Телеграм канал «Crypto Monkeys»

Сейчас собираем дорожную карту проекта monty.fast

Напишите в комментариях, какие функции и улучшения вам было бы интересно увидеть у нас???

Учтём ваши идеи при планировании дальнейшего развития проекта

За лучшую идею подарим бонус 🎁
Или укажем автора идеи в дорожной карте)))

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин

Когда забыл наушники, и крипта в боковике

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин

Память AI не просто большой контекст
Многие думают:
Если у модели огромное контекстное окно, значит она всё помнит
Нет
Представьте человека
Вы разговаривали с человеком 8 часов

Он может сохранить весь разговор, но когда вы задаёте ему новый вопрос, ему не нужно заново перечитывать все 8 часов. Он использует только то, что считает нужным
С агентами примерно так же
Есть долговременная история и активный контекст
Первая хранит историю работы, второй содержит информацию, которую модель получает при конкретном вызове
Как это работает на практике?
Допустим, в проекте 1000 файлов
Агенту не нужно читать их все при каждом запросе. Вместо этого он может:
Изучить структуру проекта
Найти нужный файл
Открыть конкретный фрагмент
Изучить его
При необходимости найти дополнительные сведения
Это называется постепенным раскрытием информации
Сначала агент получает необходимый минимум, а подробности подгружает по мере необходимости
А что происходит с длинными разговорами?
Когда история становится слишком большой, система может сжать её, заменив подробности кратким пересказом
Например, сначала ты подробно объяснил агенту задачу, уточнил несколько требований и отдельно попросил не менять определённую функцию
После сжатия осталось:
Пользователь работает над проектом и хочет исправить ошибку
Вроде всё верно, но важное уточнение про функцию потерялось
И вот здесь появляется проблема
Сначала эта деталь могла казаться неважной, но через несколько часов именно она может оказаться критичной
Если исходная история сохранилась, система может найти нужный фрагмент и вернуть его в контекст. Если информация нигде не сохранилась, восстановить её уже не получится
Поэтому хорошая система должна не просто сжимать историю, а уметь находить в ней нужные сведения и возвращать их в контекст, когда они снова становятся важными
Хорошая память AI это не просто хранение информации, а способность системы найти нужную деталь именно тогда, когда она понадобится

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин

Лудка плечи от х100 до х1000

Торговать можно ETH и BTC

Как он работает?
По сути, это не привычные перпы с ордербуком, а синтетические свопы. Ты открываешь позицию не против другого трейдера, а против ликвидности самого протокола.
И интересный момент: пул LP начинается с нуля, а его капитал растёт за счёт проигрышей трейдеров.

Про токен PAPER
На старте у PAPER нулевой сапплай. Новые токены минтятся, когда трейдер закрывает сделку в минус или получает ликвидацию.
При этом изначально PAPER нельзя продать или перевести, но можно стейкать и фармить долю от доходов протокола в USDC

Максимально честный fair launch: никакого премайнта, аллокаций для команды, VC, аирдропов и вестинга. Даже реферальной программы и специальных условий для инфлюенсеров

https://exchange.papertrade.xyz/

Тут чем больше сумма тем больше приоритет твоего ордера , подвисает аккуратно

UPD дополнил пост

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин

Память AI не просто «большой контекст»


Многие думают:
Если у модели огромное контекстное окно, значит, она всё помнит
Нет

Представьте человека
Вы разговаривали с человеком 8 часов.
Он может сохранить запись всего разговора. Но когда вы задаёте ему новый вопрос, ему не обязательно заново перечитывать все 8 часов. Он использует то, что считает нужным для ответа.
С агентами похожая история.
Здесь важно различать два слоя:
Долговременная история — сохранённые сообщения, события и состояние работы.
Активный контекст — информация, которую передают модели при конкретном вызове.
Это не одно и то же.
Как это работает на практике?
Допустим, в проекте 1000 файлов.
Агенту не нужно загружать все 1000 файлов при каждом запросе. Вместо этого он может:
Изучить структуру проекта.
Найти нужный файл.
Открыть конкретный фрагмент.
Изучить его и выполнить задачу.
При необходимости найти дополнительные сведения.
Это называется постепенным раскрытием информации (progressive disclosure).
Сначала агент получает необходимый минимум, а подробности подгружает по мере необходимости.
Большое контекстное окно не превращает всю доступную информацию в одинаково полезную.
А что происходит с длинными разговорами?
Когда история становится слишком большой, система может сжать её, заменив подробности кратким пересказом.
Например, было:
Пользователь сначала предложил вариант X, затем изменил требования на Y, отдельно уточнил Z и ещё 50 деталей.
После сжатия осталось:
Пользователь работает над проектом X и хочет получить результат Y.
Выглядит нормально. Но часть деталей могла потеряться.
В справочнике «Инженерия обвязки агентов» это выражено простой формулой:
C(H) ≠ H
То есть сжатая история не равна оригинальной.
И здесь важный нюанс: сжатие контекста не обязательно означает удаление исходной истории. Она может храниться отдельно, за пределами активного контекста.
И вот здесь появляется главная проблема
Сегодня какая-нибудь деталь казалась ненужной.
А через три часа она внезапно стала критичной.
Если деталь потерялась при сжатии, в кратком пересказе её уже нет. Но если исходная история сохранена, система потенциально может найти её снова.
Для этого недостаточно просто хранить историю. Нужно уметь искать в ней нужные сведения и возвращать их в активный контекст, когда они понадобятся.
Поэтому хорошая система должна не просто сжимать память, а грамотно управлять ею:
сохранять важное состояние;
не перегружать модель лишней информацией;
находить старые детали по мере необходимости;
проверять, не потерялось ли что-то критичное при сжатии.
В конечном счёте память агента — это не только то, что он сохранил. Это ещё и то, что он способен восстановить в нужный момент.

STRK сделал пук

Starknet (сракнет) официально объявил, что активно рассматривает переход с Ethereum L2 на независимый Layer 1, чтобы стать первой полностью квантово-устойчивой сетью к 2027 году)))

Источник: https://x.com/starknet/status/2108113391525204034

Дно 0,02225 4х от дна как будто вкусно?

АТХ 3,66 или минус 97,35%, уже не вкусно))🤣🤣🤣

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин

Топ-250 деплойеров на Pumpfun

Статистика
🔜 извлекли $79+ КК из траншей
🔜 запустили 194+K токенов (1100 в день) за последние 6 месяцев
🔜создали всего 10+ токенов с капитализацией 5M+»

🐵 ВСЕ ССЫЛКИ MONKEYS
🐳 СТАНЬ MONKEYS ЭЛИТОЙ

💰Обменочка | Крипто СБП

MONTY - От идеи до опубликованного видео за 4 мин