熱門話題
查看更多1678.82萬 熱度
25.31萬 熱度
118.53萬 熱度
500.31萬 熱度
29.13萬 熱度
置頂
🍀 Spring Date with Fortune, Prizes with Raffle! Growth Value Phase 1️⃣ 7️⃣ Spring Raffle Carnival Begins!
Seize Spring's Good Luck! 👉 https://www.gate.com/activities/pointprize?now_period=17
🌟 How to Participate?
1️⃣ Enter [Square] personal homepage, click the points icon next to your avatar to enter [Community Center]
2️⃣ Complete Square or Hot Chat tasks such as posting, commenting, liking, speaking to earn growth value
🎁 Every 300 points can raffle once, 10g gold bars, Gate Red Bull gift box, VIP experience card and more prizes waiting for you to win!
Details 👉 https://www.gate.com/ann📢 Gate 廣場創作者衝榜火熱開啟！
發文贏獎勵，瓜分 1,500 USDT 總獎池 🔥
活動採用 曝光、互動、交易三重積分制——獲得更多曝光、贏得用戶互動、帶動真實交易，每一項都能為你累積積分，讓優質內容被看見、被獎勵。
✅ 總榜大獎：Top 10 創作者分享 1,050 USDT
✅ 新人 & 回歸激勵：5 位潛力作者各得 30 USDT
✅ 深度內容獎：6 篇優質長文各獲 50 USDT
📅 活動時間：3 月 19 日 - 4 月 4 日
📍 報名鏈接：https://www.gate.com/questionnaire/7494
📄 活動詳情：https://www.gate.com/zh/announcements/article/50265
原創內容、深度思考、真實互動——讓創作更有價值。
#Gate广场 #GateSquare #创作者冲榜 #内容挖矿福利加码，Gate 廣場明星帶單交易員三期招募開啟！
入駐發帖 · 瓜分 $30,000 月度獎池 & 千萬級流量扶持！
如何參與：
1️⃣ 報名成為跟單交易員：https://www.gate.com/copytrading/lead-trader-registration/futures
2️⃣ 報名活動：https://www.gate.com/questionnaire/7355
3️⃣ 入駐 Gate 廣場，持續發布交易相關原創內容
豐厚獎勵等你拿：
首發優質內容即得 $30 跟單體驗金
每雙周瓜分 $10,000U 內容獎池
Top 10 交易員額外瓜分 $20,000U 登榜獎池
精選帖推流、首頁推薦、周度明星交易員曝光
詳情：https://www.gate.com/announcements/article/50291🤖 尋找 Gate 廣場 AI 評測官！$50,000 懸賞令發布！
發帖聊 AI，獎金拿到手軟！新人首帖獎勵翻倍，單帖最高 200U！
📝 立即報名：https://www.gate.com/questionnaire/7477
1️⃣ 發帖得紅包，單帖最高 100U！
2️⃣ Top 體驗分享官：帶 #Gate广场AI测评官 聊技巧，贏國米球衣！
3️⃣ 收益率 PK 王：曬 AI 收益截圖，贏 Gate 定制運動套裝！
4️⃣ 深度好文額外加碼 30U 每篇張榜公布！
💬 來 Gate 廣場，把握行業新趨勢：https://www.gate.com/post
時間：3/12 18:00 – 3/27 24:00 (UTC+8)
詳情：https://www.gate.com/announcements/article/50206Gate 廣場內容挖礦獎勵繼續升級！無論您是創作者還是用戶，挖礦新人還是頭部作者都能贏取好禮獲得大獎。現在就進入廣場探索吧！
創作者享受最高60%創作返佣
創作者獎勵加碼1500USDT：更多新人作者能瓜分獎池！
觀眾點擊交易組件交易贏大禮！最高50GT等新春壕禮等你拿！
詳情：https://www.gate.com/announcements/article/49802
B3T 代表了在加密領域中一種新興的 AI 基礎設施優化方法。目前市值約為 9,000 美元，該項目解決了大型語言模型（LLM）部署中的一個根本挑戰：高資源消耗下高效運行大型語言模型的問題。
其技術創新主要集中在三個核心機制。首先，架構利用超緊湊的 1.58 位數值表示——一種激進的壓縮方法，顯著降低記憶體消耗，同時保持計算速度。第二，系統引入測試時訓練（Test-Time Training）功能，使引擎能夠通過實際使用模式不斷優化性能，而非在部署後保持靜止。第三，值得注意的是，整個程式碼庫完全用 Rust 編寫，沒有任何 Python 依賴，強調性能和記憶體安全，超越傳統方法。
這種組合使 B3T 成為一波重新思考 AI 基礎設施經濟的 Web3 項目之一。是否該技術方案在大規模生產中具有實用性，仍有待觀察，但其工程理念反映了行業當前向效率優先基礎設施轉型的趨勢。
---
rust寫全部代碼確實狠，就是不知道能不能真規模化部署
---
9k市值的項目敢說革新LLM部署，有點意思，就是感覺這類ai基礎設施項目命都不太長
---
test-time training這套邏輯我需要看看具體實現，光說持續優化誰不會吹
---
零python依賴聽起來爽，但生態生態生態啊，缺少這個包真的能行嗎
Rust零依賴這點確實抗打，就是9k市值感覺還在吹牛階段
Test-Time Training聽起來不錯，但生產環保不了再說吧
又是效率優先，又是LLM部署...這套詞我聽了多少遍了
其實就想問能省多少gas錢，這才是重點啊哥們
---
9k盤子這麼小，感覺還是賭的成分多
---
rust寫的沒有python依賴，這個思路確實不錯，但生態怎辦呢
---
test-time training聽起來牛逼，就是不知道實際效果如何
---
又一個ai基礎設施的項目，這波風口得有多少個啊
---
1.58bit？這壓縮率有點離譜，能保持精度嗎
---
早期項目都這樣，concept很美好，上線就拉胯...
---
efficiency-first不錯，就是擔心性能和可用性沒法兼顧
Rust重寫加零Python依賴這套確實能賣錢，就是怎麼跑起來再說吧
BTW Test-Time Training聽起來像是用戶越多越聰明，這邏輯感覺有點悬...
大餅的配套設施這麼多新項目都在卷，但真能降本增效的有幾個？
吹得挺響，等上線再看，這類基礎設施項目很容易成PPT呢
現在啥都往AI+Rust上靠，說得天花亂墜就怕砸手裡
9k市值就開始講production-viable，清醒點吧哥們
---
rust寫的ai基礎設施...聽起來很專業，不過真正上了生產環境才見真章
---
efficiency-first這套說辭現在誰都在講，關鍵還是要看真實數據
---
test-time training能持續優化？這要是真能work感覺確實牛逼
---
又是一個要改變ai經濟模型的項目，這類項目多了去了...
---
1.58bit能真的不損失精度我就信了，但懷疑是大頭
---
zero python dependencies這點我倒是服氣，性能優先是對的方向
---
又是Rust寫的，又是零依賴，聽起來挺牛逼...9k市值的項目敢這麼吹，有點意思
---
efficiency-first基礎設施這波確實是趨勢，但B3T能不能扛起來還兩說
---
Test-Time Training那套邏輯我沒太懂，能實際跑通不？
---
9k mc的項目說自己解決LLM部署痛點，還是有點樂觀了啊
---
rust寫的沒python依賴，行吧這確實有點東西，但9k市值這得多便宜
---
test-time training聽著不錯，實際效果怎麼樣誰知道，又是一個"理論很美好"的項目
---
又是效率優先基礎設施...這輪周期都在說這個，真的有這麼迫切嗎
---
1.58bit這數字起得有點刻意啊，總感覺哪裡不對勁
---
Rust生態還沒那麼成熟吧，真能支撐LLM這種重活兒？有人跑過benchmark沒
---
rust寫的全棧，沒有python依賴這點確實有點意思...但生產環保真的ready嗎？
---
又是ai基礎設施又是效率優先，這套說辭現在都爛大街了，show me the real use case
---
test-time training邊跑邊學，聽起來爽，但誰來保證不會跑飛
---
9k市值我尋思這是不是又一個跑路前的融資項目...
---
壓縮到1.58bit還能維持算力，有人成功驗證過嗎還是紙面創新
---
用Rust寫的零Python依賴，這思路確實硬核，就是不知道能不能實裝
---
test-time training這塊有點意思，等等看能不能真正優化成本
---
又一個efficiency-first的項目，這波AI基礎設施競爭可太卷了
---
壓縮到1.58bit還能保證速度？數學上講得通但實際怎樣還是兩說法
---
market cap才9k說明市場還沒意識到這東西，或者就是還沒證明自己