📟 Прилетело из @insuline_eth

Холдеры L2 на месте?

Вчера СЕО Ethereum «экей» дырявый носок жостко прошелся по всем L2 решениям обозвав их мусором.

Виталик заявил, что Ethereum и так масштабируется и транзакции дешевые и без L2 решений. Что как бы правда.

Удивлен, что токены L2 после этого заявления еще не сделали очередные -50%. Возможно команды уже давно вышли из своих токенов и они все в руках у холдеров.

Напомню, что в прошлом году он делал приоритет на L2 и их масштабировании. Видимо понял, что ZK по 1$ не скоро.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Алгоритмы. Структуры данных. Деревья и Двоичные деревья поиска (BST)

Деревья представляют собой иерархическую структуру данных, аналогичную генеалогическому древу, где элементы, называемые узлами, связаны отношениями родитель-потомок. Верхушку структуры занимает корневой узел, от которого отходят ветви к потомкам. Узлы, не имеющие потомков, называются листьями. Такая организация позволяет эффективно представлять данные с вложенными отношениями.

Примером может служить простое дерево:

        10
       /  \
      5    15
     / \
    2   7

Здесь узел со значением 10 является корнем. У него два потомка — узлы 5 и 15. Узел 5, в свою очередь, является родителем для узлов 2 и 7, которые являются листьями. Узел 15 также является листом в этой структуре.

Особым и очень полезным видом дерева является двоичное дерево поиска, или BST. «Двоичное» означает, что каждый узел может иметь не более двух потомков — левого и правого. Ключевая же особенность «дерева поиска» заключается в строгом правиле упорядочивания элементов. Для любого узла все значения в его левом поддереве должны быть меньше его собственного значения, а все значения в правом поддереве — больше. Это свойство делает структуру идеальной для эффективного поиска.

Рассмотрим проверку правила на примере:

        10
       /  \
      5    15
     / \
    2   7

Для узла 10: все значения слева (5, 2, 7) меньше 10, а значение справа (15) больше. Для узла 5: значение слева (2) меньше 5, а значение справа (7) больше. Это правило соблюдено для всех узлов, что подтверждает, что дерево является корректным BST.

Главное преимущество двоичного дерева поиска — скорость. Благодаря упорядоченности, алгоритм поиска, начиная с корня, может на каждом шаге отбрасывать половину оставшегося дерева, двигаясь либо влево, либо вправо. Например, чтобы найти число 7 в приведенном дереве, потребуется всего три шага: сравнить с 10 (7<10, идем влево), сравнить с 5 (7>5, идем вправо), сравнить с 7 (найдено). Это значительно быстрее, чем проверять все пять элементов подряд.

Реализация BST начинается с создания базового элемента — узла. На языке Python это выглядит следующим образом:

class TreeNode:
    def __init__(self, key):
        self.left = None
        self.right = None
        self.val = key

Этот класс создает объект-узел, который хранит значение key и содержит ссылки на левого и правого потомка, изначально пустые. Например, создание корневого узла root = TreeNode(10) дает структуру с одним значением и двумя пустыми указателями.

Для добавления новых элементов в дерево с сохранением его основного свойства используется рекурсивная функция вставки.

def insert(root, key):
    if root is None:
        return TreeNode(key)
    else:
        if root.val < key:
            root.right = insert(root.right, key)
        else:
            root.left = insert(root.left, key)
    return root

Алгоритм работает так: начиная с корня, значение для вставки сравнивается с текущим узлом. Если оно больше, рекурсивный вызов идет в правое поддерево, если меньше или равно — в левое. Этот процесс продолжается до тех пор, пока не будет обнаружено пустое место (значение None), куда и помещается новый узел. Визуально последовательная вставка чисел 10, 5, 15, 2, 7 формирует именно то дерево, что было представлено в примерах выше.

Одной из фундаментальных операций над деревьями является обход, то есть посещение всех узлов в определенном порядке. Симметричный обход, или inorder traversal, посещает узлы в последовательности: левое поддерево, текущий узел, правое поддерево.

def inorder_traversal(root):
    res = []
    if root:
        res = inorder_traversal(root.left)
        res.append(root.val)
        res = res + inorder_traversal(root.right)
    return res

Примененный к BST, такой обход возвращает все значения в отсортированном по возрастанию виде, что является прямым следствием правила упорядочивания. Для нашего примера вызов print(inorder_traversal(root)) вернет список [2, 5, 7, 10, 15].

📟 Прилетело из @solidityset

Полная последовательность работы программы, создающей дерево и выводящей отсортированный список, демонстрирует практическую пользу структуры.

root = TreeNode(10)
insert(root, 5)
insert(root, 15)
insert(root, 2)
insert(root, 7)
print(inorder_traversal(root))

Однако у простого BST есть существенный недостаток. Если вставлять в него элементы в уже отсортированном порядке, например, 1, 2, 3, 4, 5, дерево выродится в простую цепочку, где каждый новый элемент будет становиться правым потомком предыдущего. В таком случае дерево теряет свое главное преимущество — логарифмическую сложность операций, — и поиск элемента начинает требовать линейного времени, как в обычном списке. Эта проблема иллюстрирует необходимость в более совершенных структурах.

Существуют и другие способы обхода дерева, помимо симметричного, каждый из которых имеет свое применение. Прямой обход посещает узел до его потомков, что полезно для копирования структуры дерева или создания префиксных выражений. Обратный обход посещает узел после его потомков, что применяется при удалении дерева или вычислении постфиксных выражений. Визуализация этих методов помогает понять разницу в порядке обработки данных.

Для решения проблемы вырождения существуют самобалансирующиеся деревья, такие как AVL-дерево или красно-черное дерево. Они автоматически перестраиваются при вставке и удалении элементов, поддерживая свою высоту близкой к логарифмической относительно числа узлов. Это гарантирует, что операции поиска, вставки и удаления всегда будут выполняться за время, пропорциональное логарифму числа элементов, даже в худшем случае. Например, в сбалансированном дереве из миллиона элементов поиск потребует около двадцати сравнений, в то время как в вырожденном дереве-цепочке он может дойти до миллиона операций.

Таким образом, путь развития от общей концепции дерева до самобалансирующихся структур демонстрирует эволюцию идеи: от иерархического хранения данных через введение строгих правил упорядочивания для ускорения поиска к реализации механизмов самоконтроля для гарантии эффективности.

#algorithm

📟 Прилетело из @solidityset

Сделаем LIVE пруфчек статьи Ортомича.

Мой депозит в пул cbBTC 31 января принес -5,52% временными потерями на текущий момент, посмотрим сколько он будет восстанавливаться после этого

📟 Прилетело из @insuline_eth

Бифы в интернете, в интернете бифы
Верю блокчейн эвентам, я не верю мифам

📟 Прилетело из @insuline_eth

Все уже протестили оплату по QR через крипту?
Антарктик больше не нужен

@prostoexbot

📟 Прилетело из @n4z4v0d

Привет! В эту пятницу в моём канале ждём всех на важный разговор о том, как AI может влиять на наше сознание.

На примере истории инвестора OpenAI, который после общения с ChatGPT начал верить в существование тайной «негосударственной системы», мы разберём, как ИИ-модели, пытаясь угодить, могут усугубить паранойю. Обсудим грань между полезным ассистентом и цифровым «сообщником» в бреде, а также свежее исследование Стэнфорда на эту тему.

Именно такие кейсы показывают: будущее за теми, кто умеет конструировать AI, а не просто им пользоваться. Поэтому мои друзья в Guide DAO запустили практический курс, где объединили две мощные темы: разработку AI-агентов под реальные задачи и вайбкодинг, чтобы вы могли поручать нейросетям рутину и фокусироваться на сложных вещах.

До 14 февраля по промокоду KRUK скидка 30%, она суммируется с 14% на сайте.

Ждём всех, чтобы поговорить о тёмной стороне LLM и психологической безопасности.

🗓 Пятница, 06.02, 19:00

📟 Прилетело из @dev_in_ruby_colors

Залетаем завтра вечером, поговорим про всякое забавное и не очень https://youtube.com/live/YhQF8SrVL98?feature=share

📟 Прилетело из @dev_in_ruby_colors

Ambient: L1 для верифицируемого ИИ на базе Solana programs

Участвую в тестнете Ambient и выполняю задания.
И там много про верификацию.
Оказалось, что она доступна только через Solana programs на Rust и требует работы с ZK — для меня это слишком высокий порог входа.

Проект показался интересным, поэтому я решил провести 4К аудит и разобрать его.


Команда:

На сайте есть ссылка на CEO IridiumEagle в X. Он пишет регулярно.
Посты в том числе о проекте. Но активность небольшая.

У проекта есть LinkedIn компании.
Публикации выходят регулярно, последняя — неделю назад с 12 реакциями и 1 репостом.

В разделе "Люди" указан только CEO с бэкграундом технического директора и вице-президента по инженерным разработкам, что усиливает его позицию как руководителя.

Из Discord также такая инфа получена:

CEO Трэвис Гуд — выпускник Гарварда (PhD),
CTO Макс Лэнг — серийный предприниматель с опытом в Microsoft и Amazon.

Проект прошёл a16z Crypto Startup Accelerator (CSX).

Основные лица - профессионалы.

Соцсети:

X ambient_xyz активен: последний пост 12 часов назад, 7 ответов, 4 репоста и 25 лайков.

Активность небольшая несмотря на 18,9 тысяч подписчиков.

Посты о проекте и с акцентом на верификацию.

По Sorsa Score 551 (-2, Tier 3. Credible). В подписках есть A16Z, Grayscale, Sfermion_, AndrewSteinwold, DeFi_Dad и другие.

Moni score у проекта 2626 (Level: 4. Established) - неплохой ранг.

По социальным метрикам проект выглядит хорошим, хотя продукт всё ещё на ранней стадии.

Discord сервер активный. Радует, что Русскоязычное сообщество отзывчивое, и есть модератор. Благодаря ему я получил доступ к developers чату для отчётов, и к ещё одному.

В анонсах пишут периодически (последнее сообщение было 2 февраля).
На вопросы отвечают быстро и корректно. Помогли и LinkedIn найти.

Итог по команде:
Оценка 3 из 5 (на вопросы отвечают и корректно, соцсети активные, но в LinkedIn ссылка на профиль лишь CEO. Хотя информацию по основным людям я смог получить).


Концепт:

Есть документация и Litepaper.

Ambient - блокчейн-проект на стыке крипты и ИИ. Его основная идея - сделать так, чтобы ИИ-запросы (например, ответы LLM) можно было проверять, а не просто "верить на слово" серверу или провайдеру.
Проект хочет стать инфраструктурой, где ИИ-запросы выполняются децентрализованно, за выполнение платят, результат можно проверить ончейн, а вычисления выполняет сеть GPU-нод, а не один централизованный сервис.

Как это работает?
ИИ-запрос отправляется в ончейн-аукцион, где GPU-ноды соревнуются за право его выполнить. Победившая нода делает инференс, после чего результат проверяется и только затем оплачивается. Верификация доступна только через Solana programs. Идея в том, чтобы выполнение было дорогим, а проверка - дешевой, за счет анализа внутренних шагов модели.

Анализ спроса и конкурентов есть, но он концептуальный. Проект делает ставку на рост ИИ и агентных систем, а альтернативы описывает без цифр и прямого сравнения: ZK считаются слишком дорогими, TEE требуют доверия к железу, GPU-маркетплейсы не дают гарантий.

Оценка 4 из 5: уникально и интересно, но нет анализа спроса и конкурентов с цифрами.


Коин:

Токеномики: распределения и ютилити нет. Оплата в тестнете в USDC.

Собрали $ 7.8 МЛН от a16z CSX, Anatoly Yakovenko, Raj Gokal, Delphi Ventures и других (всего 18).

Оценка 2 из 5: токеномики нет, но инвесторы известные есть.


Код:

Есть Github, но без основного ПО (только вспомогательные компоненты), аудитов тоже нет. Поэтому оценка 2 из 5.


Практика:

Удобный чат, но ответы иногда неточные - я столкнулся с этим сам в режиме Research — были неточности в источниках и тексте.
Верификация есть и фиксируется ончейн, но в интерфейсе она выглядит как техническая деталь, а не ключевая фича.
При этом страница с OpenAI-совместимым API сделана понятно и удобно.

Оценка: 4 из 5, есть куда развиваться.


Общий балл: 15 из 25.
Но шансы на рост рейтинга ещё есть - ранняя стадия.

Насколько, по-вашему, верификация ИИ действительно нужна ончейн?

#обзоры #ambient

📟 Прилетело из @blind_dev

Скорость экономики выросла

Давайте отвлечёмся от бифов с УБ и вернёмся к имхо

Рыночные движения за последний год показали одну важную вещь:
экономика стала двигаться заметно быстрее

Если раньше движение на X% требовало условные N дней, то теперь те же X% проходят за N/2

Это означает простую, но неприятную вещь:
Риск-параметры некоторых протоколов и стратегий больше не соответствуют реальности, их просто не успевают пересчитывать, будто бы нужно брать большую волатильности при их подсчете

Почему так происходит?

1. Технологии
Деньги стали перемещаться мгновенно
Раньше - SWIFT и несколько дней ожидания
Теперь - USDT за 10 секунд куда угодно и откуда угодно

2. ИИ и аналитика
Информацию можно чекать быстрее, глубже и масштабнее. Флоу "анализ → реакция → сделка" происходит теперь сильно быстрее

В итоге ускоряется всё:
процессы, циклы, реакции - и экономика вместе с ними

Падение серебра в два раза одной дневной свечой хороший маркер этого

Какие выводы из этого следуют?
• Гемблить на рынке теперь можно быстрее, чем когда-либо
• Рыночные циклы сжались
• Свечи стали длиннее, а ошибки — дороже

Всем добра

📟 Прилетело из @ortomich_main

скоро приватку открою

📟 Прилетело из @n4z4v0d

рейнбов чекер надо?

📟 Прилетело из @n4z4v0d

сами идите!!

📟 Прилетело из @n4z4v0d

лол как я понял рейнбоу кош хранят ваши кеи у себя на сервере, если не ошибаюсь)))))))

📟 Прилетело из @n4z4v0d

ахахахахахаахахаххаххахах

📟 Прилетело из @n4z4v0d

а все я даун откат ребята

📟 Прилетело из @n4z4v0d