TwiScan
熱門
社區
帳號集合
登入
註冊
English
日本語
한국의
简体中文
繁体中文
註冊並分享邀請連結,可獲得影片播放與邀請獎勵。
立即註冊
檢索結果
LiquidAI
LiquidAI 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含
LiquidAI
的搜尋結果
Benson Sun
@BensonTWN
2026.09.28 09:45
Liquidation Heatmap 的實用性真的被高估太多了。 現在很多人看圖看到某個價位有一大片 liquidation cluster,就直接解讀成「價格一定會去掃這裡」。 但圖本身就有很多的假設成分。 大部分 Liquidation Heatmap 的做法,是根據市場上的成交歷史,套入一組假設的槓桿倍數,比如 5x、10x、20x、30x、50x,去反推出這些成交後的倉位「可能」在哪些價位被清算。 所以你看到的 liquidation cluster,並不代表那裡真的躺著一模一樣數量、等著被爆掉的倉位。 中間有太多變數了。 這些人可能早就 TP 了,也可能已經止損離場。 有人會加倉、有人會減倉,有人會補保證金,只要倉位大小、保證金或平均成本改變,liquidation price 就會跟著移動。 時間拉得越長,這種誤差就會越來越大。 所以 Liquidation Heatmap 最有參考價值的區間,大概就是最近 24 小時到 3 天。 再往上看到 7 天、30 天,甚至拿幾個幾個月前的 liquidation cluster 當成現在的「磁鐵價位」,就沒有任何意義了。 Liquidation Heatmap 可以拿來當短期市場結構的輔助資訊,但在交易體系中不應該佔太大成分,因為很容易產生一種假的確定性。 價格上下方,永遠都會有 liquidation cluster。 漲了,可以說是先掃上面的空單。 跌了,可以說是先掃下面的多單。 先跌再漲,可以說先掃多再掃空。 先漲再跌,也可以說先掃空再掃多。 怎麼走都有一套事後解釋。 無論市場怎麼走都能解釋,而且很難事前證偽,這就不是分析工具了,就是純玄學了。
顯示更多
0
0
2
51
1
轉發到社區
OKX Wallet 中文
@OKXWallet_CN
2026.10.26 07:36
Boost X Liquidity 新一期流动性激励开启,参与瓜分 250K USDC 奖励! 通过 OKX Wallet,为股票、贵金属、主流币及稳定币等指定流动性池提供流动性,参与瓜分奖励。
@Uniswap
StablePair Hook 现已正式部署至 X Layer,USDG/USDT0 流动性池同步推出首期 $10K LP 激励,带来更多稳定币流动性收益机会。 🔚 11 月 10 日 15:00 (UTC+8) 🫱
顯示更多
0
0
9
19
2
轉發到社區
OKX Wallet 中文
@OKXWallet_CN
2026.10.09 07:15
Boost X Liquidity 流动性激励开启,参与瓜分 250K 美元等值奖励! 通过 OKX Wallet,为股票、贵金属、主流币及稳定币等指定流动性池提供流动性,即可瓜分奖励。 🔚 10 月 26 日 15:00 (UTC+8) 🫱
顯示更多
0
0
13
12
0
轉發到社區
yibie
@yibie
2026.07.30 01:12
推荐这两个模型,Liquid AI 的新 encoder。 小参数下匹敌大模型质量——长文本 CPU 推理比 ModernBERT 快了数倍。 Liquid AI 在 7 月 28 日发布了两个新的 encoder 模型——LFM2.5-Encoder-230M 和 350M。核心卖点:在小参数下匹敌大模型的质量,上下文 8192 token 且延迟随输入长度增长缓慢,CPU 上比 ModernBERT-base 快约 3.7 倍。 架构 两个 encoder 从 LFM2 解码器主干初始化,然后做三步改造:双向注意力掩码(每个 token 看两边)、非因果短卷积(对称 padding)、30% token 的掩码语言建模训练。 两阶段训练:先用 1024 token 上下文做大语料 MLM,再扩展到 8192 token 强化事实、法律和多语言能力。 Benchmark 在 GLUE + SuperGLUE + 多语言分类共 17 个任务上,350M 版本排 14 个模型中的第 4 名,前 3 名都更大(最大一个 3.5B,近 10 倍参数)。230M 版本击败了 ModernBERT-base 和所有 EuroBERT 模型,参数量更小。 CPU 推理速度 最大的优势在 CPU 上。8192 token 输入时,ModernBERT-base 一次前向约 90 秒,LFM2.5-Encoder-230M 约 28 秒——约 3.7 倍快。这意味着你可以在笔记本 CPU 上 30 秒内扫描完一份完整合同、转录文本或长客服线程。 GPU 上的优势在长上下文时同样存在:短输入(<1000 token)ModernBERT 领先,长输入 LFM2.5-Encoders 反超。 实际用途 附带了 5 个 CPU-only 的 HuggingFace Space demo:零样本 prompt 路由、零样本策略检查、拼写纠正、40 种 PII 检测、掩码扩散文本生成(迭代 unmask 而非从左到右生成)。 两个模型都是开放权重,支持 transformers + Flash Attention 2。 模型: 博客: #
Encoder
# #
CPUInference
# #
ONNX
#
顯示更多
0
0
0
1
0
轉發到社區
Bonna
@bonnazhu
2026.05.27 16:34
Looping without relying on DEX liquidity
@GearboxProtocol
即将要发布一个新的功能 名叫 "Retokenization" 本质是在协议层面,支持 RWA 资产实现一键Looping 无需依赖第三方流动性,或者等待链下 T+2 结算
顯示更多
0
0
33
6
0
轉發到社區
載入中...