나옹 Meowth $CP

Primus XP 가 야핑 점수에도 도움을 준다고? 바로 쪼물딱~ @primus_labs Primus에서는 직접 미션을 수행하고 XP를 획득할 수 있는 Primus Points 프로그램이 있는 사실! 알고 계셨나요? Primus Points는 단순한 출석체크나 소셜 딸깍 미션을 수행하는 것이 아니라 평소 사용하는 웹사이트의 계정이나 활동 기록을 인증하여 검증이 완료되면 XP를 획득할 수 있는 프로그램이에요. 그리고 이 프로그램을 통해 Primus의 핵심 기술인 zkTLS를 직접 경험해 볼 수도 있죠! 현재 참여할 수 있는 미션으로는 , AI 사용 기록 인증 : ChatGPT의 메시지 수, Cursor 등의 AI 사용량 계정 인증 : X, Google, Github, Naver 등의 계정 정보 활동 기록 인증 : X 팔로워 수, Github 기여 내역, Luma 행사 참석 기록 등이 있는데요! 매주 새로운 테마의 인증 미션이 추가되며, 이전에 공개된 미션도 계속 참여할 수 있다고 해요. 한국 할당도 주고 계정 인증 목록에 Naver도 껴있는 것을 보면.. 한국 시장에도 꽤나 관심이 있는 것을 알 수 있는 부분! 그런데 말이죠 여기서 한가지 더 중요한 점은 이 XP가 현재 Kaito Campaign과도 연결되어 있다는 점이에요! 이번 Primus X Kaito Campaign의 최종 점수에는 Kaito 마인드쉐어뿐 아니라 Primus 레퍼럴 배수도 반영되어요! 결국 자신의 추천 링크를 통해 새로운 사용자를 초대하고 이들이 Primus XP 미션에 참여하도록 유도하는 것이, 콘텐츠를 작성해 마인드 쉐어를 쌓는 것 만큼이나 중요하다는 것이죠! --- 자신의 레퍼럴 배수 링크를 확인하는 방법 : Kaito Studio에 들어가 Primus 캠페인을 누르기 저의 소소한 Primus 꿀팁 1. Primus에서 계정을 인증하기 전에 본인의 링크로 들어가서 연동 먼저 하고 XP를 받으셔야 Kaito X Primus Referral Points에 반영이 됩니다..! 저는 연동을 안하고 XP를 받아서 40포 날렸어요 ㅠㅠ.. > 빠른 시작 (제 레퍼럴 입니당..!,,⁃ ⩊ ⁃,, ) s.kaito.ai/0pDowct 2. 가끔 인증에 오류가 생겨 계속 뺑글뺑글 돌기만 하는 경우가 있는데 그럴 때는 Primus 창과 인증이 진행중인 사이트(구글, 트위터 등등) 창을 모두 닫고 조금 시간이 지난 뒤에 다시 시도하시면 됩니다! 그래도 안된다면 브라우저를 모두 닫고 재시도 해보세용! 3. 확장 프로그램을 사용하는 캠페인이다 보니 보안이 염려되시는 분은 설치를 피해주시고, 기기 분리를 할 수 있으시면 코인 전용 PC 대신 다른 PC에 설치하시는걸 추천합니다!! (최소 다른 브라우저에 깔으시거나 새 크롬 프로필을 하나 생성하신 뒤 거기에 다운받기..!) 그리고 혹시나 제 글이 도움이 되셧다면!! 제 레퍼럴로 한 번 가입 부탁드려도 될까용? ( *¯ ꒳¯*) 감사합니다! s.kaito.ai/0pDowct

여러분 저 됐어여!! 533등 됐어여!! ㅠ 엑X스 야핑 마지막에 열심히 달려봤는데 결국 33끗 차이로 in500을 못했어여 흑흑 차라리 533등이라는 결과를 보여주지 않고 in500이 되지 못했다는 증명만 받았다면 조금은 충격이 덜했을까요..? @primus_labs 그런데 생각해 보면 우리가 어떤 사실을 증명하기 위해서 반드시 모든 정보를 공개할 필요는 없을 것 같아요. 저번 야핑의 경우 상위 500명에게만 보상이 지급되지만, 그 안에서도 순위에 따라 보상 구간이 자잘하게 나뉘어요. 그렇다면 정확한 등수를 공개하는 대신, 보상 대상에 해당하는지와 어느 보상 구간에 속하는지만 증명할 수 있다면 어떨까요? 실제 순위 데이터가 신뢰할 수 있는 정보라는 사실을 검증하면서도 불필요한 정보는 공개하지 않는거죠. Primus는 바로 이런 접근을 금융 분야에 적용하고자 하는 프로젝트예요. 예를 들어 어떤 사람이 대출을 받기 위해 충분한 자산을 보유하고 있다는 사실을 증명해야 한다고 가정해 볼게요! 금융기관이 확인해야 하는 것은 자산 조건을 충족하는지 아닌지의 여부 뿐이지,그 사람의 전체 잔고 내역이나 모든 거래 기록은 아닐 수 있어요! Primus는 zkTLS 기술을 통해 인터넷상의 데이터가 신뢰할 수 있는 출처에서 제공되었다는 사실을 검증할 수 있도록 해요. 여기에 영지식 증명이나 FHE와 같은 프라이버시 기술을 결합하면 민감한 원본 데이터를 공개하지 않고도 특정 조건의 충족 여부를 검증하거나 암호화된 상태에서 연산하는 금융 서비스까지 구현할 수 있죠! 그리고 이는 기관 투자자들에게 굉장히 중요한 의미를 가져요. 기관들은 자신의 자산과 거래의 신뢰성을 증명해야 하지만, 동시에 투자 포지션이나 전략 같은 민감한 정보는 보호해야 하기 때문이에요. 모든 정보를 공개하지 않더라도 필요한 사실은 신뢰할 수 있게 증명하는 것! Primus는 기밀성과 검증 가능성을 결합해 기관들이 더욱 안전하게 참여할 수 있는 온체인 금융 인프라를 구축하고자 해요. 저도 정확한 533등 이라는 숫자 대신 '보상 대상 아님'이라는 결과만 받았다면 조금은 덜 슬프지 않았을까 싶네여 ㅠㅅㅠ

기관투자자들이 온체인 금융을 망설이는 이유? @primus_labs 블록체인의 가장 큰 장점 중 하나는 바로 투명성이죠! 누구나 온체인 거래 내역을 확인할 수 있고, 자금이 어떻게 이동하는지 추적할 수도 있어서 조작하기 어려워요. 하지만 이런 투명성이 기관투자자에게는 오히려 진입장벽이 될 수 있다는 사실 다들 아시나요? 우리 함께 수천억 원의 자금을 운용하는 기관이 있다고 가정해봐요. 만약 이 기관이 어떤 자산을 얼마나 보유하고 있는지, 언제 자금을 이동시키는지, 어떤 포지션을 구축하고 있는지가 외부에 그대로 노출된다면..? 경쟁자들이 투자 전략을 추정할 수 있게 되며, 이러한 정보 노출은 실제 거래에도 불리하게 작용할 수 있겠죠! 그렇다고 모든 정보를 비공개로 전환하는 것도 완전한 해결책은 아니예요. 금융에서는 민감한 정보를 보호하는 동시에 자산과 거래의 신뢰성을 검증하고, 필요한 경우 규제 준수 여부도 확인할 수 있어야 하기 때문이죠! Primus는 바로 이 문제를 해결하기 위해 등장한 프로젝트예요. Primus는 zkTLS와 zkFHE 기술(다음에 설명할게요!)을 활용해 민감한 데이터를 보호하면서도 정보의 진위와 연산의 정확성을 검증할 수 있는 인프라를 개발하고 있어요. 쉽게 말하면 기관이 자신의 투자 전략이나 금융 정보를 모두 공개하지 않더라도, 필요한 사실은 신뢰할 수 있는 방식으로 증명할 수 있도록 만드는 것이죠! 결국 기관 투자자가 온체인 금융에 본격적으로 참여하기 위해서는 투명성만큼이나 기밀성과 검증 가능성이 중요하답니다! 그리고 Primus는 이 두가지를 양립시켜 기존 블록체인 생태계에서도 기관이 안심하고 활용할 수 있는 금융 환경을 구축하고자 해요. 모든 것을 공개하지 않아도 신뢰할 수 있는 금융! 이것이 Primus가 지향하는 온체인 금융의 모습이에요!

코같투님과 함께하는 @axisrobotics AMA 리캡! 지난 금요일 Axis의 CEO와 한국 커뮤니티가 함께 AMA를 열어 앞으로의 비전을 자세하게 설명해주는 시간을 가졌습니다! 이번 AMA에서 Axis가 반복해서 강조한 것은 단순히 로봇 데이터를 많이 모으는 것이 아니라, 그 데이터를 바탕으로 실제 로봇이 유용한 작업을 수행할 수 있게 만드는 AI 모델과 학습 시스템 구축이에요. 현재 Axis는 전 세계의 기여자들이 직접 로봇을 조작하여 만든 행동 궤적 데이터를 수집 중이에요. 이러한 인간의 데이터는 로봇에게 특정 작업을 어떻게 수행해야 하는지 알려주는 일종의 출발점이 되어요. 그리고 이 데이터를 바탕으로 시뮬레이션에서 강화 학습을 진행하고, 로봇이 다양한 환경과 조건에서 반복적으로 연습하게 합니다. 이후 실제 로봇에 적용해 어떤 행동이 제대로 작동하고 어디에서 실패하는지를 확인하고, 그 결과를 다시 다음 학습에 반영해요. ⚙️ 그렇다면 왜 Web3가 필요할까? 로봇이 학습하는 데 블록체인이 반드시 필요한 것은 아니에요, 하지만 전 세계의 수많은 사람들이 로봇 학습에 누가 실제로 가치 있는 기여를 했는지 확인하고, 그에 맞는 보상을 제공하기 위해 필요해요. 단순히 많은 클릭이나 제출 횟수를 기록한 사람에게 보상을 하는 대신, 실제 모델의 발전에 도움이 된 고품질 기여를 찾아 보상하는 구조를 만드는 것이죠! 즉 Axis가 블록체인 위에서 구축되는 이유는 모두가 신뢰할 수 있는 Phtsical AI 데이터 엔진을 만들기 위함이에요. ⚙️ 실제 산업에서 만나보는 Axis 이번 AMA에서는 Axis의 파트너십이 모두 같은 성격이 아니라는 점도 확인할 수 있었는데요. Booster Rovotics와는 실제 로봇 하드웨어를 Axis의 데이터와 연결해 시뮬레이션 데이터를 활용하며 실제 로봇에서 필요한 양을 얼마나 줄일 수 있는지 검증하고 Lotus Cars, Geely와는 자동차 생산라인의 부품 분류 자동화 등 실제 제조 환경을 대상으로 기술을 검증해요. 위 협업들은 아직 R&D 성격이 강하지만 Axis는 실제 상업 매출도 함께 만들고 있어요. 특히 샌프란시스코 Bat Area의 로보틱스 AI 모델 기업과는 약 100만 달려 규모의 상업 계약을 체결했으며 목표와 작업이 달성되는 과정에 따라 단계적으로 매출이 발생하는 구조라고 설명했어요. 이러한 결과들은 커뮤니티가 만든 데이터를 실제 로봇의 성능과 사업적 가치로 연결할 수 있는가를 증명할 수 있는 중요한 관문이라고 생각돼요. ⚙️ Axis가 보는 로보틱스의 돌파구 Axis는 로보틱스의 혁신이 갑자기 모든 일을 해내는 만능 휴머노이드의 등장이라고 생각하지 않아요. 오히려 로봇이 하나하나의 작업을 더 안정적으로 수행하며 상업적으로 활동할 수 있는 범위가 넓어지는 것을 진정한 돌파구로 보고 있지요. 이를 판단하는 기준은 신뢰성과 적응 비용, 선순환 학습 구조에요. 로봇이 예상치 못한 상황에서도 작업을 끝낼 수 있는지, 환경이나 물체가 바뀌었을 때 얼마나 적은 비용으로 적응하는지, 실제 배치에서 얻은 경험이 다음 학습에 다시 활용될 수 있는지가 중요하다는 것이죠. 그리고 이 구조는 로봇이 배치될수록 데이터와 경험이 쌓이고, 그 경험이 다음 로봇을 더 쉽게 학습시킨다는 Compounding 구조와 연결돼요. ⚙️ TGE 이후에는 데이터 플랫폼보다 더 큰 구조로 Axis는 TGE 이전까지 다양한 로보틱스 팀에 고품질 데이터를 제공할 수 있는 대규모 기여자 네트워크와 품질 관리 체계를 만드는 데 집중해왔어요. TGE 이후에는 여기서 더 나아가 데이터와 AI 모델, 강화학습, 실제 로봇의 수행 결과를 하나의 흐름으로 연결할 계획이라고 해요. 특히 2026년 말까지는 새로운 환경에서도 잘 적응하는 모델과, 이미 배운 기술을 조합해 새로운 작업에 활용할 수 있는 Skill Library 구축을 목표로 하고 있죠. 현재 R&D 중심의 파트너십을 실제 로봇 배치와 유료 상업 계약으로 발전시키는 것 역시 중요한 사업 목표라고 해요. 데이터를 단순히 많이 모으는 데서 끝나지 않고, 그 데이터를 실제 로봇의 능력으로 바꾸는 것. 전 세계의 기여가 모델을 성장시키고, 실제 로봇의 실패와 피드백이 다시 다음 학습으로 이어지는 Compunding Data Engine을 만드는 것이 Axis가 그리고 있는 Physical Ai의 장기적인 비전이에요!

로봇에게는 때때로 성공보다 실패가 더 중요하다? @axisrobotics 보통의 사람들은 AI를 학습시킨다고 하면 처음부터 끝까지 정답을 보여준 뒤 그 데이터를 반복해서 학습시키는 모습을 떠올리기 쉬워요. 하지만 어느 정도 학습이 끝난 로봇에게는 이미 잘하는 행동을 계속 보여주는 것 보다 어디에서 실패하는지 찾아내는 데이터가 더 중요할 수 있어요. Axis V2는 이 부분에 집중해 로봇이 실수하거나 막히는 순간에만 개입해서 행동을 교정해주는 방식을 추구해요. 예를 들어 물체를 집어 옮기는 과정의 대부분은 로봇이 이미 잘 수행하고 있어요. 하지만 특정 각도에서 물체를 제대로 집지 못하는 바로 그 순간에 사람이 개입해 올바른 행동으로 교정해주어 부족한 부분을 정확하게 새로 담은 학습 데이터를 만들어 주는 것이죠. 이렇게 만들어진 데이터로 재학습한 로봇은 다시 시도하고 실패하고 사람이 교정하며 새로운 약점을 무한히 발굴하고 극복해요. 결국 Axis는 Compounding Data Engine이라는 구조를 통해 데이터가 모델을 성장시키고, 성장한 모델의 실패를 다음 데이터 수집의 방향으로 삼는 플라이휠을 굴리고 있는 것이죠. 이 덕분에 Axis는 로봇의 약점을 계속 보완하며 로봇 지능 모델을 더 빠르고 지속적으로 고도화 할 수 있게 된답니다!

운전면허 필기 100점이면 운전도 잘할까? @axisrobotics 운전 규칙을 아무리 완벽하게 외우고 있어도 실제 도로에 처음 나가면 누구나 당황하기 마련이에요. 차선을 바꾸는 타이밍, 갑자기 끼어드는 차량, 좁은 골목이나 주차처럼 직접 경험하면서 익혀야 하는 것들이 있기 때문이죠! 로봇도 비슷하게 아무리 좋은 모델과 뛰어난 하드웨어를 가지고 있어도 컵을 잡고, 서랍을 열고, 물체를 옮기는 것처럼 현실 세계에서 직접 움직이는 경험이 부족하다면 제대로 행동하기 어려워요.. 그래서 Axis는 Physical AI의 경험 부족을 해결하는데에 집중해요 지금까지의 로봇 학습 데이터는 실제 로봇과 장비가 필요하고 비용도 많이 들어 대규모로 모으기 어려웠어요, 하지만 Axis에서는 누구나 인터넷 브라우저를 통해 시뮬레이션 로봇을 조작하고 그 과정에서 만들어진 움직임을 학습 데이터로 축적할 수 있답니다. 한 사람이 물체를 집어 옮긴 경험, 또 다른 사람이 서랍을 여는 경험처럼 수 많은 사람들의 다양한 행동이 하나씩 쌓이며 로봇이 실전을 이해하기 위한 물리적 경험 데이터가 만들어 지는 것이죠! 현재 Axis에는 전 세계 기여자들이 만들어낸 수백만 건의 로봇 궤적 데이터가 축적되고 있고, 이 데이터는 로봇 모델을 학습시키는 기반으로 활용돼요. Axis가 만들고자 하는 것은 단순한 로봇 데이터 수집 플랫폼이 아니에요. 사람이 운전을 잘하기 위해서 수많은 도로 경험이 필요하듯, Phtsical AI가 현실 세계에서 제대로 움직이기 위해 필요한 경험의 기반을 전 세계 사람들이 함께 만들어 가는 것. 이것이 Axis가 말하는 Compounding Data Engine이고 앞으로 더 범용적인 로봇 지능을 만들기 위한 데이터 인프라의 방향이에요!

Axis의 로봇 데이터는 과연 믿을만할까? @axisrobotics 요즘 AI가 빠르게 발전하며 엄청난 양의 데이터가 만들어지고 있지만 동시에 " 이 데이터는 어디서 왔고, 누가 만들었으며, 정말 믿을 만한 데이터가 맞을까? " 라는 의문이 들 때가 있지 않으신가요? 특히 로봇을 학습시키는 Physical AI 데이터라면 이 문제는 더 중요해져요. 단순히 텍스트가 아니라 실제 로봇의 움직임을 결정하는 데이터이기 때문에, 잘못되거나 조작된 데이터가 학습에 들어간다면 로봇의 행동에도 그대로 영향을 줄 수 있기 때문이에요! 그래서 Axis는 각 데이터의 출처와 검증 과정을 확인할 수 있도록 만드는 것을 중요하게 생각해요. Axis에서 사용자가 만든 로봇 궤적은 학습에 바로 사용되는 것이 아니라, 먼저 시뮬레이션에서 다시 재생해 물리적으로 정상적인 움직임인지 검증해요. 위 과정에서 문제가 있는 데이터는 학습 데이터에 포함되지 않고, 검증을 통과한 데이터만 정제와 품질 평가 과정을 거쳐 사용된답니다. 그리고 바로 여기서 Axis가 Base를 사용하는 핵심 이유가 나타나는데요, 사용자가 자신의 궤적을 온체인에 서명하면 고유한 Data ID가 생성되고 이 데이터가 어떤 작업에서 만들어졌는지, 어떤 기여자가 기여했는지까지 연결되어 모두 Base 위에 기록돼요. 즉, 누가 만들었는지, 어떤 작업에서 나온 데이터인지, 실제로 기록된 데이터가 맞는지를 모두 추적할 수 있는 일종의 데이터 발자취가 만들어지는 셈이에요! 결국 Axis는 Base를 활용해 전 세계 사람 누구나 기여할 수 있도록 하면서, 각 로봇 데이터에 신뢰 가능한 출처와 보상을 연결해 궁극적으로 검증 가능한 Physical AI 데이터 인프라를 만드는 것을 목표로 하고 있어요.