📢 #Gate广场征文活动第三期# 正式啓動!
🎮 本期聚焦:Yooldo Games (ESPORTS)
✍️ 分享獨特見解 + 參與互動推廣,若同步參與 Gate 第 286 期 Launchpool、CandyDrop 或 Alpha 活動,即可獲得任意獎勵資格!
💡 內容創作 + 空投參與 = 雙重加分,大獎候選人就是你!
💰總獎池:4,464 枚 $ESPORTS
🏆 一等獎(1名):964 枚
🥈 二等獎(5名):每人 400 枚
🥉 三等獎(10名):每人 150 枚
🚀 參與方式:
在 Gate廣場發布不少於 300 字的原創文章
添加標籤: #Gate广场征文活动第三期#
每篇文章需 ≥3 個互動(點讚 / 評論 / 轉發)
發布參與 Launchpool / CandyDrop / Alpha 任一活動的截圖,作爲獲獎資格憑證
同步轉發至 X(推特)可增加獲獎概率,標籤:#GateSquare 👉 https://www.gate.com/questionnaire/6907
🎯 雙倍獎勵機會:參與第 286 期 Launchpool!
質押 BTC 或 ESPORTS,瓜分 803,571 枚 $ESPORTS,每小時發放
時間:7 月 21 日 20:00 – 7 月 25 日 20:00(UTC+8)
🧠 寫作方向建議:
Yooldo
Sui新一輪學術資助計劃揭曉 17個項目獲42.5萬美元支持
Sui新一期學術研究獎項揭曉:全球知名高校參與,17個項目獲42萬美元資助
近期,Sui基金會公布了新一輪學術研究獎項的獲獎名單。此次資助計劃旨在推動Web3技術發展,特別是區塊鏈網路、智能合約編程以及基於Sui構建的產品相關技術的突破。
在過去兩個階段中,共有17個來自國際知名大學的研究提案獲得批準,總資助金額達425,000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。
獲獎提案亮點
去中心化自治組織研究
康奈爾大學的研究團隊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,並提出增強組織內部去中心化的實踐方法。
提升區塊鏈共識協議安全性
倫敦大學學院的項目致力於開發一種異步DAG協議,以增強對攻擊的抵抗能力,並能適應不斷變化的對手策略。該協議有望在保持高性能的同時,提供更好的安全性和適應性。
智能合約審計創新
另一個來自倫敦大學學院的團隊將利用GPT-4-32k和Claude-v2-100k等大型語言模型,提升Sui智能合約的審計效率。他們此前對52個Solidity DeFi智能合約的分析已發現了導致近10億美元損失的漏洞。
共識協議領域研究
伯爾尼大學的項目將對當前共識領域進行全面調查,爲密碼共識協議提供新的見解,有助於更好地理解現有算法,並爲設計分布式協議提供新思路。
預言機協議驗證框架
卡內基梅隆大學和Djed Alliance的研究人員將創建一個框架,通過形式化方法嚴格分析和驗證區塊鏈預言機。這對確保智能合約中外部數據的準確性和公平性至關重要。
區塊鏈可擴展性研究
蘇黎世聯邦理工學院的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。他們還將探討交易費用調整對並行化潛力的影響。
DAG共識協議驗證
新加坡國立大學的研究旨在使用現代計算機輔助驗證工具對Bullshark協議的屬性進行正式驗證,推進對基於有向無環圖的共識協議的理解。
區塊鏈性能評估標準化
利哈伊大學的項目計劃創建一個區塊鏈基準標準化格式,以公平比較各種L1區塊鏈和L2擴展解決方案的性能,爲用戶和開發者提供透明的鏈性能洞察。
共享排序層研究
韓國科學技術院的研究將探索將Bullshark/Mysticeti用作共享排序器算法的可能性,這可能使多個Rollup能夠使用Sui作爲排序層。
區塊鏈擁堵定價優化
紐約大學的研究團隊將調查本地費用市場以優化區塊鏈網路中的擁堵定價,目標是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。
分片自動做市商創新
以色列理工學院正在開發"分片合約"概念,利用多個合約提高並發性。該項目旨在解決分片AMM帶來的流動性碎片化和交易成本上升等挑戰,實現完全可並行化的分片AMM。
市場機制設計研究
羅馬托爾維亞塔大學的項目將探索新的市場機制設計方法,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,旨在提供對現代市場動態和競爭的深入洞察。
Sui智能合約生成
卡內基梅隆大學的研究人員將致力於改進大型語言模型在生成Sui智能合約方面的能力。他們計劃收集Move語言示例數據集,增強提示工程,並實施模型微調,以提高LLM在Move代碼生成方面的效果。
Solidity到Move的過渡研究
尼科西亞大學的項目將進行Solidity和Move之間的全面比較分析,旨在促進開發者對Move功能和能力的深入理解,並創建一個框架以簡化開發人員向Move語言的過渡。
DeFi優化研究
洛桑聯邦理工學院的團隊將開發一種混合深度學習模型,用於Sui DeFi協議中的最佳範圍預測。該模型結合了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波動率預測研究
塞浦路斯開放大學的研究將調查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,該研究將主要關注SUI,並在各種區塊鏈資產中進行驗證。
後量子透明zkSNARKs研究
賓夕法尼亞大學的項目旨在開發可擴展的zkSNARKs,通過同時解決證明者時間復雜度、空間復雜度和SRS大小三個主要障礙,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關鍵領域,從共識機制到智能合約安全,從DeFi優化到市場機制設計。這些前沿研究有望推動Sui生態系統和整個區塊鏈行業的技術進步,爲未來的Web3應用奠定堅實基礎。