Os VLAs ainda são muito novos e muitas pessoas acham difícil entender a diferença entre VLAs e LLMs. Aqui está um mergulho profundo em como esses sistemas de IA diferem em raciocínio, detecção e ação. Parte 1. Vamos detalhar as principais distinções e como os agentes de IA envolvidos em um LLM diferem dos agentes operadores que usam modelos VLA: 1. Sentido: como eles percebem o mundo Agente (LLM): processa texto ou dados estruturados, por exemplo, JSON, APIs e, às vezes, imagens. É como um cérebro trabalhando com entradas limpas e abstratas. Pense em ler um manual ou analisar uma planilha. Ótimo para ambientes estruturados, mas limitado pelo que é alimentado a ele. Operador (VLA): Vê pixels brutos e em tempo real das câmeras, além de dados do sensor (por exemplo, toque, posição) e propriocepção (autoconsciência do movimento). É como navegar pelo mundo com olhos e sentidos, prosperando em ambientes dinâmicos e confusos, como interfaces de usuário ou espaços físicos. 2. Agir: como eles interagem Agente: atua chamando funções, ferramentas ou APIs. Imagine isso como um gerente enviando instruções precisas como "reserve um voo via API da Expedia". É deliberado, mas depende de ferramentas pré-construídas e interfaces claras. Operador: Executa ações contínuas e de baixo nível, como mover o cursor do mouse, digitar ou controlar as articulações do robô. É como um trabalhador qualificado manipulando diretamente o ambiente, ideal para tarefas que exigem precisão em tempo real. 3. Controle: como eles tomam decisões Agente: Segue um ciclo lento e reflexivo: planejar, chamar uma ferramenta, avaliar o resultado, repetir. É vinculado a token (limitado por processamento de texto) e vinculado à rede (aguardando respostas da API). Isso o torna metódico, mas lento para tarefas em tempo real. Operador: Opera, tomando decisões passo a passo em um ciclo de feedback apertado. Pense nisso como um jogador reagindo instantaneamente ao que está na tela. Essa velocidade permite a interação fluida, mas exige processamento robusto em tempo real. 4. Dados para aprender: o que alimenta seu treinamento Agente: treinado em vastos corpora de texto, instruções, documentação ou conjuntos de dados RAG (Retrieval-Augmented Generation). Ele aprende com livros, códigos ou perguntas frequentes, destacando-se no raciocínio sobre o conhecimento estruturado. Operador: Aprende com demonstrações (por exemplo, vídeos de humanos realizando tarefas), registros de teleoperação ou sinais de recompensa. É como aprender observando e praticando, perfeito para tarefas em que instruções explícitas são escassas. 5. Modos de falha: onde eles quebram Agente: Propenso a alucinações (inventar respostas) ou planos frágeis de longo prazo que desmoronam se uma etapa falhar. É como um estrategista que pensa demais ou interpreta mal a situação. Operador: enfrenta mudança de covariável (quando os dados de treinamento não correspondem às condições do mundo real) ou erros compostos no controle (pequenos erros bola de neve). É como um motorista perdendo o controle em uma estrada desconhecida. 6. Infra: A tecnologia por trás deles Agente: depende de um prompt/roteador para decidir quais ferramentas chamar, um registro de ferramentas para funções disponíveis e memória/RAG para contexto. É uma configuração modular, como um centro de comando orquestrando tarefas. Operador: precisa de pipelines de ingestão de vídeo, um servidor de ação para controle em tempo real, um escudo de segurança para evitar ações prejudiciais e um buffer de reprodução para armazenar experiências. É um sistema de alto desempenho criado para ambientes dinâmicos. 7. Onde cada um brilha: seus pontos ideais Agente: domina fluxos de trabalho com APIs limpas (por exemplo, automatizando processos de negócios), raciocínio sobre documentos (por exemplo, resumindo relatórios) ou geração de código. É a sua escolha para tarefas estruturadas e de alto nível. Operador: Destaca-se em ambientes confusos e sem API, como navegar em interfaces de usuário desajeitadas, controlar robôs ou lidar com tarefas semelhantes a jogos. Se envolver interação em tempo real com sistemas imprevisíveis, o VLA é rei. 8. Modelo Mental: Planejador + Fazedor Pense no Agente LLM como o planejador: ele divide tarefas complexas em metas claras e lógicas. O Operador VLA é o executor, executando essas metas interagindo diretamente com pixels ou sistemas físicos. Um verificador (outro sistema ou agente) monitora os resultados para garantir o sucesso. $CODEC

Os presalers estão fora, é hora de novos máximos em $OMFG @omnipair Vou ser honesto, pensei que este tinha acabado, mas o desenvolvedor largou seu emprego anterior e agora está trancado em tempo integral, construindo e focado em @omnipair Para quem não sabe, o OmniPair é um novo primitivo DeFi que permite empréstimos sem permissão e negociação alavancada para qualquer ativo na Solana, sem depender de oráculos externos Ele é alimentado por um Generalized Automated Market Maker (GAMM), que combina a funcionalidade AMM de produto constante com lógica de empréstimo isolada Isso significa que um único pool pode oferecer suporte à negociação à vista e empréstimos de margem, sem configurações de risco ou oráculos centralizados. Pense nisso como um cruzamento entre um AMM e um mercado de empréstimos, mas para tudo o que não está listado no Aave A OmniPair também possui um modelo de governança em duas camadas: 1⃣ Propostas Futarchy - mercados abertos onde qualquer pessoa pode participar do USDC, orientando as decisões do protocolo por meio de incentivos. 2⃣ Governança baseada em votos - reservada para detentores de OMFG, atuando como uma camada regulatória para configurações em nível de protocolo. Ainda é cedo, com muito o que construir, mas @rakka_sol está trabalhando sem parar para fazer as coisas funcionarem...

Acho que o mercado de DEX é grande o suficiente para que pelo menos um novo participante possa ganhar participação. A hiperliquidez agora é basicamente todo o mercado, 80% + participação O EdgeX tem o melhor aplicativo móvel, que é um nicho que o HL não atendeu tanto até agora, e funciona como um VIP da Binance reformulado

$CODEC está se configurando para ser a melhor opção como jogo onchain para robótica Artigo de pesquisa sobre @codecopenflow já está disponível em 🤖

Por que a Ethena adotou os DATs cedo 1. O que mudou A Ethena está se fundindo com o SPAC da TLGY, que será listado como StablecoinX na Nasdaq (USDE). O acordo alinha ~ $ 360 milhões ($ 260 milhões em dinheiro mais ~ $ 60 milhões de $ENA bloqueados da Fundação). O dinheiro é destinado a compras imediatas $ENA local; A contribuição $ENA fica permanentemente no balanço patrimonial da empresa pública, juntamente com as operações de validador e infraestrutura. 2. Por que um DAT, por Guy Young O capital criptonativo parece esgotado. O valor de mercado alternativo atingiu aproximadamente o mesmo nível em 2021 e 2024, implicando um lance de varejo incremental limitado para a maioria dos tokens. Os mercados de ações, por outro lado, são ordens de magnitude maiores e já perseguem a exposição a stablecoins. Em última análise, o objetivo é um acesso estável, na NAV, a uma base de investidores mais profunda. Além disso, o capital próprio pode compensar a saliência estrutural dos desbloqueios de capital de risco que a criptomoeda sozinha luta para absorver. 3. Mecânica Na assinatura, ~ US$ 260 milhões compram ENA à vista, enquanto ~ US$ 60 milhões de ENA bloqueado são movidos para a StablecoinX, assumindo o controle inicial total perto de ~ 9% da oferta. Isso retira os tokens para um tesouro não comercial e configura o $ENA → StablecoinX NAV / share up → follow-ons mais baratos → mais $ENA ciclo de compras. Os registros trimestrais marcarão as participações no mercado, colocando$ENA diretamente nas telas tradicionais. 4. Torque do mercado K O varejo coreano já perseguia o patrimônio da Circle. A Upbit foi listada $ENA em 11 de julho; os volumes aumentaram imediatamente. Isso dá à Coreia acesso direto ao token antes que a linha Nasdaq esteja ativa - terreno fértil para uma rotação no estilo CRCL em $ENA se o cronograma do SPAC atingir marcos. Escusado será dizer que $ENA já está se tornando uma das moedas favoritas da Coreia. 5. Estado do core business O USDe subiu para o 3º lugar entre as stablecoins e continua crescendo (US$ 11,3 bilhões em 18 de agosto); a oferta macro para trilhos de stablecoin é real (e amplamente coberta na pesquisa de ações após o IPO da Circle). $ENA continua sendo a maneira nativa de token beta mais alto de expressar esse tema. 6. O que assistir Os prêmios de NAV em DATs provavelmente significam reversão; a maioria dos veículos não terá alavancagem no estilo Saylor, portanto, não subscreva prêmios persistentes. Observe a execução diária do programa de compra de $ENA, o desconto/prêmio do StablecoinX em relação ao seu ENA marcado, o crescimento da oferta de USDe e a participação da Coreia no volume à vista. A tese trabalha com um NAV sustentado de 1,0x e influxos consistentes; É bom ter um prêmio, não o ponto. 7. Ponto de partida A Ethena está usando o encanamento de capital público para explorar uma base de capital muito maior, neutralizar o excesso de desbloqueio e converter fluxos de capital em demanda $ENA permanente. Se o aumento for executado conforme descrito e o USDe continuar a escalar, o ENA está posicionado como o beta líquido e mais alto para alcançar a negociação de ações da Circle, agora com uma justificativa clara para a própria estrutura DAT.