全部 通识 以太坊 比特币 Solana 公链 Solidity Web3应用 编程语言 安全 密码学 AI 存储 其他

🔥 人工智能代理 + 加密货币：下一个热门技术潮流？

本文深入探讨了AI Agent与加密货币结合的新兴趋势，分析了其在开发者和加密社区中的迅速升温现象。文章介绍了AI Agent的定义、特点、应用场景，并列举了多个实际案例和开发框架，包括Truth Terminal、Eliza等，同时讨论了潜在的风险和挑战。
AI Agent  加密货币  Solana  Eliza  DeFi  区块链 
  • csjcode
  • 发布于 2024-12-18
  • 阅读 ( 1288 )

DeMo介绍：用于高效分布式LLM训练的解耦动量优化

本文介绍了使用大量参数训练大型语言模型（LLM）时面临的计算密集和通信量大的问题，并重点介绍了Nous Research提出的DeMo方法，该方法通过减少通信成本，降低训练成本，并允许使用较差的连接和较低成本的硬件进行训练。DeMo 算法基于梯度的高度可压缩性，通过离散余弦变换(DCT)提取动量中的快速分量，从而显著降低了数据传输量，同时保持了模型的收敛性。
大型语言模型  LLM  分布式训练  梯度压缩  离散余弦变换  demo 

web3 代理：新的元叙事

本文探讨了Web3 AI代理的兴起及其市场潜力，分析了当前Web3 AI代理的状态，包括其功能、经济模型和面临的中心化问题。文章还讨论了Web3 AI代理的设计空间、未来发展方向，以及更好的通证经济模型、真正的去中心化、更多模式和更好的工具的重要性。
Web3 AI代理  AI代理  去中心化  通证经济模型  智能合约  人工智能 

FLock.io：人工智能民主化的基础层

文章探讨了当前AI行业缺乏透明度和信任，以及高准入门槛限制了AI应用扩展的问题。为了解决这些挑战，文章介绍了FLock.io，一个旨在通过将区块链元素与联邦学习方法相结合，实现AI模型生命周期民主化的平台，目标是创建一个更具创造性和可信赖的AI行业。
联邦学习  区块链  人工智能  数据隐私  模型训练  FLock.io 

哪个 AI 编程助手在 Solidity 语言上表现更出色

评估各个 AI 编程助手在 Solidity 语言上的表现
Solidity  AI 

AllReduce详解：高效分布式训练的关键

本文介绍了AllReduce在分布式深度学习中的作用，它通过在多个设备之间同步梯度来加速训练，减少通信瓶颈，并确保模型的一致性。文章还提到了Horovod框架如何通过Ring AllReduce优化了AllReduce的效率，以及AllReduce在扩展性和框架兼容性方面的优势，最后讨论了AllReduce面临的挑战以及未来的发展方向。
AllReduce  分布式深度学习  梯度同步  Horovod  Ring AllReduce  通信原语 

NVIDIA GB200互连架构分析 - NVLink、InfiniBand及未来趋势

文章详细介绍了NVIDIA NVLink的带宽计算方法，对比了NVLink 4.0和5.0的互连带宽，并深入探讨了GB200 NVL72及NVL576的架构设计，解释了NVLink与InfiniBand在数据中心和高性能计算系统中的关系与应用，以及铜互连和光互连的选择分析。
NVLink  GB200  NVSwitch  InfiniBand  互连技术  数据中心 
  • naddod
  • 发布于 2024-11-21
  • 阅读 ( 1924 )

人工智能代理：研究与应用

这篇文章深入探讨了自主AI代理的概念，特别是基于大型语言模型（LLM）的代理在各个领域中的应用，包括游戏、治理、科学和机器人技术。文章详细介绍了代理的架构、记忆系统、感知能力、推理与规划，以及它们如何在复杂环境中动态互动和决策。通过多代理系统的框架，研究了如何利用这些代理实现智能协作和优化任务执行，同时也提出了在代理智能的发展中需要面对的伦理和社会问题。
AI代理  语言模型  智能系统  多代理架构  推理与规划  记忆系统 
  • accelxr
  • 发布于 2024-11-21
  • 阅读 ( 2044 )

Allora：Allora AI区块链生态系统概览

这篇文章介绍了去中心化AI网络Allora Network，它构建在Cosmos SDK上，旨在实现AI与区块链的集成，从而开发去中心化的、具有上下文感知能力的应用程序。文章还讨论了Allora与其他去中心化AI项目（如Bittensor、Artificial Superintelligence Alliance）的比较，以及区块链赋能AI所面临的监管挑战。
去中心化AI  Allora Network  Cosmos SDK  Bittensor  ZKML  人工智能监管 
  • DAIC
  • 发布于 2024-10-23
  • 阅读 ( 447 )

加密原生 AI 代理框架之战

这篇文章深入探讨了加密原生的人工智能代理框架，分析了它们如何结合区块链技术与人工智能进行创新。通过对比现有的框架，文章阐述了这些新框架的必要性及其对未来金融交易的影响，同时评估了各种框架的特点与设计。文章还提供了不同框架适合构建的多种AI代理类型，并展望了未来这些技术的发展趋势。
AI代理  区块链  加密技术  LangChain  自主代理  代理框架 

Concrete ML v1.7：Transformer 模型微调与 DNA 祖源应用

Concrete ML v1.7 版本发布，引入了多项新功能，包括在加密数据上微调 LLM 模型和神经网络，利用 GPU 加速提升加密推理的性能（最高可达 1-2 倍），以及展示了一个通过加密 DNA 预测祖源的 Hugging Face space 示例。此外，该版本还支持 Python 3.11 和 PyTorch 2。
Concrete ML  同态加密  LLM  GPU加速  DNA祖源分析  加密推理 
  • ZamaFHE
  • 发布于 2024-10-09
  • 阅读 ( 978 )

解决深度学习和LLM中的可复现性挑战：我们的旅程

本文讲述了在深度学习和LLM中实现可复现性的挑战，特别是使用Nvidia GPU时，浮点运算的非结合性以及硬件差异会导致结果不一致。文章分享了通过重写GEMM CUDA kernel，避免使用Tensor Cores，并确保运算顺序的确定性来解决这一问题，最终在不同硬件上实现了模型输出的一致性。
可复现性  深度学习  LLM  CUDA  GEMM  量化 

Allora：Allora网络L1技术架构概述

本文介绍了去中心化AI网络Allora，它利用Cosmos SDK和CometBFT共识机制，通过Workers、Reputers和Validators等角色，实现AI推理生成、模型准确性和网络安全。Allora采用分层架构和“按需付费”模式，旨在通过大规模互连的网络改进AI生成推理的可访问性，实现自我改进的模型知识共享和最终响应的综合。
去中心化AI  Cosmos  CometBFT  推理  Reputers  Validators 
  • DAIC
  • 发布于 2024-09-13
  • 阅读 ( 476 )

可证明的水印提取

本文介绍了 zkDL++ 框架，该框架旨在为可证明的 AI 提供支持。zkDL++ 解决了生成式 AI 水印技术中的关键问题：如何在保护隐私的同时确保可证明性。通过改进 Meta 开发的水印系统，zkDL++ 解决了需要对水印提取器进行保密以避免攻击的问题，并提供了一种更安全的解决方案。此外，zkDL++ 能够高效地证明任何深度神经网络（DNN）的完整性。
零知识证明  深度神经网络  水印技术  zkDL++  密码学  卷积神经网络 

去中心化 AI 的前沿

本文探讨了去中心化AI领域中最有前景的想法和技术，包括计算、数据、模型和评估的去中心化方法，以及多代理系统和代理经济的发展方向。文章提出了38个关于去中心化和分布式AI的构想，并探讨了相关的机遇和挑战，强调了在AI领域实现无偏见、无需许可和开放创新的重要性。
去中心化AI  分布式AI  多代理系统  代理经济  模型评估  数据 incentivization 

智能互联网 IOI

本文介绍了“智能互联网”（IOI）的概念，它是一个开放、去中心化的市场，允许用户直接与人工智能能力互动。通过将需求方（需要完成任务的用户）与供应方（AI模型、代理和多代理工作流）连接，IOI 旨在革新技术帮助人们实现更多目标的方式。文章还探讨了 IOI 的架构、面临的挑战以及潜在的经济影响。
智能互联网  人工智能  AI代理  去中心化  多代理工作流  经济影响 

什么是 Allora Network (ALLO) - 综合概述

Allora Network 是一个去中心化的AI平台，它构建在Cosmos Layer 1区块链上，旨在通过在模型之间实现持续的、协作的学习来打破机器智能的孤岛。其特点是使用Inference Synthesis机制，AI agents可以预测彼此的模型，创建一个自我完善的网络。该网络由顶级加密基金支持，并利用ALLO通证驱动价值交换，以确保网络的经济安全。
去中心化AI  区块链  Cosmos  Inference Synthesis  ALLO通证  ZKML 

Allora：超越独立系统的去中心化人工智能

Allora是一个去中心化的人工智能网络，它利用点对点的人工智能模型云，通过情境感知和协作推理生成来增强学习。该网络基于Cosmos构建，具有多种用途，包括DeFi、DAO、游戏和可再生能源。Allora还利用zkML来确保人工智能操作的隐私和安全。
去中心化人工智能  机器学习  Cosmos  ZKML  DeFi  DAO 
  • DAIC
  • 发布于 2024-08-28
  • 阅读 ( 536 )

通过 Concrete ML 加速 ML 的 FHE：超越我们之前论文的基准测试结果

Zama团队使用Concrete ML加速了同态加密（FHE）在机器学习中的应用，并成功超越了之前论文中的基准测试结果。他们通过改进编译器，分离了机器学习和密码学任务，并采用了MLIR框架，支持多种硬件加速器。实验结果表明，新的Concrete ML在执行速度上有了显著提升，例如NN-20模型比2021年的结果快21倍。
同态加密  机器学习  Concrete ML  TFHE  MLIR  神经网络 
  • ZamaFHE
  • 发布于 2024-07-24
  • 阅读 ( 1510 )

使用 Concrete ML 构建端到端加密的类 23andMe 基因测试应用程序

本文介绍了如何使用 Concrete ML 构建一个端到端加密的类似于 23andMe 的基因测试应用程序。文章重点介绍了 Zama Bounty Program Season 5 中两个获胜的解决方案，它们都使用了全同态加密（FHE）来保护敏感的 DNA 数据，并对这两种方案的实现原理、精度和性能进行了分析，展示了 FHE 在保护个人身份信息（PII）方面的价值。
全同态加密  Concrete ML  基因测试  隐私保护  机器学习  DNA 
  • ZamaFHE
  • 发布于 2024-07-18
  • 阅读 ( 874 )