Wir waren eine Weile still. Die Zeit ist vergangen, die Arbeit nicht. Steak Studio ist erfrischt und stärker als je zuvor 🥩 Und danke an @bodotne für die großartige Arbeit.

VLAs sind noch sehr neu und viele Menschen finden es schwierig, den Unterschied zwischen VLAs und LLMs zu verstehen. Hier ist ein tiefer Einblick, wie sich diese KI-Systeme in Bezug auf Denken, Wahrnehmung und Handeln unterscheiden. Teil 1. Lass uns die wichtigsten Unterschiede aufschlüsseln und wie KI-Agenten, die um ein LLM gewickelt sind, sich von Operator-Agenten unterscheiden, die VLA-Modelle verwenden: 1. Wahrnehmung: Wie sie die Welt wahrnehmen Agent (LLM): Verarbeitet Text oder strukturierte Daten, z.B. JSON, APIs und manchmal Bilder. Es ist wie ein Gehirn, das mit sauberen, abstrahierten Eingaben arbeitet. Denk an das Lesen eines Handbuchs oder das Parsen einer Tabelle. Großartig für strukturierte Umgebungen, aber begrenzt durch das, was ihm zugeführt wird. Operator (VLA): Sieht rohe, Echtzeit-Pixel von Kameras, plus Sensordaten (z.B. Berührung, Position) und Propriozeption (Selbstwahrnehmung der Bewegung). Es ist wie das Navigieren in der Welt mit Augen und Sinnen, das in dynamischen, chaotischen Umgebungen wie UIs oder physischen Räumen gedeiht. 2. Handeln: Wie sie interagieren Agent: Handelt, indem er Funktionen, Werkzeuge oder APIs aufruft. Stell dir vor, es ist ein Manager, der präzise Anweisungen gibt wie „Buche einen Flug über die Expedia-API.“ Es ist absichtlich, aber abhängig von vorgefertigten Werkzeugen und klaren Schnittstellen. Operator: Führt kontinuierliche, niedrigstufige Aktionen aus, wie das Bewegen eines Mauszeigers, Tippen oder das Steuern von Robotergelenken. Es ist wie ein geschickter Arbeiter, der direkt mit der Umgebung interagiert, ideal für Aufgaben, die Echtzeit-Präzision erfordern. 3. Kontrolle: Wie sie Entscheidungen treffen Agent: Folgt einem langsamen, reflektierenden Zyklus: planen, ein Werkzeug aufrufen, das Ergebnis bewerten, wiederholen. Es ist tokengebunden (begrenzt durch die Textverarbeitung) und netzwerkgebunden (wartet auf API-Antworten). Das macht es methodisch, aber träge für Echtzeitanwendungen. Operator: Arbeitet, trifft schrittweise Entscheidungen in einem engen Feedback-Zyklus. Denk an einen Gamer, der sofort auf das reagiert, was auf dem Bildschirm zu sehen ist. Diese Geschwindigkeit ermöglicht flüssige Interaktionen, erfordert jedoch eine robuste Echtzeitverarbeitung. 4. Daten zum Lernen: Was ihr Training antreibt Agent: Wird auf riesigen Textkorpora, Anleitungen, Dokumentationen oder RAG (Retrieval-Augmented Generation) Datensätzen trainiert. Er lernt aus Büchern, Code oder FAQs und glänzt im Denken über strukturiertes Wissen. Operator: Lernt aus Demonstrationen (z.B. Videos von Menschen, die Aufgaben ausführen), Teleoperationsprotokollen oder Belohnungssignalen. Es ist wie Lernen durch Zuschauen und Üben, perfekt für Aufgaben, bei denen explizite Anweisungen rar sind. 5. Fehlermodi: Wo sie versagen Agent: Neigt zu Halluzinationen (Antworten erfinden) oder brüchigen Langzeitplänen, die zusammenbrechen, wenn ein Schritt fehlschlägt. Es ist wie ein Stratege, der überdenkt oder die Situation falsch einschätzt. Operator: Sieht sich einer Kovariatenverschiebung gegenüber (wenn die Trainingsdaten nicht mit den realen Bedingungen übereinstimmen) oder kumulierten Fehlern in der Steuerung (kleine Fehler summieren sich). Es ist wie ein Fahrer, der auf einer unbekannten Straße die Kontrolle verliert. 6. Infrastruktur: Die Technik dahinter Agent: Vertraut auf einen Prompt/Router, um zu entscheiden, welche Werkzeuge aufgerufen werden, ein Werkzeugverzeichnis für verfügbare Funktionen und Speicher/RAG für den Kontext. Es ist ein modulares Setup, wie ein Kommandozentrum, das Aufgaben orchestriert. Operator: Benötigt Videoeingabepipelines, einen Aktionsserver für die Echtzeitsteuerung, einen Sicherheitsmechanismus, um schädliche Aktionen zu verhindern, und einen Replay-Puffer, um Erfahrungen zu speichern. Es ist ein Hochleistungssystem, das für dynamische Umgebungen gebaut ist. 7. Wo jeder glänzt: Ihre Stärken Agent: Dominierend in Workflows mit sauberen APIs (z.B. Automatisierung von Geschäftsprozessen), Denken über Dokumente (z.B. Zusammenfassen von Berichten) oder Code-Generierung. Es ist dein Ansprechpartner für strukturierte, hochrangige Aufgaben. Operator: Exzellent in chaotischen, API-losen Umgebungen wie dem Navigieren durch unhandliche UIs, dem Steuern von Robotern oder dem Bewältigen von spielähnlichen Aufgaben. Wenn es um Echtzeitinteraktion mit unvorhersehbaren Systemen geht, ist VLA der König. 8. Mentales Modell: Planer + Macher Denk an den LLM-Agenten als den Planer: Er zerlegt komplexe Aufgaben in klare, logische Ziele. Der VLA-Operator ist der Macher, der diese Ziele umsetzt, indem er direkt mit Pixeln oder physischen Systemen interagiert. Ein Prüfer (ein anderes System oder ein Agent) überwacht die Ergebnisse, um den Erfolg sicherzustellen. $CODEC

Was wäre, wenn wir anstelle von "wir haben keine Käufer, deshalb schauen wir nach außen (DATs)" einfach eine ausgeklügeltere Branche hätten, die keine gebündelten Vaporware mehr von Prominenten kauft? Was in der Tat mit den Erkenntnissen dieses Beitrags zusammenhängt, aber nicht bedeutet, dass es keine Käufer gibt?

Dips in einem Bullenmarkt sind dazu da, gekauft zu werden, insbesondere bei Projekten mit großen Katalysatoren. Wir alle wissen, dass KI die Erzählung dieses Zyklus ist, die letztes Jahr von ai16z und Virtuals gestartet wurde. Meine Wette ist, dass der Markt sich auf komplexere und ausgeklügelte Technologien wie VLAs konzentrieren wird, und lass mich dir sagen, warum. LLMs (Large Language Models) lesen und schreiben hauptsächlich Text: Sie sind großartig darin, zu erklären, zu planen und Anweisungen zu generieren, aber sie steuern nicht von sich aus Motoren oder interagieren mit der physischen Welt (wie du vielleicht mit chatgpt erfahren hast). VLAs (Vision Language Action Modelle) unterscheiden sich von LLMs, da sie multimodale Systeme sind, die Dinge betrachten (Vision), Anweisungen verstehen (Sprache) und direkt Aktionen ausführen. Es ist, als würde man einem Roboter sagen, er solle einen roten Becher aufheben, und dann bewegt er seinen Arm, um es zu tun. VLAs werden an Beispielen trainiert, die Bilder/Videos + Anweisungen + echte Aktionsspuren (wie sich ein Roboter tatsächlich bewegt hat) paaren, und sie müssen schnell und sicher in Echtzeit arbeiten. LLMs hingegen werden an riesigen Textsammlungen trainiert und konzentrieren sich auf Denk- und Sprachaufgaben. TL;DR LLMs denken und sprechen, während VLAs sehen, denken und handeln. Wie du sehen kannst, sind VLAs eine wesentliche Ergänzung zu LLMs und werden die nächste 0 zu 1 Innovation in der gesamten Wirtschaft ermöglichen, die Robotik sein wird. Eine Mehrheit der Investmentfonds investiert einen großen Teil ihrer Mittel in diesen Sektor, der als die nächste logische Evolution in der KI-Industrie angesehen wird. Ich habe vor einiger Zeit einen Beitrag über den aktuellen Marktführer im Krypto-Markt, @codecopenflow, gemacht, der kein Kapital aufgenommen hat (fair launch), aber dennoch bahnbrechende Produkte liefert und derzeit bei 23 Millionen USD FDV sitzt. Zur Information: Andere Krypto-Wettbewerber haben 20 Millionen USD (@openmind_agi) aufgenommen, bei einem wahrscheinlich 200 Millionen bis 300 Millionen ++ FDV, während noch kein Produkt oder keine Community aufgebaut und ausgeliefert wurde. Was Codec zu einem führenden Projekt im Sektor macht, ist, dass sie ein entscheidendes Engpassproblem in der Robotik und KI angehen, nämlich die Schwierigkeit, alle KI-Tools miteinander interagieren zu lassen. Lass mich das erklären. Ihr neuester Release, OPTR (Operator), ist ein Toolkit, das hilft, Operatoren zu erstellen, die auf mehreren Plattformen wie Robotern, Desktops, Browsern oder Simulationen interagieren können. Das Ziel eines Operators ist es, zu sehen, zu denken und zu handeln (VLA) in sowohl digitalen (Computern) als auch physischen (Robotern) Welten. Dieses Toolkit dient als Kerninfrastruktur für Robotikteams, die ihr Produkt testen und den gesamten Prozess verbessern möchten, indem es eine einheitliche Erfahrung anstelle separater für Webbrowser, Simulationen oder Roboter bietet. Dies macht den Operator im Wesentlichen anpassungsfähig und autonom, unabhängig von seiner Umgebung. Also verstehst du, es wird viel Zeit für Unternehmen und Entwickler sparen, die zuvor jeden Schritt manuell durchlaufen mussten, und wo man Zeit sparen kann, kann man Geld sparen. Es wird auch Codec ermöglichen, ihre eigenen Operator-Projekte zu entwickeln und neue Kapazitäten relativ schnell auf den Markt zu bringen, insbesondere über ihren Marktplatz. TL;DR: Du hast wahrscheinlich Videos von Robotern gesehen, die Taschentücher falten, Kisten sortieren oder auf verschiedenen Elementen springen. Sie wurden alle für diesen sehr spezifischen Anwendungsfall trainiert, und leider kann eine Fähigkeit nicht in einer anderen Umgebung wiederverwendet werden, wie es ein Mensch tun könnte. OPTR von Codec löst dies, indem es Fähigkeiten über Umgebungen und Situationen übertragbar macht, was das Training und die Entwicklung für Unternehmen viel schneller und günstiger macht. Deshalb ist Codec so interessant, um die digitale Welt mit der physischen Welt zu vereinen. $CODEC, Coded.

Eine weitere Woche, ein weiterer Forschungsartikel: dieses Mal geht es um $CODEC Ich glaube wirklich, dass dies eine der am meisten übersehenen Robotik-Münzen im Krypto-Bereich ist. Robotik ist die Zukunft, aber es gibt nicht viele Wetten darauf im Krypto. Dies ist eine der wenigen, fühl dich frei, $CODEC-pilled zu werden.

Top Crypto Stimmen, denen man folgen sollte Hier ist Teil 2 meiner kuratierten Liste von unverzichtbaren Crypto KOLs: @xerocooleth – Kaito-Star. Kombiniert Geschwätz mit Unterhaltung, hebt kleine Accounts hervor und postet ununterbrochen. @Louround_ – Der Researchoor, Buildoor, Influencoor. Eine wahre Legende mit vielen Hüten. @thelearningpill – Yield-Connaisseur. Kurator von "Gud Reads" und stolzer Aptos-Maximalist. @arndxt_xo – Makro-Sensei. Substack-Schreiber, Verknüpfer von Punkten, erleuchtet CT täglich. @0xCheeezzyyyy – Yield-Maximalist + Infografik-Zauberer. Pendle-Werber mit klaren Visuals. @eli5_defi – Infografik-König. Vereinfacht DeFi wie kein anderer, unterstützt immer kleine Accounts. @theunipcs – Von 16k → 13M mit BONK. Hat USELESS auf über 300M$ gebracht. Wenn Memes dein Ding sind, ist er dein Führer. @0xAndrewMoh – BNB-Chain-Maximalist. Schreibt narrative Threads. Besitzt 11 Alts, die dich unterstützen, wenn du ihm folgst. @poopmandefi – Der Name mag "poop" sein, aber die Recherche ist erstklassig. Scharfe Meinungen zu Stablecoins, Alts, VCs und mehr. @rektdiomedes – Makro-Gehirn. Kurator von @thedailydegenhq, Liftoor, Gesundheits-Maximalist und Champion für kleine Accounts. @YashasEdu – Schreibt über DeFi, DeFAI und L2s. Klein für jetzt, aber eine große Stimme in der Mache. @0x_Kun – Klartextredner. Spricht über Handelsdisziplin, Geldmanagement und Makro ohne BS. Teil 3 und 4 werden in den kommenden Wochen veröffentlicht, also bleibt dran!

Nutzen Sie diesen Samstagnachmittag als Erinnerung, Forschungsartikel zu lesen, Ordner, interne Prozesse und Arbeitsabläufe neu zu organisieren. Ständige Verbesserung und Studium sind der Schlüssel in dieser sich schnell bewegenden Branche.

Protokolle, die ich wöchentlich benutze (einschließlich Wallets): @HyperliquidX @Lighter_xyz @Rabby_io @phantom @DeBankDeFi @DefiLlama Aggregator @JupiterExchange @debridge @defidotapp Was noch?

Habe mehr $HYPE bei diesem Rückgang eingekauft, die Begründung ist sehr einfach: Wenn das Volumen ansteigt (verursacht durch Pumpen oder Dumpen), generiert HL eine Menge Volumen, Gebühren und Liquidationen, die für den Rückkauf verwendet werden. TL;DR: Das Haus gewinnt immer. Abgesehen davon scheint die Zukunft der Robotik, $CODEC, nicht dippen zu wollen, also habe ich trotzdem mehr gekauft. Das war ein großartiger Reset, der für die Märkte nötig war, um höher zu steigen, jetzt beobachten wir sorgfältig den Rest des Augusts 🤝

Endlich könnte ich bei meinen Käufen nach 1370 Tagen die Gewinnschwelle erreichen. Kann es kaum erwarten 🚀