💙 Gate广场 #Gate品牌蓝创作挑战# 💙
用Gate品牌蓝,描绘你的无限可能!
📅 活动时间
2025年8月11日 — 8月20日
🎯 活动玩法
1. 在 Gate广场 发布原创内容(图片 / 视频 / 手绘 / 数字创作等),需包含 Gate品牌蓝 或 Gate Logo 元素。
2. 帖子标题或正文必须包含标签: #Gate品牌蓝创作挑战# 。
3. 内容中需附上一句对Gate的祝福或寄语(例如:“祝Gate交易所越办越好,蓝色永恒!”)。
4. 内容需为原创且符合社区规范,禁止抄袭或搬运。
🎁 奖励设置
一等奖(1名):Gate × Redbull 联名赛车拼装套装
二等奖(3名):Gate品牌卫衣
三等奖(5名):Gate品牌足球
备注:若无法邮寄,将统一替换为合约体验券:一等奖 $200、二等奖 $100、三等奖 $50。
🏆 评选规则
官方将综合以下维度评分:
创意表现(40%):主题契合度、创意独特性
内容质量(30%):画面精美度、叙述完整性
社区互动度(30%):点赞、评论及转发等数据
Sui学术研究奖新轮公布 17项目获42万美元资助 聚焦Web3创新
Sui学术研究奖新轮结果揭晓:全球知名高校获资助,17个项目总额超42万美元
Sui基金会近期公布了新一轮学术研究奖的获奖名单。该计划旨在资助推动Web3发展的研究,尤其关注区块链网络、智能合约编程和基于Sui构建的产品相关技术的突破。
在过去的两个阶段中,共有17个来自全球顶尖学府的提案获得了批准,总资助金额达425,000美元。参与高校包括韩国科学技术院、伦敦大学学院、洛桑联邦理工学院和新加坡国立大学等。
获奖提案概览
DAOs:投票团体多样性
康奈尔大学的Ari Juels团队将致力于建立衡量去中心化组织程度的指标。研究目标是确定能够增强组织内部去中心化的实践方法。
自适应安全的异步DAG协议共识
伦敦大学学院的Philipp Jovanovic团队提出开发一种异步DAG协议,以提高抗攻击能力并适应动态对手。该协议旨在提供更优秀的安全性和适应性,同时保持接近部分同步对手的性能水平。
大型语言模型辅助Sui智能合约审计
伦敦大学学院的Arthur Gervais团队计划利用GPT-4-32k和Claude-v2-100k等大型语言模型改进Move智能合约审计。他们将基于对52个Solidity DeFi智能合约的初步分析结果,将研究扩展到Sui智能合约。
映射共识协议领域
伯尔尼大学的Christopher Cachin团队将对当前共识领域进行全面调查,为密码共识协议提供新颖见解,有助于更好地理解现有算法并为设计分布式协议提供新思路。
去中心化预言机协议的高可信验证框架
卡内基梅隆大学的Giselle Reis团队和Djed Alliance的Bruno Woltzenlogel Paleo将创建一个框架,通过形式化方法严格分析和验证区块链预言机。该研究将利用Coq证明管理系统中形式化的基本预言机协议和业务模型。
识别可扩展性瓶颈
苏黎世联邦理工学院的Roger Wattenhofer团队旨在通过识别源于智能合约设计缺陷的瓶颈,提高区块链应用程序的并行化潜力。他们还将探讨调整交易费用对并行化潜力的影响。
Bullshark协议机械化
新加坡国立大学的Ilya Sergey团队将使用现代计算机辅助验证工具对Bullshark的属性进行正式验证,推进基于有向无环图的共识协议的理解。
BBSF:区块链基准化标准框架
利哈伊大学的Henry F. Korth团队计划创建一个区块链基准标准化格式,以公平比较L1区块链和L2扩展解决方案,为用户和开发者提供链性能的透明洞察。
构建可扩展和去中心化的共享序列层
韩国科学技术院的Min Suk Kang团队将探索将Bullshark/Mysticeti用作共享排序器算法的可能性,涉及运行多个使用Sui作为排序层的Rollup。
用于最佳拥堵定价的本地费用市场
纽约大学的Abdoulaye Ndiaye团队将研究本地费用市场以优化拥堵定价,探索建立反映拥堵状态的有效定价机制。
SAMM:分片自动做市商
以色列理工学院的Ittay Eyal团队正在开发分片合约概念,旨在通过多个合约增加并发性。他们的目标是调整激励机制,以维持多个AMM分片,实现完全可并行化的分片AMM。
竞争机制中的私人披露
罗马托尔维亚塔大学的Andrea Attar团队将探索市场机制设计的新方法,研究设计者向代理人私下披露信息对市场结果和战略互动的影响。
应用大型语言模型生成Sui智能合约
卡内基梅隆大学的Ken Koedinger和Eason Chen团队将通过使用Move代码和Sui特定提示来微调大型语言模型,以改进Sui智能合约的生成。
COMET:过渡到Move的比较度量和框架
尼科西亚大学的George Giaglis团队将完成Solidity和Move之间的全面比较分析,促进对Move功能和能力的更深入理解。
革命性DeFi:深度学习方法优化Sui上的流动性和动态费用
洛桑联邦理工大学的Rachid Guerraoui和Walid Sofiane团队将开发一种混合深度学习模型,用于Sui DeFi协议中的最佳范围预测。
评估对SUI波动率的预测能力
塞浦路斯开放大学的Stavros Degiannakis团队将调查SPEC算法在Sui资产波动率预测中的有效性。
低内存后量子透明zkSNARKs
宾夕法尼亚大学的Brett Falk和Pratyush Mishra团队致力于开发可扩展的zkSNARKs,解决证明者时间复杂度、空间复杂度和SRS大小等问题。
这些研究项目涵盖了区块链技术的多个关键领域,从去中心化组织到智能合约安全,从共识机制到DeFi优化。Sui基金会通过支持这些前沿研究,展现了推动区块链技术进步的决心,有望为整个行业带来重要突破。