Binance Square
Marketta Lavalle g1UW
90 Posty

Marketta Lavalle g1UW

Otwarta transakcja
Trader standardowy
Dni: 17
115 Obserwowani
665 Obserwujący
109 Polubione
Posty
Portfolio
PINNED
·
--
Wszedłem w OpenGradient myśląc, że szybko to ogarnę. Zazwyczaj tak to u mnie wygląda. Przeczytam kilka stron, sprawdzę liczby, zrobię notatki i idę dalej. Tym razem ciągle utknąłem. Nie dlatego, że to było skomplikowane. Bo zrozumiałem, że patrzyłem na to w zły sposób. Większość czasu poświęciłem na oczywiste rzeczy. Aktywność, wzrost, adopcję. Rzeczy, na które wszyscy patrzą na początku. Potem, po przeczytaniu tych samych sekcji więcej niż raz, zauważyłem, że wcale mnie to już nie interesuje. To, co mnie przyciągało z powrotem, to znacznie prostsze pytanie. Jak wiesz, że system AI zrobił to, co twierdzi, że zrobił? To zabawne, bo nawet nie zaczynałem szukać na to odpowiedzi. Skupiłem się na zwykłych metrykach. Ale im dłużej to analizowałem, tym bardziej zdawałem sobie sprawę, że prawdopodobnie nie doceniałem tego zaufania. Większość z nas tak robi. Dostajemy wynik, akceptujemy go i idziemy dalej. To, co przykuło moją uwagę, to ilość myśli włożonej w udowodnienie, co działo się za kulisami, a nie tylko w produkcję kolejnego wyniku. Ta różnica na początku nie wydawała mi się ważna. Potem stała się jedyną rzeczą, o której mogłem myśleć. Pamiętam, jak zamknąłem laptop na chwilę, zrobiłem kawę i wróciłem do tego później, bo ta idea ciągle mnie niepokoiła. Nie w złym sensie. Raczej jak uczucie, które masz, gdy zdajesz sobie sprawę, że przez cały czas zadawałeś złe pytanie. Nadal nie wiem dokładnie, dokąd to prowadzi. Prawdopodobnie dlatego piszę o tym. Ale co jakiś czas natrafiam na coś, co przesuwa moją uwagę z tego, co się dzieje, na to, jak to się dzieje. To był jeden z tych momentów. I nie mogę się od tego uwolnić. #OPG @OpenGradient $OPG
Wszedłem w OpenGradient myśląc, że szybko to ogarnę.
Zazwyczaj tak to u mnie wygląda. Przeczytam kilka stron, sprawdzę liczby, zrobię notatki i idę dalej.
Tym razem ciągle utknąłem.
Nie dlatego, że to było skomplikowane. Bo zrozumiałem, że patrzyłem na to w zły sposób.
Większość czasu poświęciłem na oczywiste rzeczy. Aktywność, wzrost, adopcję. Rzeczy, na które wszyscy patrzą na początku. Potem, po przeczytaniu tych samych sekcji więcej niż raz, zauważyłem, że wcale mnie to już nie interesuje.
To, co mnie przyciągało z powrotem, to znacznie prostsze pytanie.
Jak wiesz, że system AI zrobił to, co twierdzi, że zrobił?
To zabawne, bo nawet nie zaczynałem szukać na to odpowiedzi. Skupiłem się na zwykłych metrykach. Ale im dłużej to analizowałem, tym bardziej zdawałem sobie sprawę, że prawdopodobnie nie doceniałem tego zaufania.
Większość z nas tak robi.
Dostajemy wynik, akceptujemy go i idziemy dalej.
To, co przykuło moją uwagę, to ilość myśli włożonej w udowodnienie, co działo się za kulisami, a nie tylko w produkcję kolejnego wyniku. Ta różnica na początku nie wydawała mi się ważna. Potem stała się jedyną rzeczą, o której mogłem myśleć.
Pamiętam, jak zamknąłem laptop na chwilę, zrobiłem kawę i wróciłem do tego później, bo ta idea ciągle mnie niepokoiła.
Nie w złym sensie.
Raczej jak uczucie, które masz, gdy zdajesz sobie sprawę, że przez cały czas zadawałeś złe pytanie.
Nadal nie wiem dokładnie, dokąd to prowadzi. Prawdopodobnie dlatego piszę o tym.
Ale co jakiś czas natrafiam na coś, co przesuwa moją uwagę z tego, co się dzieje, na to, jak to się dzieje.
To był jeden z tych momentów. I nie mogę się od tego uwolnić.
#OPG @OpenGradient $OPG
Zobacz tłumaczenie
nice post
nice post
Bit Beacon
·
--
Byczy
OpenGradient to sieć dla Open Intelligence — zdecentralizowana infrastruktura zaprojektowana do hostowania, uruchamiania wniosków i weryfikacji modeli AI na dużą skalę.

Otworzyłem panel, spodziewając się zobaczyć efekt sieciowy.

Zamiast tego znalazłem efekt grawitacji.

Wszyscy mówią o tym, jak szeroko protokół się rozwija, ale kapitał wydaje się podejmować własną decyzję o tym, gdzie chce mieszkać.

Większość płynności nie eksploruje ekosystemu. Jest skoncentrowana w kilku wdrożeniach, które wykonują ciężką pracę, podczas gdy reszta ledwie się rejestruje.

Ciekawa część nie polega na tym, że niektóre łańcuchy są większe od innych. To normalne.

Chodzi o to, jak ekstremalna staje się luka, gdy przestajesz patrzeć na nagłówną liczbę i zaczynasz analizować dystrybucję.

Mapa z dwudziestoma kropkami może wyglądać jak adopcja.

Bilans może opowiadać zupełnie inną historię.

I to zwróciło moją uwagę.

Ekspansję łatwo zmierzyć. Popyt jest trudniejszy.

Co rodzi ciekawsze pytanie: czy ekspansja tworzy popyt, czy popyt po prostu ujawnia, które ekspansje były potrzebne w pierwszej kolejności?

W przypadku OpenGradient odpowiedź może mieć większe znaczenie niż sama narracja o wzroście.

#OPG @OpenGradient_ $OPG
Wszedłem w OpenGradient myśląc, że ogarnę to w dziesięć minut. Zrobiłem to już tyle razy, że zazwyczaj wiem, na co zwracać uwagę. Otwieram kilka stron, przeglądam dokumentację, sprawdzam liczby, przechodzę dalej. Większość projektów szybko się ujawnia. Ten nie. Zabawne jest to, że moje pierwsze wrażenie prawdopodobnie było błędne. Wciąż próbowałem wpasować to w kategorię, która miała sens w mojej głowie, a za każdym razem, gdy myślałem, że to rozumiem, coś wydawało się nie tak. Znalazłem się na tym samym notatniku później tej nocy, ponieważ nie mogłem pozbyć się uczucia, że coś przegapiłem. Moment, który utkwił mi w pamięci, nie był funkcjonalnością czy statystyką. To było pytanie. Jak mogę wiedzieć, że system AI faktycznie zrobił to, co mówi, że zrobił? Zdałem sobie sprawę, że spędziłem lata zwracając uwagę na wyniki. Czy odpowiedź była dobra? Czy była szybka? Czy działała? Nie poświęcałem dużo czasu na myślenie o tym, co działo się pod spodem. To był moment, w którym moja perspektywa się zmieniła. Im więcej czytałem, tym mniej interesowały mnie same modele. Zaczynałem zwracać uwagę na weryfikację, odpowiedzialność i czy istniał sposób, aby niezależnie sprawdzić, co się działo zamiast po prostu ufać temu. Może to nie jest najciekawsza rzecz, na której skupić uwagę. Z pewnością nie jest to pierwsza rzecz, którą zauważa większość ludzi. Ale nauczyłem się, że detale, które na początku wydają się nudne, często są tymi, które mają największe znaczenie później. Zamknąłem laptopa tej nocy z większą ilością pytań niż odpowiedzi, co szczerze mówiąc, nie zdarza się zbyt często. I zawsze, gdy to się zdarza, zazwyczaj zwracam uwagę.  #OPG @OpenGradient $OPG
Wszedłem w OpenGradient myśląc, że ogarnę to w dziesięć minut.
Zrobiłem to już tyle razy, że zazwyczaj wiem, na co zwracać uwagę. Otwieram kilka stron, przeglądam dokumentację, sprawdzam liczby, przechodzę dalej. Większość projektów szybko się ujawnia.
Ten nie.
Zabawne jest to, że moje pierwsze wrażenie prawdopodobnie było błędne. Wciąż próbowałem wpasować to w kategorię, która miała sens w mojej głowie, a za każdym razem, gdy myślałem, że to rozumiem, coś wydawało się nie tak. Znalazłem się na tym samym notatniku później tej nocy, ponieważ nie mogłem pozbyć się uczucia, że coś przegapiłem.
Moment, który utkwił mi w pamięci, nie był funkcjonalnością czy statystyką.
To było pytanie.
Jak mogę wiedzieć, że system AI faktycznie zrobił to, co mówi, że zrobił?
Zdałem sobie sprawę, że spędziłem lata zwracając uwagę na wyniki. Czy odpowiedź była dobra? Czy była szybka? Czy działała?
Nie poświęcałem dużo czasu na myślenie o tym, co działo się pod spodem.
To był moment, w którym moja perspektywa się zmieniła.
Im więcej czytałem, tym mniej interesowały mnie same modele. Zaczynałem zwracać uwagę na weryfikację, odpowiedzialność i czy istniał sposób, aby niezależnie sprawdzić, co się działo zamiast po prostu ufać temu.
Może to nie jest najciekawsza rzecz, na której skupić uwagę.
Z pewnością nie jest to pierwsza rzecz, którą zauważa większość ludzi.
Ale nauczyłem się, że detale, które na początku wydają się nudne, często są tymi, które mają największe znaczenie później.
Zamknąłem laptopa tej nocy z większą ilością pytań niż odpowiedzi, co szczerze mówiąc, nie zdarza się zbyt często.
I zawsze, gdy to się zdarza, zazwyczaj zwracam uwagę.

#OPG @OpenGradient $OPG
Zobacz tłumaczenie
Wszedłem w OpenGradient myśląc, że spędzę pięć minut na jego przeglądaniu. To przerodziło się w większą część mojego wieczoru. Zabawne jest to, że zaczynałem tam, gdzie zawsze zaczynam. Sprawdziłem liczby, przejrzałem kilka stron i założyłem, że szybko zrozumiem, o co chodzi. Myliłem się. W pewnym momencie zauważyłem, że na nowo otwieram te same dokumenty, bo coś nie pasowało. Nie próbowałem udowodnić jakiegoś punktu ani znaleźć powodu, by to polubić. Po prostu starałem się zrozumieć, co oglądam. Moment, który mnie uderzył, to zrozumienie, że całkowicie przestałem zwracać uwagę na cenę. To się nie zdarza często. Zacząłem być bardziej zainteresowany faktycznymi działaniami, które miały miejsce, oraz wysiłkiem włożonym w to, aby wyniki były weryfikowalne. To bardziej przypominało mi śledzenie okablowania za ścianą, aby zobaczyć, jak wszystko jest połączone, niż czytanie prezentacji. Może to drobiazg. Może nie. Nauczyłem się, że kiedy ciągle wracam do tego samego projektu, zazwyczaj wynika to z luki między tym, o czym ludzie mówią, a tym, co sam widzę. Czasami ta luka znika po trochę więcej badań. Czasami się powiększa. Teraz nie potrafię powiedzieć, który to przypadek. Po prostu wiem, że usiadłem z zamiarem szybkiego spojrzenia, a skończyłem spędzając godziny na przeszukiwaniu szczegółów, które większość ludzi pewnie przewija obok. To zazwyczaj te projekty, które zostają na mojej liście obserwacyjnej najdłużej. Nie dlatego, że mam odpowiedzi. Bo ich nie mam.  #OPG @OpenGradient $OPG
Wszedłem w OpenGradient myśląc, że spędzę pięć minut na jego przeglądaniu.
To przerodziło się w większą część mojego wieczoru.
Zabawne jest to, że zaczynałem tam, gdzie zawsze zaczynam. Sprawdziłem liczby, przejrzałem kilka stron i założyłem, że szybko zrozumiem, o co chodzi. Myliłem się.
W pewnym momencie zauważyłem, że na nowo otwieram te same dokumenty, bo coś nie pasowało. Nie próbowałem udowodnić jakiegoś punktu ani znaleźć powodu, by to polubić. Po prostu starałem się zrozumieć, co oglądam.
Moment, który mnie uderzył, to zrozumienie, że całkowicie przestałem zwracać uwagę na cenę.
To się nie zdarza często.
Zacząłem być bardziej zainteresowany faktycznymi działaniami, które miały miejsce, oraz wysiłkiem włożonym w to, aby wyniki były weryfikowalne. To bardziej przypominało mi śledzenie okablowania za ścianą, aby zobaczyć, jak wszystko jest połączone, niż czytanie prezentacji.
Może to drobiazg. Może nie.
Nauczyłem się, że kiedy ciągle wracam do tego samego projektu, zazwyczaj wynika to z luki między tym, o czym ludzie mówią, a tym, co sam widzę. Czasami ta luka znika po trochę więcej badań. Czasami się powiększa.
Teraz nie potrafię powiedzieć, który to przypadek.
Po prostu wiem, że usiadłem z zamiarem szybkiego spojrzenia, a skończyłem spędzając godziny na przeszukiwaniu szczegółów, które większość ludzi pewnie przewija obok.
To zazwyczaj te projekty, które zostają na mojej liście obserwacyjnej najdłużej. Nie dlatego, że mam odpowiedzi.
Bo ich nie mam.

#OPG @OpenGradient $OPG
Zacząłem przyglądać się OpenGradient z myślą, że spędzę pięć minut na jego analizie. To przerodziło się w większość mojego wieczoru. Zabawne jest to, że zacząłem tam, gdzie zawsze zaczynam. Sprawdziłem liczby, przejrzałem kilka stron i założyłem, że szybko zrozumiem, o co chodzi. Myliłem się. W pewnym momencie złapałem się na tym, że ponownie otwieram te same dokumenty, ponieważ coś mi nie pasowało. Nie próbowałem udowodnić żadnego punktu ani znaleźć powodu, by to polubić. Po prostu starałem się zrozumieć, co widzę. Moment, który mnie zaskoczył, to uświadomienie sobie, że całkowicie przestałem zwracać uwagę na cenę. To się nie zdarza często. Znalazłem się bardziej zainteresowany faktycznymi działaniami, które miały miejsce, oraz wysiłkiem wkładanym w to, aby wyniki były weryfikowalne. To przypominało mniej czytanie prezentacji, a bardziej śledzenie okablowania za ścianą, aby zobaczyć, jak wszystko jest połączone. Może to drobiazg. Może nie. Nauczyłem się, że kiedy ciągle wracam do tego samego projektu, zazwyczaj oznacza to, że istnieje luka między tym, o czym mówią ludzie, a tym, co widzę na własne oczy. Czasami ta luka znika po trochę większym badaniu. Czasami się powiększa. W tej chwili nie potrafię powiedzieć, która to jest. Po prostu wiem, że usiadłem z zamiarem szybkiego spojrzenia, a skończyłem na godzinach grzebania w szczegółach, które większość ludzi prawdopodobnie przewija obok. Zwykle to są projekty, które najdłużej pozostają na mojej liście obserwacyjnej. Nie dlatego, że mam odpowiedzi. Bo ich nie mam.  #OPG @OpenGradient $OPG
Zacząłem przyglądać się OpenGradient z myślą, że spędzę pięć minut na jego analizie.
To przerodziło się w większość mojego wieczoru.
Zabawne jest to, że zacząłem tam, gdzie zawsze zaczynam. Sprawdziłem liczby, przejrzałem kilka stron i założyłem, że szybko zrozumiem, o co chodzi. Myliłem się.
W pewnym momencie złapałem się na tym, że ponownie otwieram te same dokumenty, ponieważ coś mi nie pasowało. Nie próbowałem udowodnić żadnego punktu ani znaleźć powodu, by to polubić. Po prostu starałem się zrozumieć, co widzę.
Moment, który mnie zaskoczył, to uświadomienie sobie, że całkowicie przestałem zwracać uwagę na cenę.
To się nie zdarza często.
Znalazłem się bardziej zainteresowany faktycznymi działaniami, które miały miejsce, oraz wysiłkiem wkładanym w to, aby wyniki były weryfikowalne. To przypominało mniej czytanie prezentacji, a bardziej śledzenie okablowania za ścianą, aby zobaczyć, jak wszystko jest połączone.
Może to drobiazg. Może nie.
Nauczyłem się, że kiedy ciągle wracam do tego samego projektu, zazwyczaj oznacza to, że istnieje luka między tym, o czym mówią ludzie, a tym, co widzę na własne oczy. Czasami ta luka znika po trochę większym badaniu. Czasami się powiększa.
W tej chwili nie potrafię powiedzieć, która to jest.
Po prostu wiem, że usiadłem z zamiarem szybkiego spojrzenia, a skończyłem na godzinach grzebania w szczegółach, które większość ludzi prawdopodobnie przewija obok.
Zwykle to są projekty, które najdłużej pozostają na mojej liście obserwacyjnej. Nie dlatego, że mam odpowiedzi.
Bo ich nie mam.

#OPG @OpenGradient $OPG
$BABY doświadczył ostatnio presji sprzedażowej, ale warunki wyprzedania mogą przyciągnąć nowych nabywców. Powrót do wzrostów jest nadal możliwy. 📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa 🎯 Cele: • $0.0200 • $0.0230 • $0.0260 🛑 Zlecenie Stop Loss: poniżej $0.0150 Wysokie ryzyko, wysoka nagroda dla agresywnych traderów. #BABY #BABYUSDT #Altcoin #CryptoTrading {spot}(BABYUSDT)
$BABY doświadczył ostatnio presji sprzedażowej, ale warunki wyprzedania mogą przyciągnąć nowych nabywców. Powrót do wzrostów jest nadal możliwy.
📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa
🎯 Cele: • $0.0200
• $0.0230
• $0.0260
🛑 Zlecenie Stop Loss: poniżej $0.0150
Wysokie ryzyko, wysoka nagroda dla agresywnych traderów.
#BABY #BABYUSDT #Altcoin #CryptoTrading
$SOL przynosi lepsze wyniki niż wiele głównych altcoinów i wciąż przyciąga silną uwagę rynku. Momentum pozostaje zdecydowanie bycze. 📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa 🎯 Cele: • $80 • $90 • $100 🛑 Stop Loss: Poniżej $68 Dopóki kupujący będą aktywni, Solana może kontynuować prowadzenie na rynku. #SOL #Solana #SOLUSDT #CryptoTrading #Altcoins {spot}(SOLUSDT)
$SOL przynosi lepsze wyniki niż wiele głównych altcoinów i wciąż przyciąga silną uwagę rynku. Momentum pozostaje zdecydowanie bycze.
📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa
🎯 Cele: • $80
• $90
• $100
🛑 Stop Loss: Poniżej $68
Dopóki kupujący będą aktywni, Solana może kontynuować prowadzenie na rynku.
#SOL #Solana #SOLUSDT #CryptoTrading #Altcoins
$XRP nadal utrzymuje byczą strukturę, a kupujący mają kontrolę. Trend pozostaje pozytywny, dopóki kluczowe wsparcia są solidne. 📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa 🎯 Cele: • $1.30 • $1.40 • $1.55 🛑 Zlecenie Stop Loss: Poniżej $1.15 Obserwuj wolumen dla potwierdzenia następnego ruchu. #XRP #Ripple #XRPUSDT #Crypto #Bullish {spot}(XRPUSDT)
$XRP nadal utrzymuje byczą strukturę, a kupujący mają kontrolę. Trend pozostaje pozytywny, dopóki kluczowe wsparcia są solidne.
📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa
🎯 Cele: • $1.30
• $1.40
• $1.55
🛑 Zlecenie Stop Loss: Poniżej $1.15
Obserwuj wolumen dla potwierdzenia następnego ruchu.
#XRP #Ripple #XRPUSDT #Crypto #Bullish
$ZEC handluje w pobliżu krytycznej strefy po niedawnym pullbacku. Ten obszar może przyciągnąć kupujących szukających ruchu na odbicie. 📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa 🎯 Cele: • $540 • $580 • $620 🛑 Zlecenie Stop Loss: poniżej $480 Odbicie z obecnych poziomów może stworzyć atrakcyjną okazję do ryzyka w stosunku do nagrody. #ZEC #Zcash #ZECUSDT #CryptoMarketMoves {spot}(ZECUSDT)
$ZEC handluje w pobliżu krytycznej strefy po niedawnym pullbacku. Ten obszar może przyciągnąć kupujących szukających ruchu na odbicie.
📍 Pomysł na transakcję 🔹 Wejście: Aktualna cena rynkowa
🎯 Cele: • $540
• $580
• $620
🛑 Zlecenie Stop Loss: poniżej $480
Odbicie z obecnych poziomów może stworzyć atrakcyjną okazję do ryzyka w stosunku do nagrody.
#ZEC #Zcash #ZECUSDT #CryptoMarketMoves
Zaloguj się, aby odkryć więcej treści
Dołącz do globalnej społeczności użytkowników kryptowalut na Binance Square
⚡️ Uzyskaj najnowsze i przydatne informacje o kryptowalutach.
💬 Dołącz do największej na świecie giełdy kryptowalut.
👍 Odkryj prawdziwe spostrzeżenia od zweryfikowanych twórców.
E-mail / Numer telefonu
Mapa strony
Preferencje dotyczące plików cookie
Regulamin platformy