熱門話題
查看更多11.56萬 熱度
32.01萬 熱度
7.31萬 熱度
32.56萬 熱度
581.29萬 熱度
熱門 Gate Fun
查看更多- 市值:$2278.68持有人數:20.00%
- 市值:$0.1持有人數:10.00%
- 市值:$2262.06持有人數:10.00%
- 市值:$2272.41持有人數:10.00%
- 市值:$0.1持有人數:10.00%
置頂
🍀 Spring Date with Fortune, Prizes with Raffle! Growth Value Phase 1️⃣ 7️⃣ Spring Raffle Carnival Begins!
Seize Spring's Good Luck! 👉 https://www.gate.com/activities/pointprize?now_period=17
🌟 How to Participate?
1️⃣ Enter [Square] personal homepage, click the points icon next to your avatar to enter [Community Center]
2️⃣ Complete Square or Hot Chat tasks such as posting, commenting, liking, speaking to earn growth value
🎁 Every 300 points can raffle once, 10g gold bars, Gate Red Bull gift box, VIP experience card and more prizes waiting for you to win!
Details 👉 https://www.gate.com/ann📢 Gate 廣場創作者衝榜火熱開啟！
發文贏獎勵，瓜分 1,500 USDT 總獎池 🔥
活動採用 曝光、互動、交易三重積分制——獲得更多曝光、贏得用戶互動、帶動真實交易，每一項都能為你累積積分，讓優質內容被看見、被獎勵。
✅ 總榜大獎：Top 10 創作者分享 1,050 USDT
✅ 新人 & 回歸激勵：5 位潛力作者各得 30 USDT
✅ 深度內容獎：6 篇優質長文各獲 50 USDT
📅 活動時間：3 月 19 日 - 4 月 4 日
📍 報名鏈接：https://www.gate.com/questionnaire/7494
📄 活動詳情：https://www.gate.com/zh/announcements/article/50265
原創內容、深度思考、真實互動——讓創作更有價值。
#Gate广场 #GateSquare #创作者冲榜 #内容挖矿福利加码，Gate 廣場明星帶單交易員三期招募開啟！
入駐發帖 · 瓜分 $30,000 月度獎池 & 千萬級流量扶持！
如何參與：
1️⃣ 報名成為跟單交易員：https://www.gate.com/copytrading/lead-trader-registration/futures
2️⃣ 報名活動：https://www.gate.com/questionnaire/7355
3️⃣ 入駐 Gate 廣場，持續發布交易相關原創內容
豐厚獎勵等你拿：
首發優質內容即得 $30 跟單體驗金
每雙周瓜分 $10,000U 內容獎池
Top 10 交易員額外瓜分 $20,000U 登榜獎池
精選帖推流、首頁推薦、周度明星交易員曝光
詳情：https://www.gate.com/announcements/article/50291🤖 尋找 Gate 廣場 AI 評測官！$50,000 懸賞令發布！
發帖聊 AI，獎金拿到手軟！新人首帖獎勵翻倍，單帖最高 200U！
📝 立即報名：https://www.gate.com/questionnaire/7477
1️⃣ 發帖得紅包，單帖最高 100U！
2️⃣ Top 體驗分享官：帶 #Gate广场AI测评官 聊技巧，贏國米球衣！
3️⃣ 收益率 PK 王：曬 AI 收益截圖，贏 Gate 定制運動套裝！
4️⃣ 深度好文額外加碼 30U 每篇張榜公布！
💬 來 Gate 廣場，把握行業新趨勢：https://www.gate.com/post
時間：3/12 18:00 – 3/27 24:00 (UTC+8)
詳情：https://www.gate.com/announcements/article/50206Gate 廣場內容挖礦獎勵繼續升級！無論您是創作者還是用戶，挖礦新人還是頭部作者都能贏取好禮獲得大獎。現在就進入廣場探索吧！
創作者享受最高60%創作返佣
創作者獎勵加碼1500USDT：更多新人作者能瓜分獎池！
觀眾點擊交易組件交易贏大禮！最高50GT等新春壕禮等你拿！
詳情：https://www.gate.com/announcements/article/49802
最新消息：一項由 DeepSeek 主導的研究表明，大型語言模型在試圖重建 Transformer 內的靜態知識時，浪費了過多的計算資源。他們的解決方案是 Engram，一個結合 O(1) 搜索與 MoE 架構的條件記憶模組，在內部測試中顯示在知識、推理、程式設計、數學和長上下文任務方面有所提升。