی همچنان قوی باقی مانده است، زیرا صنعت به سمت سه ماهه چهارم پیش می‌رود.

این گزارش نشان می‌دهد که بهبود روند استخدام بیشتر در شرکت‌های بزرگ متمرکز است و به طور یکنواخت در سراسر بخش توزیع نشده است.

ارقام ماه آگوست به این پویایی اشاره دارد. در آن ماه، شرکت‌های کمتری در حال استخدام بودند، اما تعداد کل آگهی‌ها افزایش یافت، که نشان می‌دهد گروه کوچکتری از کارفرمایان بخش عمده‌ای از بار استخدام را بر عهده داشته‌اند.

ماه سپتامبر تصویر را تا حدی گسترده‌تر کرد، به طوری که تعداد شرکت‌های فعال در استخدام از ۷۳ به ۱۲۵ مورد افزایش یافت. با این حال، تحلیل گزارش حاکی از آن است که این بهبود، متنوع و نه همگانی است.

برای جویندگان کار، این داده‌ها به معنای قدرت چانه‌زنی بیشتر است. بازاری با آگهی‌های بیشتر و درخواست‌های کمتر می‌تواند منجر به پیشنهادات حقوقی قوی‌تر و شرایط بهتر شود، به ویژه برای نقش‌های تخصصی که گزارش به آن‌ها اشاره می‌کند.

با این حال، این مزیت بالقوه به طور مساوی توزیع نشده است. کاندیداهایی با سابقه در مهندسی پروتکل، انطباق یا معاملات کمی در بهترین موقعیت قرار دارند.

چندین نشانه برای رصد در سه ماهه چهارم وجود دارد. اولین مورد این است که آیا حجم آگهی‌های ماه سپتامبر حفظ می‌شود یا اوج فصلی خواهد بود. دومین مورد این است که آیا تعداد درخواست‌ها تثبیت می‌شود. سومین مورد این است که آیا استخدام فراتر از شرکت‌های بزرگ گسترش می‌یابد. در نهایت، اگر علاقه نهادی، مشارکت‌های مالی سنتی و جریان سرمایه خطرپذیر به حمایت از روند استخدام ادامه دهند، نقش‌های تخصصی ذکر شده در گزارش ممکن است تا سال جدید همچنان مورد تقاضا باشند.

فلر و دوپلر برای ادغام و فراهم کردن دسترسی مستقیم به خزانه (vault)‌های FXRP برای دارندگان XRP از طریق پلتفرم دوپلر، با یکدیگر همکاری می‌کنند. این همکاری با افزودن استراتژی‌های سرمایه‌گذاری از ارائه‌دهندگان خارجی، در راستای گسترش فعالیت‌های دوپلر فراتر از محصولات بازدهی خود صورت می‌گیرد.

مسیر مستقیم به خزانه فلر

دارندگان XRP که از دوپلر استفاده می‌کنند، به زودی قادر خواهند بود از طریق این پلتفرم به خزانه‌های فلر دسترسی پیدا کنند. این ادغام امکان سرمایه‌گذاری مستقیم در دارایی‌های مبتنی بر XRP را برای کاربران فراهم می‌آورد و استراتژی‌های متنوعی را در دسترس آن‌ها قرار می‌دهد. این اقدام گامی مهم در جهت تسهیل دسترسی به محصولات مالی غیرمتمرکز برای جامعه XRP محسوب می‌شود.