Ф'ючерси
Сотні безстрокових контрактів
TradFi
Золото
Одна платформа для світових активів
Опціони
Hot
Торгівля ванільними опціонами європейського зразка
Єдиний рахунок
Максимізуйте ефективність вашого капіталу
Демо торгівля
Вступ до ф'ючерсної торгівлі
Підготуйтеся до ф’ючерсної торгівлі
Ф'ючерсні події
Заробляйте, беручи участь в подіях
Демо торгівля
Використовуйте віртуальні кошти для безризикової торгівлі
Запуск
CandyDrop
Збирайте цукерки, щоб заробити аірдропи
Launchpool
Швидкий стейкінг, заробляйте нові токени
HODLer Airdrop
Утримуйте GT і отримуйте масові аірдропи безкоштовно
Launchpad
Будьте першими в наступному великому проекту токенів
Alpha Поінти
Ончейн-торгівля та аірдропи
Ф'ючерсні бали
Заробляйте фʼючерсні бали та отримуйте аірдроп-винагороди
Інвестиції
Simple Earn
Заробляйте відсотки за допомогою неактивних токенів
Автоінвестування
Автоматичне інвестування на регулярній основі
Подвійні інвестиції
Прибуток від волатильності ринку
Soft Staking
Earn rewards with flexible staking
Криптопозика
0 Fees
Заставте одну криптовалюту, щоб позичити іншу
Центр кредитування
Єдиний центр кредитування
Центр багатства VIP
Преміальні плани зростання капіталу
Управління приватним капіталом
Розподіл преміальних активів
Квантовий фонд
Квантові стратегії найвищого рівня
Стейкінг
Стейкайте криптовалюту, щоб заробляти на продуктах PoS
Розумне кредитне плече
Кредитне плече без ліквідації
Випуск GUSD
Мінтинг GUSD для прибутку RWA
Meta AI випустила спільну вбудовану модель прогнозування світу для фізичного планування JEPA-WMs
Новини ME: повідомлення, 3 квітня (UTC+8), команда Meta AI Research опублікувала узгоджену прогностичну модель світу JEPA-WMs та пов’язані дослідження для фізичного планування. Це дослідження розглядає ключові фактори успіху моделі та надає повну реалізацію PyTorch, набори даних і попередньо навчені моделі. Опубліковані моделі включають основну JEPA-WM, а також базові моделі DINO-WM і V-JEPA-2-AC(fixed), охоплюючи кілька роботизованих середовищ для керування та навігації, зокрема DROID & RoboCasa, Metaworld, Push-T, PointMaze та Wall. Моделі використовують візуальні енкодери, такі як DINOv3 ViT-L/16, DINOv2 ViT-S/14 і V-JEPA-2 ViT-G/16; вхідний роздільник зображень здебільшого становить 224×224 або 256×256. Проєкт також надає необов’язкову декодерну голівку VM2M для візуалізації та декодування траєкторій, але підкреслює, що цей декодер не є необхідним для тренування моделей світу або для проведення оцінювання планування. Усі ресурси оприлюднено на GitHub, Hugging Face та arXiv. (Джерело: InFoQ)