ZKML
1. MRT reparó el problema de la pérdida de información de cuantificación del modelo después de InferType;
2. MRT corrige el error InferShape y agrega la interfaz SetInputShape;
3. El operador tipo del modelo de ajuste MRT es consistente con TVM to Cast;
4. MRT agrega Simulator Pass, que simula la precisión original como referencia;
5. MRT soluciona el problema de la pérdida de precisión de cuantificación;
6. CVM agrega datos de interfaz DLTensor y los parámetros se usan como opciones de análisis de NodeAttrs;
ZkRollup
1. Pruebe y corrija el problema de que la serialización de datos en crate/cripto no cumple con las expectativas, separe el sclar por separado (la expansión macro es demasiado lenta) y agregue pruebas unitarias;
2. Agregue zion_tx, zion_op y otros tipos (implemente métodos como from_public_data, to_public_data…) para mejorar las pruebas unitarias;
3. Agregar el paquete y desempaquetar (uint96) de algunos datos en formato flotante;
4. Manejar posibles errores durante la conversión tx -> op y public_data -> conversión op (la versión de python ignora, la corrección predeterminada);
Nodo completo de la corteza
1. Eliminar tienda falsa;
2. Agregue caché de archivos y verifique la información de torrent.;
3. Corregir algunos errores y fallas;
4. común/mclock: añadir alarma;
operación de mercado
1. Prueba de función de pabellón Cortex NFT;
2. Prueba de la función del navegador de la nueva versión de Cortex;
3. Editor del tutorial del pabellón Cortex NFT:
4. Investigación de planificación de juegos de puntos comunitarios NFT;
5 Continuar recopilando, traduciendo y contenido original relacionado en profundidad, NFT y DeFi y otros campos, y tratar de desarrollar un nuevo modo de operación de contenido de comunidad y medios;
6. Continuar prestando atención a los proyectos populares en el mercado y analizar la lógica del proyecto y los modelos económicos.
| Sitio web | GitHub | Gorjeo | Facebook | Reddit | Cacao | Correo | Discordia
