Neenooo
21.6k منشورات
Neenooo
تحقُّق Binance Square الإضافيUnwanted
878 تتابع
64.9K+ المتابعون
56.9K+ إعجاب
منشورات
الكل
اقتباسات
مقاطع فيديو
Live
PINNED
PINNED
تمّ التحقق
قضيت بعض الوقت أفكر في معنى كلمة «اختياري» فعلًا داخل طلب سياسة
يمثل استدعاء Newton’s newt_createTask RPC أن intent_signature اختياري في المخطط الأساسي.
لكن هذا لا يعني أن كل مهمة يمكنها حذفه.
عندما تقوم السياسة المحددة بقراءة input.intent_signature، أو يتطلب ذلك PolicyClient المختار أو تدفق يعتمد على الهوية، يجب أن يتضمن الطلب توقيعًا وفقًا لـ EIP-712 للنوايا (intent) بالضبط.
يمكن أن يؤدي تمرير توقيع فارغ مثل "0x" إلى الفشل قبل تقييم Rego، لأن البوابة تتوقع أن يحتوي التوقيع المُشفّر على 65 بايتًا تمامًا.
في البداية، بدا الأمر غير متسق.
ليس كذلك.
يجب أن يدعم الطرف المشترك تدفقات تتطلب نية موقعة وتدفقات لا تتطلب ذلك. لذلك يجعل Newton الحقل اختياريًا في مخطط الطلب العام، مع السماح لسياسة محددة أو لتدفق تكامل محدد بفرضه.
ما لفت الانتباه لم يكن المرونة.
بل كان خطر التكامل.
يمكن لواجهة أمامية أن تستوفي مخطط الطلب الأساسي بينما لا تزال تحذف حقلًا مطلوبًا من سياستها المختارة أو من تدفق PolicyClient الخاص بها. عندها قد يفشل الطلب قبل التقييم، مما يعني أن التطبيق قد يكتشف متطلب التوقيع فقط بعد الإرسال.
هذا يجعل التحقق المراعي للتدفق أمرًا مهمًا.
يحتاج التكامل إلى فهم ليس فقط الحقول التي يقبلها الطرف المشترك، بل أيضًا الحقول التي تتطلبها سياساته المحددة وPolicyClient وتدفق الهوية قبل إرسال المهمة.
هل يدعم مخطط مهام Newton المرن تصميمات سياسات أكثر، أم يجعل متطلبات التوقيع الحرجة أصعب على التطبيقات لتحديدها قبل الإرسال؟
هل يساعد مخطط مهام Newton الاختياري عمليات التكامل أم يضرها؟
#Newt #NEWT @NewtonProtocol $NEWT $MAGMA
$ARPA
يمثل استدعاء Newton’s newt_createTask RPC أن intent_signature اختياري في المخطط الأساسي.
لكن هذا لا يعني أن كل مهمة يمكنها حذفه.
عندما تقوم السياسة المحددة بقراءة input.intent_signature، أو يتطلب ذلك PolicyClient المختار أو تدفق يعتمد على الهوية، يجب أن يتضمن الطلب توقيعًا وفقًا لـ EIP-712 للنوايا (intent) بالضبط.
يمكن أن يؤدي تمرير توقيع فارغ مثل "0x" إلى الفشل قبل تقييم Rego، لأن البوابة تتوقع أن يحتوي التوقيع المُشفّر على 65 بايتًا تمامًا.
في البداية، بدا الأمر غير متسق.
ليس كذلك.
يجب أن يدعم الطرف المشترك تدفقات تتطلب نية موقعة وتدفقات لا تتطلب ذلك. لذلك يجعل Newton الحقل اختياريًا في مخطط الطلب العام، مع السماح لسياسة محددة أو لتدفق تكامل محدد بفرضه.
ما لفت الانتباه لم يكن المرونة.
بل كان خطر التكامل.
يمكن لواجهة أمامية أن تستوفي مخطط الطلب الأساسي بينما لا تزال تحذف حقلًا مطلوبًا من سياستها المختارة أو من تدفق PolicyClient الخاص بها. عندها قد يفشل الطلب قبل التقييم، مما يعني أن التطبيق قد يكتشف متطلب التوقيع فقط بعد الإرسال.
هذا يجعل التحقق المراعي للتدفق أمرًا مهمًا.
يحتاج التكامل إلى فهم ليس فقط الحقول التي يقبلها الطرف المشترك، بل أيضًا الحقول التي تتطلبها سياساته المحددة وPolicyClient وتدفق الهوية قبل إرسال المهمة.
هل يدعم مخطط مهام Newton المرن تصميمات سياسات أكثر، أم يجعل متطلبات التوقيع الحرجة أصعب على التطبيقات لتحديدها قبل الإرسال؟
هل يساعد مخطط مهام Newton الاختياري عمليات التكامل أم يضرها؟
#Newt #NEWT @NewtonProtocol $NEWT $MAGMA
$ARPA
🔹 Supports more policy design
🔹 Hides critical requirements
20 ساعة (ساعات) مُتبقية
قضيت بعض الوقت أفكر في سبب أن سياسة تبدأ برفض كل شيء يمكن أن تصبح مع ذلك مرنة بشكل مدهش.
أمثلة نِيوتن لـ Rego تستخدم:
default allow := false
هذا يجعل قرار الملاذ الافتراضي false عندما لا ينطبق أي شرط آخر يسمح.
يبدو ذلك صارمًا.
لكن الافتراضي لا يحكم على جودة القواعد التي يمكنها إلغاءه. مثال نِيوتن للجزاءات يسمح بإجراء معاملة عندما تبلغ الجهة الموثِّقة (oracle) عدم وجود تطابق مع أي جزاءات. كما أن قاعدة سماح مستقلة أخرى تُجيز المعاملات القادمة من عنوان المسؤول المُهيَّأ، ويصف نِيوتن ذلك باعتباره تجاوزًا لفحص الجزاءات.
الملاذ الافتراضي حذر.
مسارات الموافقة قد لا تكون كذلك.
تضيف كل قاعدة مستقلة تسمح شرطًا إضافيًا يمكن عنده أن يصبح القرار النهائي true. لذلك يمكن أن يؤدي استثناء واسع جدًا أو شرط غير مكتمل إلى إضعاف الحماية التي يوفرها نهج الرفض الافتراضي.
ما برز لم يكن الملاذ الافتراضي نفسه.
بل كان مدى سهولة أن يُساء فهم default allow := false على أنه دليل على أن السياسة بأكملها محافظة. يوفر الرفض الافتراضي نقطة بداية أكثر أمانًا، لكن الأمان الحقيقي للسياسة ما يزال يعتمد على كل قاعدة قادرة على إنتاج الموافقة.
هل يمنح الرفض الافتراضي سياسات نِيوتن أساسًا أقوى، أم يخلق ثقة قد تختفي من خلال مسار سماح مكتوب بشكل رديء واحد؟
هل يجعل default allow := false سياسة نِيوتن أكثر أمانًا بشكل حقيقي؟
#Newt #NEWT @NewtonProtocol l $NEWT $BREV $TLM
أمثلة نِيوتن لـ Rego تستخدم:
default allow := false
هذا يجعل قرار الملاذ الافتراضي false عندما لا ينطبق أي شرط آخر يسمح.
يبدو ذلك صارمًا.
لكن الافتراضي لا يحكم على جودة القواعد التي يمكنها إلغاءه. مثال نِيوتن للجزاءات يسمح بإجراء معاملة عندما تبلغ الجهة الموثِّقة (oracle) عدم وجود تطابق مع أي جزاءات. كما أن قاعدة سماح مستقلة أخرى تُجيز المعاملات القادمة من عنوان المسؤول المُهيَّأ، ويصف نِيوتن ذلك باعتباره تجاوزًا لفحص الجزاءات.
الملاذ الافتراضي حذر.
مسارات الموافقة قد لا تكون كذلك.
تضيف كل قاعدة مستقلة تسمح شرطًا إضافيًا يمكن عنده أن يصبح القرار النهائي true. لذلك يمكن أن يؤدي استثناء واسع جدًا أو شرط غير مكتمل إلى إضعاف الحماية التي يوفرها نهج الرفض الافتراضي.
ما برز لم يكن الملاذ الافتراضي نفسه.
بل كان مدى سهولة أن يُساء فهم default allow := false على أنه دليل على أن السياسة بأكملها محافظة. يوفر الرفض الافتراضي نقطة بداية أكثر أمانًا، لكن الأمان الحقيقي للسياسة ما يزال يعتمد على كل قاعدة قادرة على إنتاج الموافقة.
هل يمنح الرفض الافتراضي سياسات نِيوتن أساسًا أقوى، أم يخلق ثقة قد تختفي من خلال مسار سماح مكتوب بشكل رديء واحد؟
هل يجعل default allow := false سياسة نِيوتن أكثر أمانًا بشكل حقيقي؟
#Newt #NEWT @NewtonProtocol l $NEWT $BREV $TLM
it creates a strong foundatio
75%
allow path is tightly written
25%
36 الأصوات • تمّ إغلاق التصويت
صحيح جزئيًا
قضيت بعض الوقت أفكر في معنى «اللامركزية» عندما يكون نطاق المشاركة ما زال مُرشَّحًا.
يصف نيوتن مشغّليه بأنهم «مصرَّح بهم» من حيث الجودة والمساءلة، لكن «لامركزيين» من حيث الحياد والمرونة. مجموعة المشغّلين ليست «بدون إذن». يجب أن يستوفي المشغّلون متطلبات تشغيلية تتعلق بالجاهزية (uptime) وزمن الاستجابة والتوزيع الجغرافي، إلى جانب متطلبات امتثال تتعلق بالحالة القانونية والاختصاص القضائي. ويسمي نيوتن هذا «مجموعة مشغّلين لامركزية تم التحقق منها بشكل مُقنع».
في البداية، بدا الأمر وكأن @NewtonProtocol يتخلى عن بعض الانفتاح.
لكن بمرور الوقت، بدا الخيار أكثر عملية. تتيح الأنظمة «بدون إذن» مشاركة أوسع، لكنها لا تضمن تلقائيًا أداءً قويًا أو مساءلة واضحة. يهدف نموذج نيوتن بدلًا من ذلك إلى توزيع التشغيل عبر كيانات مستقلة ومزوّدي بنية تحتية وأقاليم جغرافية واختصاصات قانونية متعددة، مع الاستمرار في تطبيق متطلبات الدخول.
هذه هي القوة.
يستخدم نيوتن أيضًا خُمسًا (quorum) من نوع BLS موزونًا بالحصص وفقًا لإعدادات قابلة للتكوين. توضح وثائقه أنه مع عتبة خُمس تبلغ 67%، ودون أن يتحكم أي مشغّل بأكثر من 33% من إجمالي الحصص، يجب أن يتفق ما لا يقل عن ثلاثة كيانات مشغّلين مستقلة قبل أن تصبح عملية الإسناد (attestation) صالحة.
لكن هذه الشرط مهم.
قائمة المشغّلين الموزعة لا تُجيب وحدها عن كل الأسئلة المتعلقة باللامركزية. ما يزال الاعتماد على المرونة يعتمد على ما إذا كانت الحصص والتحكم التشغيلي موزعين بما يكفي بين كيانات مستقلة فعلًا.
يشرح تصميم اللامركزية المنشور متطلبات المشغّلين ونموذج الخُمس، لكنه لا يصف عملية قبول المشغّلين بالتفصيل الكافي لحسم من يوافق على المشاركين الجدد أو كيف يتم حماية الحياد عند تلك الحدود.
الجزء الذي لم أحسمه هو ما إذا كانت المشاركة المصرّح بها تخلق لامركزية «تم التحقق منها بشكل مُقنع»، أم أنها تستبدل الوصول المفتوح باتحاد (فيدرالية) مُدار.
هل يعزز نموذج نيوتن للمشغّلين المُتحقق منهم اللامركزية؟
#Newt $NFP $M
#NEWT
$NEWT
يصف نيوتن مشغّليه بأنهم «مصرَّح بهم» من حيث الجودة والمساءلة، لكن «لامركزيين» من حيث الحياد والمرونة. مجموعة المشغّلين ليست «بدون إذن». يجب أن يستوفي المشغّلون متطلبات تشغيلية تتعلق بالجاهزية (uptime) وزمن الاستجابة والتوزيع الجغرافي، إلى جانب متطلبات امتثال تتعلق بالحالة القانونية والاختصاص القضائي. ويسمي نيوتن هذا «مجموعة مشغّلين لامركزية تم التحقق منها بشكل مُقنع».
في البداية، بدا الأمر وكأن @NewtonProtocol يتخلى عن بعض الانفتاح.
لكن بمرور الوقت، بدا الخيار أكثر عملية. تتيح الأنظمة «بدون إذن» مشاركة أوسع، لكنها لا تضمن تلقائيًا أداءً قويًا أو مساءلة واضحة. يهدف نموذج نيوتن بدلًا من ذلك إلى توزيع التشغيل عبر كيانات مستقلة ومزوّدي بنية تحتية وأقاليم جغرافية واختصاصات قانونية متعددة، مع الاستمرار في تطبيق متطلبات الدخول.
هذه هي القوة.
يستخدم نيوتن أيضًا خُمسًا (quorum) من نوع BLS موزونًا بالحصص وفقًا لإعدادات قابلة للتكوين. توضح وثائقه أنه مع عتبة خُمس تبلغ 67%، ودون أن يتحكم أي مشغّل بأكثر من 33% من إجمالي الحصص، يجب أن يتفق ما لا يقل عن ثلاثة كيانات مشغّلين مستقلة قبل أن تصبح عملية الإسناد (attestation) صالحة.
لكن هذه الشرط مهم.
قائمة المشغّلين الموزعة لا تُجيب وحدها عن كل الأسئلة المتعلقة باللامركزية. ما يزال الاعتماد على المرونة يعتمد على ما إذا كانت الحصص والتحكم التشغيلي موزعين بما يكفي بين كيانات مستقلة فعلًا.
يشرح تصميم اللامركزية المنشور متطلبات المشغّلين ونموذج الخُمس، لكنه لا يصف عملية قبول المشغّلين بالتفصيل الكافي لحسم من يوافق على المشاركين الجدد أو كيف يتم حماية الحياد عند تلك الحدود.
الجزء الذي لم أحسمه هو ما إذا كانت المشاركة المصرّح بها تخلق لامركزية «تم التحقق منها بشكل مُقنع»، أم أنها تستبدل الوصول المفتوح باتحاد (فيدرالية) مُدار.
هل يعزز نموذج نيوتن للمشغّلين المُتحقق منهم اللامركزية؟
#Newt $NFP $M
#NEWT
$NEWT
🔘 Yes—quality and resilience
58%
🔘 No—admission limits neutral
13%
🔘 Both—depends on distributio
12%
🔘 Too early to judge
17%
24 الأصوات • تمّ إغلاق التصويت
#newt $NEWT @NewtonProtocol #NEWT
اعتقدتُ في البداية أن السياسات مجرد قواعد ثابتة يتم رفعها مرة واحدة وتُتبع إلى الأبد.
يفصل Newton منطق سياسة Rego القابل لإعادة الاستخدام عن التكوين المرفق مع PolicyClient. يمكن لمالكه توفير معلمات مثل العتبات، وحدود التعرض أو قوائم العناوين المعتمدة، ثم يقوم Gateway بتمرير هذا التكوين JSON المسطّح إلى السياسة كبيانات data.params.
وهذا يغيّر التصميم.
يمكن أن يبقى منطق الأساس كما هو، بينما يتغير حدّ التنفيذ. قد يقوم تطبيق واحد بتكوين حد أكبر. وقد يطبّق تطبيق آخر القاعدة نفسها بحد أكثر صرامة.
يتضمن إعداد PolicyClient أيضًا expireAfter، لكن هذا لا يُنهي أو يُحدّث المعلمات نفسها. بل يحدد نافذة الحظر التي يمكن خلالها ما يزال تنفيذ التحقق (attestation). إذا ضبطته قصيرًا جدًا فقد لا يكون لدى المستخدمين وقت كافٍ لإكمال المعاملة. وإذا ضبطته طويلًا جدًا فستظل الموافقة قابلة للاستخدام ضمن نافذة أمان أوسع.
لم يلفت انتباهي المرونة بحد ذاتها.
بل مكان انتقال المسؤولية.
قد تكون السياسة عامة وحتمية، لكن النتيجة العملية ما زالت تعتمد على من يختار المعلمات، وكيف تتم مراجعة تلك القيم، وكم تبقى الموافقات التي تم إنشاؤها ضمن ذلك التكوين قابلة للتنفيذ.
يؤدي تحديث معلمات PolicyClient إلى استدعاء setPolicy(PolicyConfig) مرة أخرى وإرجاع policyId جديد. وتقول وثائق Newton إن معرف السياسة الذي تم تسجيله سابقًا يصبح عتيقًا (stale)، بينما تتطلب عملية التحقق أن يتطابق policy ID الخاص بالـ attestation مع التكوين الحالي للعميل.
وهذا يُنشئ حدًا مرئيًا للتكوين، لكن المستخدمين ما زالوا بحاجة لفهم ما الذي تغيّر خلف المعرّف الجديد.
الجزء الذي لم أحدده بالكامل بعد هو ما إذا كانت PolicyClients القابلة للتكوين تجعل قاعدة واحدة قابلة لإعادة الاستخدام بأمان، أو ما إذا كانت تُدخل أحكامًا مهمة داخل الإعدادات التي لن يطلع عليها معظم المستخدمين.
هل يؤدي فرض التنفيذ عبر معلمات إلى ضوابط أكثر قابلية للتكيّف، أم أنه يجعل منطق السياسة المتطابق يحمل افتراضات ثقة مختلفة جدًا على أي حال؟
هل تُحسن PolicyClients القابلة للتكوين التنفيذ—أم أنها تُخفي الكثير من الأحكام داخل الإعدادات؟
$SYN $H
اعتقدتُ في البداية أن السياسات مجرد قواعد ثابتة يتم رفعها مرة واحدة وتُتبع إلى الأبد.
يفصل Newton منطق سياسة Rego القابل لإعادة الاستخدام عن التكوين المرفق مع PolicyClient. يمكن لمالكه توفير معلمات مثل العتبات، وحدود التعرض أو قوائم العناوين المعتمدة، ثم يقوم Gateway بتمرير هذا التكوين JSON المسطّح إلى السياسة كبيانات data.params.
وهذا يغيّر التصميم.
يمكن أن يبقى منطق الأساس كما هو، بينما يتغير حدّ التنفيذ. قد يقوم تطبيق واحد بتكوين حد أكبر. وقد يطبّق تطبيق آخر القاعدة نفسها بحد أكثر صرامة.
يتضمن إعداد PolicyClient أيضًا expireAfter، لكن هذا لا يُنهي أو يُحدّث المعلمات نفسها. بل يحدد نافذة الحظر التي يمكن خلالها ما يزال تنفيذ التحقق (attestation). إذا ضبطته قصيرًا جدًا فقد لا يكون لدى المستخدمين وقت كافٍ لإكمال المعاملة. وإذا ضبطته طويلًا جدًا فستظل الموافقة قابلة للاستخدام ضمن نافذة أمان أوسع.
لم يلفت انتباهي المرونة بحد ذاتها.
بل مكان انتقال المسؤولية.
قد تكون السياسة عامة وحتمية، لكن النتيجة العملية ما زالت تعتمد على من يختار المعلمات، وكيف تتم مراجعة تلك القيم، وكم تبقى الموافقات التي تم إنشاؤها ضمن ذلك التكوين قابلة للتنفيذ.
يؤدي تحديث معلمات PolicyClient إلى استدعاء setPolicy(PolicyConfig) مرة أخرى وإرجاع policyId جديد. وتقول وثائق Newton إن معرف السياسة الذي تم تسجيله سابقًا يصبح عتيقًا (stale)، بينما تتطلب عملية التحقق أن يتطابق policy ID الخاص بالـ attestation مع التكوين الحالي للعميل.
وهذا يُنشئ حدًا مرئيًا للتكوين، لكن المستخدمين ما زالوا بحاجة لفهم ما الذي تغيّر خلف المعرّف الجديد.
الجزء الذي لم أحدده بالكامل بعد هو ما إذا كانت PolicyClients القابلة للتكوين تجعل قاعدة واحدة قابلة لإعادة الاستخدام بأمان، أو ما إذا كانت تُدخل أحكامًا مهمة داخل الإعدادات التي لن يطلع عليها معظم المستخدمين.
هل يؤدي فرض التنفيذ عبر معلمات إلى ضوابط أكثر قابلية للتكيّف، أم أنه يجعل منطق السياسة المتطابق يحمل افتراضات ثقة مختلفة جدًا على أي حال؟
هل تُحسن PolicyClients القابلة للتكوين التنفيذ—أم أنها تُخفي الكثير من الأحكام داخل الإعدادات؟
$SYN $H
🔘 Adaptable, safer controls
66%
🔘 Same logic, different trust
34%
29 الأصوات • تمّ إغلاق التصويت
قضيت بعض الوقت في التفكير في معنى السيادة عندما يتم مشاركة بنية تحتية للذكاء الاصطناعي.
يصف OpenGradient المكدس العصبي (Neuro Stack) بأنه حزمة تطوير معيارية ومفتوحة المصدر لبناء تطبيقات سلسلة بلوكتشين (appchains) وشبكات L2 مدعومة بالذكاء الاصطناعي. يمكن لهذه الشبكات تطوير بنية تحتية متخصصة وعمليات مُسبقة (precompiles) مع الاستفادة من بنية HACA لدى OpenGradient، وعُقد الاستدلال (inference) والبيانات والتخزين، ومركز النماذج (Model Hub)، وواجهة المطورين (SDK)، وشبكة التسوية.
في البداية، بدا الأمر مثاليًا.
يمكن للمطورين إنشاء بلوكتشين متخصصة بينما يستخدمون أدوات OpenGradient الحالية الخاصة بالنماذج والحوسبة والتحقق.
لكن تصبح السيادة أكثر تعقيدًا عندما تبقى عناصر أولية مهمة (primitives) مشتركة.
وبحسب تصميمه، قد تتحكم سلسلة المكدس العصبي في منطق التطبيق وقواعده والبنية التحتية المتخصصة—وربما في رمزها الخاص أو حيز الكتل—مع الاستمرار في الاعتماد على OPG لأجزاء من مسار الاستدلال وأدوات النماذج والبيانات والتخزين ومسار التسوية.
لا يعني ذلك أن السلسلة بلا معنى أو غير سيادية.
بل يعني أن السيادة يمكن أن توجد على طبقات التطبيق والحوكمة، بينما تبقى الاعتمادات التشغيلية في مكان آخر داخل المكدس.
هذا هو الجزء الذي أعود إليه باستمرار.
يمكن للبداهات/العناصر الأولية المشتركة أن تقلل تكلفة إنشاء شبكات ذكاء اصطناعي متخصصة، وأن تتيح إعادة استخدام الأدوات المطورة لسلسلة واحدة من سلاسل المكدس العصبي بواسطة سلاسل أخرى. لكن قد تواصل سلاسل مختلفة البناء حول تلك العناصر الأولية باستخدام قواعد وافتراضات تطبيقية وتطبيقات مُسبقة مختلفة.
لذلك، قد يؤدي المزيد من التخصيص إلى توسيع نطاق التجربة، وفي الوقت نفسه إلى جعل المعايير والأدوات وتوقعات المستخدمين أقل اتساقًا.
@OpenGradient لا تزال الوثائق الحالية تصف أن عدة سلاسل من المكدس العصبي يجري تطويرها مع عملاء ضمن مرحلة ألفا خاصة. كما تقول أيضًا إن بداهات أوسع للتوافق والتنسيق ما زالت قيد التطوير، لذلك لا ينبغي تقديم الإطلاق باعتباره شبكة عامة ناضجة من appchains.
هل تجعل البنية التحتية المشتركة سلاسل ذكاء اصطناعي سيادية عملية، أم أنها تخلق شبكاتًا متخصصة ترتبط استقلاليتها بشكل وثيق بنفس البنية التحتية الأساسية؟
#OPG $OPG $SYN $BTW
يصف OpenGradient المكدس العصبي (Neuro Stack) بأنه حزمة تطوير معيارية ومفتوحة المصدر لبناء تطبيقات سلسلة بلوكتشين (appchains) وشبكات L2 مدعومة بالذكاء الاصطناعي. يمكن لهذه الشبكات تطوير بنية تحتية متخصصة وعمليات مُسبقة (precompiles) مع الاستفادة من بنية HACA لدى OpenGradient، وعُقد الاستدلال (inference) والبيانات والتخزين، ومركز النماذج (Model Hub)، وواجهة المطورين (SDK)، وشبكة التسوية.
في البداية، بدا الأمر مثاليًا.
يمكن للمطورين إنشاء بلوكتشين متخصصة بينما يستخدمون أدوات OpenGradient الحالية الخاصة بالنماذج والحوسبة والتحقق.
لكن تصبح السيادة أكثر تعقيدًا عندما تبقى عناصر أولية مهمة (primitives) مشتركة.
وبحسب تصميمه، قد تتحكم سلسلة المكدس العصبي في منطق التطبيق وقواعده والبنية التحتية المتخصصة—وربما في رمزها الخاص أو حيز الكتل—مع الاستمرار في الاعتماد على OPG لأجزاء من مسار الاستدلال وأدوات النماذج والبيانات والتخزين ومسار التسوية.
لا يعني ذلك أن السلسلة بلا معنى أو غير سيادية.
بل يعني أن السيادة يمكن أن توجد على طبقات التطبيق والحوكمة، بينما تبقى الاعتمادات التشغيلية في مكان آخر داخل المكدس.
هذا هو الجزء الذي أعود إليه باستمرار.
يمكن للبداهات/العناصر الأولية المشتركة أن تقلل تكلفة إنشاء شبكات ذكاء اصطناعي متخصصة، وأن تتيح إعادة استخدام الأدوات المطورة لسلسلة واحدة من سلاسل المكدس العصبي بواسطة سلاسل أخرى. لكن قد تواصل سلاسل مختلفة البناء حول تلك العناصر الأولية باستخدام قواعد وافتراضات تطبيقية وتطبيقات مُسبقة مختلفة.
لذلك، قد يؤدي المزيد من التخصيص إلى توسيع نطاق التجربة، وفي الوقت نفسه إلى جعل المعايير والأدوات وتوقعات المستخدمين أقل اتساقًا.
@OpenGradient لا تزال الوثائق الحالية تصف أن عدة سلاسل من المكدس العصبي يجري تطويرها مع عملاء ضمن مرحلة ألفا خاصة. كما تقول أيضًا إن بداهات أوسع للتوافق والتنسيق ما زالت قيد التطوير، لذلك لا ينبغي تقديم الإطلاق باعتباره شبكة عامة ناضجة من appchains.
هل تجعل البنية التحتية المشتركة سلاسل ذكاء اصطناعي سيادية عملية، أم أنها تخلق شبكاتًا متخصصة ترتبط استقلاليتها بشكل وثيق بنفس البنية التحتية الأساسية؟
#OPG $OPG $SYN $BTW
🔹 Yes — specialization matter
100%
🔹 No — dependencies limit sov
0%
2 الأصوات • تمّ إغلاق التصويت
يقوم HACA بفصل التنفيذ عن التحقق. تتولى عقد الاستدلال المتخصصة التعامل مع طلبات الذكاء الاصطناعي، بينما تتحقق العقد الكاملة من الأدلة وتُبقي على دفتر الأستاذ
$RAVE $TAC
$RAVE $TAC
Beboo_
·
--
$TAC $GWEI $OPG
يفصل HACA تنفيذ وحدة معالجة الرسومات عن التحقق المدعوم بـ TEE
كنت أعتقد أن الذكاء الاصطناعي اللامركزي يواجه مشكلة عتادية بسيطة.
اعثر على عدد كافٍ من وحدات GPU، وقسّم عبء العمل، وسيحل الباقي نفسه في النهاية. لكن التنفيذ الخام بدأ يبدو أقل قيمة عندما لاحظت مدى ضآلة ما يمكن لآلة قوية أن تثبته بخصوص إجابتها. يمكن لوحدة GPU إنتاج نتيجة بسرعة. لكنها لا تستطيع إثبات أن العملية المعتمدة هي التي تعاملت مع الطلب، أو أن الاستجابة ظلت دون تغيير.
هذا الفرق هو ما يجعل معمارية HACA الخاصة بـ OpenGradient مثيرة للاهتمام بالنسبة لي.
يفصل HACA بين التنفيذ والتحقق. تتولى عقد استدلال متخصصة التعامل مع طلبات الذكاء الاصطناعي، بينما تتحقق العقد الكاملة من الدليل وتحافظ على السجل. لا يُعيد المُصدِّقون تنفيذ كل عملية استدلال مكلفة، ويمكن للمستخدمين استلام الردود بينما يستمر تسوية الإثبات بشكل غير متزامن.
عند استخدام تحقق TEE، يوفر الإسناد (attestation) أدلة مدعومة من العتاد بأن كود الحماية داخل enclave المعتمد قد تعامل مع تدفق طلب-استجابة دون تعديل غير مصرح به. تتحقق العقد الكاملة من أن هذا الدليل يتوافق مع معلومات الـ enclave المسجلة قبل أن تقبل آلية الإجماع ذلك.
هذا الصياغة مهمة. لا يثبت إسناد TEE بالضرورة أن كل حسابات GPU قد تمت داخل الـ enclave، خاصة عندما يوجّه وكيل LLM طلبًا محميًا إلى مزوّد نموذج خارجي. فهو يتحقق من حدود التنفيذ الموثوق ومن سلامة العملية التي جرى إسنادها.
لذلك، لا تتمثل القيمة في سعة GPU وحدها. بل تتمثل في الفصل بين تنفيذ عمل الذكاء الاصطناعي وبين تحديد ما إذا كان الدليل المصاحب ينبغي الوثوق به.
ومع ذلك، فـ التحقق ليس ذكاءً. لا يستطيع إثبات أن النموذج دقيق، أو غير متحيّز، أو مفيد، أو تمت تفسيره بمسؤولية.
كمتداول، أراقب ما إذا كانت HACA تحافظ على زمن استجابة منخفض مع زيادة حجم الإثبات، وما إذا كان المطورون يدفعون مقابل تحقق أقوى، وما إذا كان الاستدلال المُتحقق يخلق طلبًا متكررًا.
يمكن لوحدات GPU أن تجعل الذكاء الاصطناعي أسرع. السؤال الأعمق هو ما إذا كانت HACA قادرة على جعل هذا التسارع قابلا للمحاسبة
@OpenGradient #OPG
يفصل HACA تنفيذ وحدة معالجة الرسومات عن التحقق المدعوم بـ TEE
كنت أعتقد أن الذكاء الاصطناعي اللامركزي يواجه مشكلة عتادية بسيطة.
اعثر على عدد كافٍ من وحدات GPU، وقسّم عبء العمل، وسيحل الباقي نفسه في النهاية. لكن التنفيذ الخام بدأ يبدو أقل قيمة عندما لاحظت مدى ضآلة ما يمكن لآلة قوية أن تثبته بخصوص إجابتها. يمكن لوحدة GPU إنتاج نتيجة بسرعة. لكنها لا تستطيع إثبات أن العملية المعتمدة هي التي تعاملت مع الطلب، أو أن الاستجابة ظلت دون تغيير.
هذا الفرق هو ما يجعل معمارية HACA الخاصة بـ OpenGradient مثيرة للاهتمام بالنسبة لي.
يفصل HACA بين التنفيذ والتحقق. تتولى عقد استدلال متخصصة التعامل مع طلبات الذكاء الاصطناعي، بينما تتحقق العقد الكاملة من الدليل وتحافظ على السجل. لا يُعيد المُصدِّقون تنفيذ كل عملية استدلال مكلفة، ويمكن للمستخدمين استلام الردود بينما يستمر تسوية الإثبات بشكل غير متزامن.
عند استخدام تحقق TEE، يوفر الإسناد (attestation) أدلة مدعومة من العتاد بأن كود الحماية داخل enclave المعتمد قد تعامل مع تدفق طلب-استجابة دون تعديل غير مصرح به. تتحقق العقد الكاملة من أن هذا الدليل يتوافق مع معلومات الـ enclave المسجلة قبل أن تقبل آلية الإجماع ذلك.
هذا الصياغة مهمة. لا يثبت إسناد TEE بالضرورة أن كل حسابات GPU قد تمت داخل الـ enclave، خاصة عندما يوجّه وكيل LLM طلبًا محميًا إلى مزوّد نموذج خارجي. فهو يتحقق من حدود التنفيذ الموثوق ومن سلامة العملية التي جرى إسنادها.
لذلك، لا تتمثل القيمة في سعة GPU وحدها. بل تتمثل في الفصل بين تنفيذ عمل الذكاء الاصطناعي وبين تحديد ما إذا كان الدليل المصاحب ينبغي الوثوق به.
ومع ذلك، فـ التحقق ليس ذكاءً. لا يستطيع إثبات أن النموذج دقيق، أو غير متحيّز، أو مفيد، أو تمت تفسيره بمسؤولية.
كمتداول، أراقب ما إذا كانت HACA تحافظ على زمن استجابة منخفض مع زيادة حجم الإثبات، وما إذا كان المطورون يدفعون مقابل تحقق أقوى، وما إذا كان الاستدلال المُتحقق يخلق طلبًا متكررًا.
يمكن لوحدات GPU أن تجعل الذكاء الاصطناعي أسرع. السؤال الأعمق هو ما إذا كانت HACA قادرة على جعل هذا التسارع قابلا للمحاسبة
@OpenGradient #OPG
قضيت بعض الوقت أفكر في معنى أن تمتد حوكمة التوكنات إلى العتاد.
يقول OpenGradient إن الحوكمة يمكنها التصويت على عتاد TEE المدعوم، وتسعير الغاز، وتخصيص الخزانة، وترقيات البروتوكول.
في البداية، بدا ذلك كأنه مشاركة واسعة.
لكن الأمر أكثر تقنية من ذلك.
إن اختيار عتاد TEE المدعوم لا يقتصر فقط على اعتماد قائمة موردين. بل يمكن أن يؤثر في بيئات الثقة الخاصة بالعتاد التي يقبلها الشبكة للاستدلال القابل للتحقق.
وعلى نحو منفصل، يتم التحقق من كود الإِنكلِف (enclave) المعتمد مقابل تجزئات PCR المحفوظة عبر عملية موافقة تتم على السلسلة.
يسهم تسعير الغاز في تحديد تكلفة الاستخدام المتكرر للشبكة. وتؤثر قرارات الخزانة في المبادرات البحثية والبنية التحتية ومبادرات النظام البيئي التي تحصل على الدعم.
هذا قدر كبير من البنية المعمارية المخفية داخل تسمية حوكمة واحدة.
تبدو القوة الكامنة واضحة. إذ يحصل أصحاب المصلحة على دور رسمي في قرارات قد تُشكّل البنية التحتية للشبكة بدلاً من ترك كل خيار مهم ثابتاً إلى الأبد عند مطوريه الأصليين.
لكن حقوق التصويت لا تجعل القرارات التقنية قابلة للفهم تلقائياً.
قد لا يكون أغلب الناخبين على دراية كاملة بمخاطر العتاد، أو قرارات التسعير، أو الإنفاق من الخزانة، أو ترقية البروتوكول. وقد يعتمدون على خبراء لشرح ماذا تعني كل مقترحات فعلاً.
وهذا يخلق نقطة تركّز أخرى: ليس بالضرورة السيطرة على التصويتات، بل السيطرة على كيفية شرح الخيارات التقنية.
الجزء الذي لا أستطيع حسمه هو ما إذا كانت الحوكمة التقنية تُوزّع السيطرة فعلاً، أم أنها في المقام الأول تُوزّع مسؤولية قرارات لا يستطيع معظم الناخبين التحقق منها شخصياً.
هل يؤدي التصويت على البنية التحتية إلى جعل OpenGradient أكثر مساءلة، أم أن خيارات الهندسة شديدة التخصص قد تتحول إلى مسابقات شعبية بنتائج تمتد إلى مستوى البروتوكول بالكامل؟
هل تُوزّع الحوكمة التقنية السيطرة حقاً؟
$RAVE $GWEI
#OPG @OpenGradient t $OPG
يقول OpenGradient إن الحوكمة يمكنها التصويت على عتاد TEE المدعوم، وتسعير الغاز، وتخصيص الخزانة، وترقيات البروتوكول.
في البداية، بدا ذلك كأنه مشاركة واسعة.
لكن الأمر أكثر تقنية من ذلك.
إن اختيار عتاد TEE المدعوم لا يقتصر فقط على اعتماد قائمة موردين. بل يمكن أن يؤثر في بيئات الثقة الخاصة بالعتاد التي يقبلها الشبكة للاستدلال القابل للتحقق.
وعلى نحو منفصل، يتم التحقق من كود الإِنكلِف (enclave) المعتمد مقابل تجزئات PCR المحفوظة عبر عملية موافقة تتم على السلسلة.
يسهم تسعير الغاز في تحديد تكلفة الاستخدام المتكرر للشبكة. وتؤثر قرارات الخزانة في المبادرات البحثية والبنية التحتية ومبادرات النظام البيئي التي تحصل على الدعم.
هذا قدر كبير من البنية المعمارية المخفية داخل تسمية حوكمة واحدة.
تبدو القوة الكامنة واضحة. إذ يحصل أصحاب المصلحة على دور رسمي في قرارات قد تُشكّل البنية التحتية للشبكة بدلاً من ترك كل خيار مهم ثابتاً إلى الأبد عند مطوريه الأصليين.
لكن حقوق التصويت لا تجعل القرارات التقنية قابلة للفهم تلقائياً.
قد لا يكون أغلب الناخبين على دراية كاملة بمخاطر العتاد، أو قرارات التسعير، أو الإنفاق من الخزانة، أو ترقية البروتوكول. وقد يعتمدون على خبراء لشرح ماذا تعني كل مقترحات فعلاً.
وهذا يخلق نقطة تركّز أخرى: ليس بالضرورة السيطرة على التصويتات، بل السيطرة على كيفية شرح الخيارات التقنية.
الجزء الذي لا أستطيع حسمه هو ما إذا كانت الحوكمة التقنية تُوزّع السيطرة فعلاً، أم أنها في المقام الأول تُوزّع مسؤولية قرارات لا يستطيع معظم الناخبين التحقق منها شخصياً.
هل يؤدي التصويت على البنية التحتية إلى جعل OpenGradient أكثر مساءلة، أم أن خيارات الهندسة شديدة التخصص قد تتحول إلى مسابقات شعبية بنتائج تمتد إلى مستوى البروتوكول بالكامل؟
هل تُوزّع الحوكمة التقنية السيطرة حقاً؟
$RAVE $GWEI
#OPG @OpenGradient t $OPG
🔘 Yes, it improves accountab
75%
🔘 No, experts still shape dec
13%
🔘 It depends on voter partici
0%
🔘 Too early to judge
12%
16 الأصوات • تمّ إغلاق التصويت
قضيت بعض الوقت أفكر في مكان بدء قرار النموذج فعليًا.
يتضمن SolidML برنامجًا مُسبقًا لمعالجة البيانات يمكن للعقود الذكية استدعاؤه عند تجهيز المعلومات للاستدلال. يدعم عمليات مثل المتوسط، والتباين، والانحراف المعياري، والوسيط، والتطبيع، والمعيارية، والارتباط (الـcorrelation) على السلسلة.
في البداية، بدا لي الأمر كأنه مجرد دعم للرياضيات.
ليس الأمر كذلك.
غالبًا ما يتوقع النموذج أن تكون مدخلاته بصيغة محددة. تقول OpenGradient إن البرنامج المسبق يسمح للعقود الذكية بتحويل البيانات أو تجميعها إلى الصيغة المتوقعة أثناء نقل العمليات الحسابية المكثفة إلى السلسلة.
لكن التنفيذ الصحيح لا يضمن بالضرورة الإعداد المناسب.
يمكن تجهيز البيانات نفسها بعدة طرق. قد تكون الرياضيات صحيحة، لكن المدخل النهائي قد يظل يمنح النموذج صورة سيئة عن المشكلة الحقيقية.
هذه هي الفكرة التي ألاحظها باستمرار.
قد يجعل التنفيذ على السلسلة حساب المعالجة المُسبقة المطلوب قابلاً للتحقق. لكنه لا يستطيع تحديد ما إذا كان المطور قد اختار التحويل الصحيح، أو المتغيرات، أو مجموعة البيانات، أو نافذة الملاحظة المناسبة قبل تمرير النتيجة إلى النموذج.
يتوفر SolidML واستدلال تعلم-على-السلسلة حاليًا فقط على شبكة OpenGradient التجريبية (alpha) المُهملة، وليس على شبكتها التجريبية الأساسية. ما زال استدلال تعلم-على-السلسلة قيد التطوير للشبكة التجريبية الأساسية.
هذا الحد التجريبي مهم أكثر من مجرد الحسابات.
هل يُعزز التحضير القابل للتحقق الاستدلال على السلسلة، أم ينقل الخيارات الذاتية المتعلقة بالبيانات إلى كود يبدو موضوعيًا لأن حساباته يمكن التحقق منها؟
هل يجعل التحضير القابل للتحقق ذكاءً اصطناعيًا على السلسلة أكثر جدارة بالثقة؟
#OPG @OpenGradient $OPG $ACT $VELVET
يتضمن SolidML برنامجًا مُسبقًا لمعالجة البيانات يمكن للعقود الذكية استدعاؤه عند تجهيز المعلومات للاستدلال. يدعم عمليات مثل المتوسط، والتباين، والانحراف المعياري، والوسيط، والتطبيع، والمعيارية، والارتباط (الـcorrelation) على السلسلة.
في البداية، بدا لي الأمر كأنه مجرد دعم للرياضيات.
ليس الأمر كذلك.
غالبًا ما يتوقع النموذج أن تكون مدخلاته بصيغة محددة. تقول OpenGradient إن البرنامج المسبق يسمح للعقود الذكية بتحويل البيانات أو تجميعها إلى الصيغة المتوقعة أثناء نقل العمليات الحسابية المكثفة إلى السلسلة.
لكن التنفيذ الصحيح لا يضمن بالضرورة الإعداد المناسب.
يمكن تجهيز البيانات نفسها بعدة طرق. قد تكون الرياضيات صحيحة، لكن المدخل النهائي قد يظل يمنح النموذج صورة سيئة عن المشكلة الحقيقية.
هذه هي الفكرة التي ألاحظها باستمرار.
قد يجعل التنفيذ على السلسلة حساب المعالجة المُسبقة المطلوب قابلاً للتحقق. لكنه لا يستطيع تحديد ما إذا كان المطور قد اختار التحويل الصحيح، أو المتغيرات، أو مجموعة البيانات، أو نافذة الملاحظة المناسبة قبل تمرير النتيجة إلى النموذج.
يتوفر SolidML واستدلال تعلم-على-السلسلة حاليًا فقط على شبكة OpenGradient التجريبية (alpha) المُهملة، وليس على شبكتها التجريبية الأساسية. ما زال استدلال تعلم-على-السلسلة قيد التطوير للشبكة التجريبية الأساسية.
هذا الحد التجريبي مهم أكثر من مجرد الحسابات.
هل يُعزز التحضير القابل للتحقق الاستدلال على السلسلة، أم ينقل الخيارات الذاتية المتعلقة بالبيانات إلى كود يبدو موضوعيًا لأن حساباته يمكن التحقق منها؟
هل يجعل التحضير القابل للتحقق ذكاءً اصطناعيًا على السلسلة أكثر جدارة بالثقة؟
#OPG @OpenGradient $OPG $ACT $VELVET
🔘 Yes, it strengthens inferen
61%
🔘 Only if inputs are well cho
11%
🔘 It verifies math, not judgm
17%
🔘 Still too experimental
11%
18 الأصوات • تمّ إغلاق التصويت
اعتقدتُ في الأصل أن الاستدلال المُتحقَّق منه يصبح محمولًا بمجرد حسم برهانه.
تشير تصميم السلسلة المعيارية لـ OpenGradient إلى شيء أوسع. يذكر توثيقها أن IBC قد يتيح استدلالًا على الذكاء الاصطناعي عبر السلاسل في المستقبل. كما يقول أيضًا إن المستخدمين الأفراد والعملاء الخفيفين يمكنهم التحقق من استدلالات مُستقرة/محسومة بعينها، ما يسمح للمستخدمين على السلسلة وخارجها، وكذلك عبر السلاسل، باكتساب الثقة في نتائجهم.
يبدو ذلك قويًا.
لكن نقل مخرَجٍ ما لا يعني بالضرورة نقل كل ما تحتاجه تطبيقٌ آخر لتقييمه.
قد يحتاج التطبيق الوجهة إلى أكثر من مجرد رقم أو إجابة مُولَّدة. وقد يحتاج أيضًا إلى معلومات عن النموذج، والبيانات المُدخلة والالتزامات المُخرَجة، وإثبات أو إقرار (attestation)، وسجل التسوية، وبيانات وصف/ميتا حول الاستدلال، وطريقة التحقق التي تدعم النتيجة.
بالنسبة لاستدلال LLM، فإن مقدار البيانات المُسجَّلة على السلسلة بالفعل يختلف حسب نمط التسوية.
“PRIVATE” يستخدم تسوية فردية دون نشر تجزئات (hashes) المدخل أو المخرج على السلسلة، ما يحافظ على بيانات الاستدلال خارج السلسلة.
“BATCH_HASHED” يُجمِّع عدة استدلالات في تسوية واحدة باستخدام شجرة ميركل تحتوي على تجزئات المدخل والمخرج والتواقيع.
“INDIVIDUAL_FULL” يسجل معلومات النموذج كاملة، والبيانات الكاملة للمدخل والمخرج، وجميع بيانات/ميتا الاستدلال على السلسلة.
وهذا هو الحدّ الذي ألاحظه باستمرار.
قد تجعل قابلية التشغيل البيني الذكاء المُتحقَّق منه قابلاً لإعادة الاستخدام بدلًا من عزله. لكن تطبيق الوجهة سيظل بحاجة إلى قواعد واضحة لتحديد نوع الدليل الذي رافق النتيجة، وكيف ينبغي التحقق من هذا الدليل، وإلى أي مدى تدعم الاستنتاجاتُ ما يقال إنها تدعمه فعليًا.
وإلا فقد يصبح الاستدلال المُوثَّق بالكامل على OpenGradient رسالةً عبر السلاسل تحمل جزءًا فقط من سياق التحقق الأصلي.
وبما أن الاستدلال عبر السلاسل المُمكَّن بواسطة IBC ما يزال موصوفًا كوظيفة مستقبلية، فإن صيغة الرسالة النهائية، وتوافر الأدلة، وقواعد التحقق من جانب الوجهة، ستكون أمورًا حاسمة.
هل يمكن لاستدلال الذكاء الاصطناعي عبر السلاسل أن يحافظ على سياق الثقة خلف مخرَج مُتحقَّق منه؟
$VELVET $SLX
#OPG @OpenGradient $OPG
تشير تصميم السلسلة المعيارية لـ OpenGradient إلى شيء أوسع. يذكر توثيقها أن IBC قد يتيح استدلالًا على الذكاء الاصطناعي عبر السلاسل في المستقبل. كما يقول أيضًا إن المستخدمين الأفراد والعملاء الخفيفين يمكنهم التحقق من استدلالات مُستقرة/محسومة بعينها، ما يسمح للمستخدمين على السلسلة وخارجها، وكذلك عبر السلاسل، باكتساب الثقة في نتائجهم.
يبدو ذلك قويًا.
لكن نقل مخرَجٍ ما لا يعني بالضرورة نقل كل ما تحتاجه تطبيقٌ آخر لتقييمه.
قد يحتاج التطبيق الوجهة إلى أكثر من مجرد رقم أو إجابة مُولَّدة. وقد يحتاج أيضًا إلى معلومات عن النموذج، والبيانات المُدخلة والالتزامات المُخرَجة، وإثبات أو إقرار (attestation)، وسجل التسوية، وبيانات وصف/ميتا حول الاستدلال، وطريقة التحقق التي تدعم النتيجة.
بالنسبة لاستدلال LLM، فإن مقدار البيانات المُسجَّلة على السلسلة بالفعل يختلف حسب نمط التسوية.
“PRIVATE” يستخدم تسوية فردية دون نشر تجزئات (hashes) المدخل أو المخرج على السلسلة، ما يحافظ على بيانات الاستدلال خارج السلسلة.
“BATCH_HASHED” يُجمِّع عدة استدلالات في تسوية واحدة باستخدام شجرة ميركل تحتوي على تجزئات المدخل والمخرج والتواقيع.
“INDIVIDUAL_FULL” يسجل معلومات النموذج كاملة، والبيانات الكاملة للمدخل والمخرج، وجميع بيانات/ميتا الاستدلال على السلسلة.
وهذا هو الحدّ الذي ألاحظه باستمرار.
قد تجعل قابلية التشغيل البيني الذكاء المُتحقَّق منه قابلاً لإعادة الاستخدام بدلًا من عزله. لكن تطبيق الوجهة سيظل بحاجة إلى قواعد واضحة لتحديد نوع الدليل الذي رافق النتيجة، وكيف ينبغي التحقق من هذا الدليل، وإلى أي مدى تدعم الاستنتاجاتُ ما يقال إنها تدعمه فعليًا.
وإلا فقد يصبح الاستدلال المُوثَّق بالكامل على OpenGradient رسالةً عبر السلاسل تحمل جزءًا فقط من سياق التحقق الأصلي.
وبما أن الاستدلال عبر السلاسل المُمكَّن بواسطة IBC ما يزال موصوفًا كوظيفة مستقبلية، فإن صيغة الرسالة النهائية، وتوافر الأدلة، وقواعد التحقق من جانب الوجهة، ستكون أمورًا حاسمة.
هل يمكن لاستدلال الذكاء الاصطناعي عبر السلاسل أن يحافظ على سياق الثقة خلف مخرَج مُتحقَّق منه؟
$VELVET $SLX
#OPG @OpenGradient $OPG
🔹 Yes, if the evidence trave
57%
🔹 Only with strict standards
7%
🔹 The output alone is enough
14%
🔹 Too early to know
22%
14 الأصوات • تمّ إغلاق التصويت
يزداد الضغط تحت سطح المقاومة بينما يتمسك المشترون بالاتجاه ⚡
$SLX
دخول: 0.462 – 0.468
الأهداف: 0.483 – 0.495 – 0.515
وقف الخسارة: 0.451
$SLX يبقى فوق كل المتوسطات المتحركة الرئيسية، بينما يدعم MACD الإيجابي استمرار الصعود. يشير RSI القريب من 70 إلى أن الزخم قوي لكنه مرتفع قليلًا.
الاحتفاظ عند 0.462 يبقي المشترين في السيطرة. يمكن أن يؤدي اختراق واضح فوق 0.483 إلى بدء التوسع التالي.
نفّذ صفقتك هنا على $SLX 👇
$SLX
دخول: 0.462 – 0.468
الأهداف: 0.483 – 0.495 – 0.515
وقف الخسارة: 0.451
$SLX يبقى فوق كل المتوسطات المتحركة الرئيسية، بينما يدعم MACD الإيجابي استمرار الصعود. يشير RSI القريب من 70 إلى أن الزخم قوي لكنه مرتفع قليلًا.
الاحتفاظ عند 0.462 يبقي المشترين في السيطرة. يمكن أن يؤدي اختراق واضح فوق 0.483 إلى بدء التوسع التالي.
نفّذ صفقتك هنا على $SLX 👇
الاتجاه ما زال قويًا، لكن السعر يختبر أعلى مستوى خلال 24 ساعة ⚡
$SYRUP
الدخول: 0.1500 – 0.1520
الأهداف: 0.1540 – 0.1580 – 0.1620
إيقاف الخسارة: 0.1470
$SYRUP ما يزال أعلى من كل المتوسطات المتحركة الرئيسية، بينما RSI قريب من 65 ويدعم MACD الإيجابي استمرارًا صعوديًا. الإبقاء على 0.1500 يحافظ على سيطرة المشترين؛ وقد يؤدي الاختراق النظيف فوق 0.1540 إلى تفعيل التوسع التالي.
تداول هنا على $SYRUP 👇
$SYRUP
الدخول: 0.1500 – 0.1520
الأهداف: 0.1540 – 0.1580 – 0.1620
إيقاف الخسارة: 0.1470
$SYRUP ما يزال أعلى من كل المتوسطات المتحركة الرئيسية، بينما RSI قريب من 65 ويدعم MACD الإيجابي استمرارًا صعوديًا. الإبقاء على 0.1500 يحافظ على سيطرة المشترين؛ وقد يؤدي الاختراق النظيف فوق 0.1540 إلى تفعيل التوسع التالي.
تداول هنا على $SYRUP 👇
لا يزال الزخم قويًا، لكن حركة 15 دقيقة قد امتدت بشكل كبير قرب مستوى المقاومة ⚡
$VELVET
الدخول: 1.36 – 1.40
الأهداف: 1.476 – 1.55 – 1.65
إيقاف الخسارة: 1.30
$VELVET يبقى فوق كل متوسط EMA رئيسي، بينما يدعم MACD الإيجابي استمرار الاتجاه. مؤشر RSI قرب 74 يحذّر من المطاردة بالسعر الحالي.
الحفاظ على 1.36 يبقي البنية الصعودية سليمة. اختراق نظيف أعلى من 1.476 قد يفعّل التمدد التالي.
تداول من هنا على $VELVET 👇
$VELVET
الدخول: 1.36 – 1.40
الأهداف: 1.476 – 1.55 – 1.65
إيقاف الخسارة: 1.30
$VELVET يبقى فوق كل متوسط EMA رئيسي، بينما يدعم MACD الإيجابي استمرار الاتجاه. مؤشر RSI قرب 74 يحذّر من المطاردة بالسعر الحالي.
الحفاظ على 1.36 يبقي البنية الصعودية سليمة. اختراق نظيف أعلى من 1.476 قد يفعّل التمدد التالي.
تداول من هنا على $VELVET 👇
اعتقدت في البداية أن إزالة عقدة مخترَقة حلّت مشكلة الثقة
@OpenGradient تستخدم مسارين مختلفين للمساءلة.
يقوم المُصادِقون بتأمين الإجماع عبر إثبات الحصة، مع خضوع السلوك الخبيث للخصم (slashing). تعمل عقد الاستدلال عبر سجلٍّ على السلسلة: تقبل العقد الكاملة النتائج الموقعة من عقد مسجّلة، بينما يمكن إزالة العقد المُخترَقة من ذلك السجل.
في البداية، بدا هذا الفصل أنيقًا.
وهو كذلك.
يُعرِّض مشغّلو الإجماع رأس مالٍ اقتصاديٍّ للخطر. أما مشغّلو الاستدلال فيخاطرون بفقدان تفويض الشبكة الذي يجعل توقيعاتهم مقبولة.
لكن الإلغاء (revocation) يغيّر أساسًا ما يحدث بعد ذلك.
بعد إزالة عقدة، لا ينبغي أن تظل النتائج الجديدة الموقعة منها تلبي شرط المُوقِّع المُسجَّل. السؤال الأصعب هو كيفية تعامل التطبيقات مع المخرجات التي تم إنتاجها قبل اكتشاف الاختراق.
قد تكون براهينها قد تم التحقق منها بالفعل وتسجيلها بشكل دائم في الوقت الذي كانت فيه العقدة ما تزال مُصرَّحًا لها. توثّق OpenGradient الإنهاء الفوري (instant finality) للبراهين المُستقرة، لكنها لا تصف الإلغاء اللاحق على أنه يُبطل تلقائيًا أو يُعيد تقييم المخرجات التاريخية للعقدة.
هذه هي الجزء الذي لا أستطيع حسمه.
يمكن للسجل أن يخبر الشبكة أي العقد مُصرَّح لها حاليًا. وبمفرده، لا يستطيع تحديد ما إذا كان ينبغي أن يحتفظ كل مخرج سابق بالمستوى نفسه من الثقة بعد ظهور أدلة جديدة.
تُهم هذه التفرقة لأن الاختراق غالبًا ما يُكتشف بعد حدوث النشاط، لا قبله.
قد يحمي الخصم (slashing) والإلغاء الشبكة إلى الأمام، بينما لا يزال يتعين على التطبيقات وضع سياسات للتعامل مع المخرجات التي تم قبولها قبل سحب الثقة.
عند إلغاء عقدة استدلال، ماذا ينبغي أن يحدث للمخرجات المقبولة سابقًا؟
#OPG @OpenGradient $OPG $MAGMA $AGLD
@OpenGradient تستخدم مسارين مختلفين للمساءلة.
يقوم المُصادِقون بتأمين الإجماع عبر إثبات الحصة، مع خضوع السلوك الخبيث للخصم (slashing). تعمل عقد الاستدلال عبر سجلٍّ على السلسلة: تقبل العقد الكاملة النتائج الموقعة من عقد مسجّلة، بينما يمكن إزالة العقد المُخترَقة من ذلك السجل.
في البداية، بدا هذا الفصل أنيقًا.
وهو كذلك.
يُعرِّض مشغّلو الإجماع رأس مالٍ اقتصاديٍّ للخطر. أما مشغّلو الاستدلال فيخاطرون بفقدان تفويض الشبكة الذي يجعل توقيعاتهم مقبولة.
لكن الإلغاء (revocation) يغيّر أساسًا ما يحدث بعد ذلك.
بعد إزالة عقدة، لا ينبغي أن تظل النتائج الجديدة الموقعة منها تلبي شرط المُوقِّع المُسجَّل. السؤال الأصعب هو كيفية تعامل التطبيقات مع المخرجات التي تم إنتاجها قبل اكتشاف الاختراق.
قد تكون براهينها قد تم التحقق منها بالفعل وتسجيلها بشكل دائم في الوقت الذي كانت فيه العقدة ما تزال مُصرَّحًا لها. توثّق OpenGradient الإنهاء الفوري (instant finality) للبراهين المُستقرة، لكنها لا تصف الإلغاء اللاحق على أنه يُبطل تلقائيًا أو يُعيد تقييم المخرجات التاريخية للعقدة.
هذه هي الجزء الذي لا أستطيع حسمه.
يمكن للسجل أن يخبر الشبكة أي العقد مُصرَّح لها حاليًا. وبمفرده، لا يستطيع تحديد ما إذا كان ينبغي أن يحتفظ كل مخرج سابق بالمستوى نفسه من الثقة بعد ظهور أدلة جديدة.
تُهم هذه التفرقة لأن الاختراق غالبًا ما يُكتشف بعد حدوث النشاط، لا قبله.
قد يحمي الخصم (slashing) والإلغاء الشبكة إلى الأمام، بينما لا يزال يتعين على التطبيقات وضع سياسات للتعامل مع المخرجات التي تم قبولها قبل سحب الثقة.
عند إلغاء عقدة استدلال، ماذا ينبغي أن يحدث للمخرجات المقبولة سابقًا؟
#OPG @OpenGradient $OPG $MAGMA $AGLD
🔹 Keep them valid
89%
🔹 Reassess them
0%
🔹 Depends on the evidence
0%
🔹 Applications must decide
11%
9 الأصوات • تمّ إغلاق التصويت
🚨 العقود الآجلة تشتعل بسرعة!
$MAGMA +66%
$ICNT +47%
$AGLD +44%
تخلق الشموع الخضراء الكبيرة فرصًا—لكن مطاردة المكاسب المتأخرة قد تحول الأرباح إلى تصفيات (Liquidations).
ما خطوتك عندما تنفجر العملات الرابحة بهذه القوة؟
$MAGMA +66%
$ICNT +47%
$AGLD +44%
تخلق الشموع الخضراء الكبيرة فرصًا—لكن مطاردة المكاسب المتأخرة قد تحول الأرباح إلى تصفيات (Liquidations).
ما خطوتك عندما تنفجر العملات الرابحة بهذه القوة؟
🔘 Buy the breakout
32%
🔘 Wait for a pullback
21%
🔘 Look for a short
42%
🔘 Stay out and watch
5%
19 الأصوات • تمّ إغلاق التصويت
الزخم قوي ومتفجّر، لكن مؤشر RSI بالقرب من 76 يجعل مطاردة الاندفاع محفوفة بالمخاطر ⚡
$VELVET
الدخول: 0.590 – 0.605
الأهداف: 0.623 – 0.6565 – 0.680
إيقاف الخسارة: 0.578
$VELVET يتداول بشكل جيد فوق كل متوسط EMA رئيسي، كما أن MACD إيجابي بقوة وحجم تداول في ارتفاع يؤكدان الزخم الصاعد. إعادة اختبار مُحكَمة هي الإعداد الأكثر أمانًا.
الاحتفاظ عند 0.590 يبقي بنية الاختراق سليمة؛ اختراق واضح فوق 0.6565 قد يشعل موجة توسّع أخرى.
تداول هنا على $VELVET 👇
$VELVET
الدخول: 0.590 – 0.605
الأهداف: 0.623 – 0.6565 – 0.680
إيقاف الخسارة: 0.578
$VELVET يتداول بشكل جيد فوق كل متوسط EMA رئيسي، كما أن MACD إيجابي بقوة وحجم تداول في ارتفاع يؤكدان الزخم الصاعد. إعادة اختبار مُحكَمة هي الإعداد الأكثر أمانًا.
الاحتفاظ عند 0.590 يبقي بنية الاختراق سليمة؛ اختراق واضح فوق 0.6565 قد يشعل موجة توسّع أخرى.
تداول هنا على $VELVET 👇
سجّل الدخول لاستكشاف المزيد من المُحتوى