📢 Gate廣場專屬 #WXTM创作大赛# 正式開啓!
聚焦 CandyDrop 第59期 —— MinoTari (WXTM),總獎池 70,000 枚 WXTM 等你贏!
🎯 關於 MinoTari (WXTM)
Tari 是一個以數字資產爲核心的區塊鏈協議,由 Rust 構建,致力於爲創作者提供設計全新數字體驗的平台。
通過 Tari,數字稀缺資產(如收藏品、遊戲資產等)將成爲創作者拓展商業價值的新方式。
🎨 活動時間:
2025年8月7日 17:00 - 8月12日 24:00(UTC+8)
📌 參與方式:
在 Gate廣場發布與 WXTM 或相關活動(充值 / 交易 / CandyDrop)相關的原創內容
內容不少於 100 字,形式不限(觀點分析、教程分享、圖文創意等)
添加標籤: #WXTM创作大赛# 和 #WXTM#
附本人活動截圖(如充值記錄、交易頁面或 CandyDrop 報名圖)
🏆 獎勵設置(共計 70,000 枚 WXTM):
一等獎(1名):20,000 枚 WXTM
二等獎(3名):10,000 枚 WXTM
三等獎(10名):2,000 枚 WXTM
📋 評選標準:
內容質量(主題相關、邏輯清晰、有深度)
用戶互動熱度(點讚、評論)
附帶參與截圖者優先
📄 活動說明:
內容必須原創,禁止抄襲和小號刷量行爲
獲獎用戶需完成 Gate廣場實名
Sui學術研究獎新一輪揭曉 17項目獲42萬美元資助
Sui學術研究獎新一輪獲獎名單揭曉:全球頂尖高校踊躍參與,17個項目獲42萬美元資助
Sui基金會近期宣布了新一輪Sui學術研究獎的獲獎名單。該計劃旨在資助推動Web3發展的研究,特別關注區塊鏈網路、智能合約編程以及基於Sui構建的產品相關技術前沿。
在過去兩個階段中,共有17個來自國際知名學府的提案獲得批準,總資助金額達42.5萬美元。參與高校包括韓國科學技術院、倫敦大學學院、洛桑聯邦理工學院和新加坡國立大學等。
獲獎項目亮點
去中心化自治組織研究
康奈爾大學的Ari Juels教授將探討去中心化組織的本質,建立衡量DAO去中心化程度的指標,並研究提升組織內部去中心化的實踐方法。
異步DAG協議共識
倫敦大學學院的Philipp Jovanovic團隊致力於開發一種異步DAG協議,旨在增強抗攻擊能力並適應動態對手環境。該協議將在保持高性能的同時,提供更出色的安全性和適應性。
大語言模型輔助智能合約審計
同樣來自倫敦大學學院的Arthur Gervais小組將利用GPT-4-32k和Claude-v2-100k等大型語言模型,提升對Move智能合約的審計效率。他們此前在52個Solidity DeFi智能合約分析中發現了導致近10億美元損失的漏洞,現計劃將研究擴展到Sui智能合約領域。
共識協議領域研究
伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調查,爲密碼共識協議提供新見解,助力更深入理解現有算法並爲設計分布式協議提供新思路。
去中心化預言機驗證框架
卡內基梅隆大學的Giselle Reis博士和Djed聯盟的Bruno Woltzenlogel Paleo將創建一個框架,通過形式化方法嚴格分析和驗證區塊鏈預言機。該項目將利用Coq證明管理系統,開發全面的定義和證明策略庫。
可擴展性瓶頸識別
蘇黎世聯邦理工學院的Roger Wattenhofer教授團隊將致力於識別源於智能合約設計缺陷的瓶頸,以提高區塊鏈應用程序的並行化潛力。同時探討交易費用調整對並行化的影響。
Bullshark協議機械化驗證
新加坡國立大學的Ilya Sergey教授將使用現代計算機輔助驗證工具對Bullshark的屬性進行形式化驗證,推進基於DAG的共識協議研究。這將成爲分布式系統領域首個經機械驗證的DAG共識協議模型。
區塊鏈基準化標準框架
利哈伊大學的Henry F. Korth教授旨在創建一個區塊鏈基準標準化格式,以公平比較L1區塊鏈和L2擴展方案,爲用戶和開發者提供鏈性能的透明洞察。
可擴展共享序列層構建
韓國科學技術院的Min Suk Kang博士將探索將Bullshark/Mysticeti用作共享排序器算法,研究多個使用Sui作爲排序層的Rollup運行機制。
本地費用市場優化
紐約大學的Abdoulaye Ndiaye教授將研究本地費用市場以優化擁堵定價,探索建立反映網路擁堵狀態的有效定價機制,實現最佳資源分配。
分片自動做市商研究
以色列理工學院的Ittay Eyal教授團隊正在開發"分片合約"概念,利用多個合約提高並發性。他們將重點研究如何調整流動性提供者和交易者的激勵機制,以維持多個AMM分片,實現完全可並行化的分片AMM。
私人披露在競爭機制中的作用
羅馬托爾維亞塔大學的Andrea Attar教授將探索市場機制設計的新方法,研究設計者向代理人私下披露信息對市場結果和戰略互動的影響,爲現代市場動態和競爭提供洞察。
大語言模型生成Sui智能合約
卡內基梅隆大學的Ken Koedinger和Eason Chen將致力於解決Move語言智能合約生成的挑戰。他們計劃通過收集Move代碼示例、增強提示工程並實施微調,來提高大型語言模型在Sui智能合約生成方面的效能。
Move語言過渡框架研究
尼科西亞大學的George Giaglis教授將進行Solidity和Move之間的全面比較分析,深入探討Move的功能和能力,並構建框架幫助開發者順利過渡到Move開發。
DeFi優化深度學習方法
洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane將開發混合深度學習模型,用於Sui DeFi協議中的最佳範圍預測。該模型結合增強的遞歸神經網路、深度強化學習和社交媒體情感分析,旨在提高DeFi協議對市場變化的響應能力。
SUI波動率預測能力評估
塞浦路斯開放大學的Stavros Degiannakis教授將調查SPEC算法在Sui資產波動率預測中的有效性,利用高頻價格數據重點研究SUI,並在多種區塊鏈資產中進行驗證。
低內存後量子透明zkSNARKs
賓夕法尼亞大學的Brett Falk和Pratyush Mishra將致力於開發可擴展的zkSNARKs,同時解決證明者時間復雜度、空間復雜度和SRS大小三大障礙,爲區塊鏈技術中的各種應用提供部署就緒的可擴展加密證明方案。
這些研究項目涵蓋了區塊鏈技術的多個前沿領域,從共識機制到智能合約安全,從DeFi優化到隱私保護。它們的成果有望爲Sui生態系統及整個區塊鏈行業帶來重要突破,推動Web3技術的進一步發展。