#jupyter_notebook
Retrieval Augmented Generation (RAG) helps large language models (LLMs) answer questions using up-to-date or private information by connecting them to external data sources, unlike fine-tuning which retrains the model on specific data. RAG is useful when you need current, dynamic information without costly retraining, making it ideal for tasks like customer support or knowledge management. Fine-tuning is better for deep expertise in a specialized field but requires more data and effort. Using RAG lets you get accurate, relevant answers quickly by combining the model’s language skills with fresh, specific data, improving usefulness and reliability.
https://github.com/langchain-ai/rag-from-scratch
🚀🚀100% Huge Profit on #STRK/USDT as it has hit all the profit target - The trade has been closed
👁🗨Contact @primemod to enter the premium group & make daily gains
✅ Huge 250% Profit on #STRK/USDT for our Premium Members on Binance Futures/OKX/Bybit & KuCoin - All target completed
👁🗨Contact @primemod to enter the Premium Group for daily gain
#STRK
Starknet добавил базу для приватных транзакций
Starknet выпустил обновление v0.14.2. Главный апдейт — в сеть встроили нативную проверку доказательств, которая открывает путь к приватным переводам и скрытым балансам.
Что изменилось технически:
— в формат Invoke V3 добавили поля proof и proof_facts
— проверка STARK-доказательств теперь идет на уровне протокола
— смарт-контрактам больше не нужно самим проверять громоздкие доказательства
Это важно, потому что такие доказательства могут содержать десятки тысяч field elements. Раньше их пришлось бы разбивать на несколько транзакций, теперь эту нагрузку берет на себя сама сеть.
Практический результат — пользователь может подтвердить, что у него есть нужный баланс или право на перевод, не раскрывая весь кошелек и историю операций. На этой базе Starknet запускает STRK20 для приватного использования токенов и strkBTC как первый актив в новой модели. Для strkBTC отдельно указано, что ключ просмотра будет у аудиторской фирмы для возможных регуляторных запросов
#STRK
StarkWare сокращает команду и меняет структуру бизнеса
StarkWare проводит сокращения и перестраивает компанию на две основные единицы, делая акцент на выручке, после обвала доходов Starknet. На пике сеть зарабатывала около $6,5 млн в месяц, сейчас — примерно $150 тыс. в месяц.
Теперь структура делится на:
— направление, связанное с Starknet
— и отдельный блок для коммерческих решений и корпоративных продуктов
Компания прямо смещает фокус с разработки на монетизацию.
Речь идет о том, чтобы активнее зарабатывать на своих технологиях, а не только развивать экосистему.