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

分析对“AI 2027时间线预测”的批判

本文是对LessWrong用户，substack作者Titotal对AI 2027时间线预测的深入批判性分析。
AI  人工智能  时间线预测  模型评估  深度学习  AGI 
  • thezvi
  • 发布于 2025-04-29
  • 阅读 ( 903 )

AIFi > DeFAI : 蝴蝶效应

将 AI 与 DeFi 集成（AIFi ）将增强 DeFi 的现有使用方式。从比较定义开始，然后深入 DeFi 痛点、可验证性和各种用例, 探讨了蝴蝶效应：在复杂系统中，初始的小变化可以导致后来的重大、不可预测的结果。更好的定义会激发更好的系统
AIFI  DeFAI 

仅有面向人工智能的 L1 并不够：Ritual 为何以及如何与众不同

本文介绍了 Ritual 这个 L1 区块链项目，它不仅仅专注于 AI 计算，而是旨在构建一个通用的、可定制化的 Layer1，以支持各种复杂的链上计算，例如 AI 推理、ZK 证明、TEE 执行等。Ritual 通过 Resonance 实现高效的市场化定价，Symphony 减少重复执行，EVM++ 扩展了智能合约的功能，从而为开发者提供更大的灵活性和可扩展性。
区块链  Layer1  AI  EVM++  zk  TEE  异构计算 

Recall回归：追踪你一切行为的“最愚蠢AI”！

文章讨论了微软即将推出的Recall功能，该功能会定期截屏并使用OCR技术提取屏幕上的文本，存储在本地数据库中。作者担心这会带来隐私风险，因为用户的密码、银行详细信息等敏感信息可能被泄露。文章还探讨了这种技术可能被滥用的场景，例如被网络罪犯利用或被用于广告投放和执法。
Recall  微软  隐私  OCR  数据安全  人工智能 

Concrete ML v1.9：TFHE-rs 兼容性和更快的 LLM 微调

Concrete ML v1.9 版本发布，引入了对 TFHE-rs 密文格式的支持，使 Concrete ML 模型能够无缝集成到基于 Rust 的 FHE 管道中。
Concrete ML  TFHE-rs  全同态加密  FHE  LoRA  LLM微调 
  • ZamaFHE
  • 发布于 2025-04-11
  • 阅读 ( 1006 )
  • ( 13 )

Concrete ML v1.9：TFHE-rs 兼容性与更快的 LLM 微调

Zama发布 Concrete ML v1.9 版本，该版本支持 TFHE-rs 密文格式，支持开发者使用 Rust 生态系统进行加密机器学习工作流程，能够将 Concrete ML 模型无缝集成到基于 Rust 的 FHE 管道中。同时，LoRA LLM 微调协议也得到了性能上的改进，并推出了新的 SDK，旨在构建支持 FHE 的浏览器和移动应用程序，使移动用户能够安全地处理敏感数据。
全同态加密  FHE  Concrete ML  TFHE-rs  LLM  LoRA 
  • ZamaFHE
  • 发布于 2025-04-11
  • 阅读 ( 1011 )
  • ( 11 )

借 AI 之力，践十万小时，创多元产品

在个人成长与事业开拓的漫漫长路中，“10万小时定律”宛如一座闪耀的灯塔，照亮前行的方向。作家格拉德威尔在《异类》中提出，天才并非天赋异禀，而是凭借持续10万小时的不懈努力，从平凡走向卓越。如今，我决心将这一定律融入借助AI实现各类产品的实践中，在数字科技的浪潮里，书写新的篇章。
AI  10万小时定律 
  • King
  • 发布于 2025-04-03
  • 阅读 ( 1809 )
  • ( 13 )

AI 2027：Dwarkesh的播客，嘉宾：Daniel Kokotajlo和Scott Alexander

本文主要介绍Daniel Kokotajlo发起的“AI 2027”项目，旨在具体预测未来AI发展趋势，并详细分析了Daniel Kokotajlo和Scott Alexander在Dwarkesh Patel的播客中对AI 2027情景的讨论，Dwarkesh Patel 对AI 的发展提出了很多质疑， Daniel 和 Scott 都进行了解答，其中讨论了AI的加速发展、中美竞争以及对社会的影响等多个方面。
AI  人工智能  AGI  AI安全  对齐  AI风险 
  • thezvi
  • 发布于 2025-03-26
  • 阅读 ( 1057 )

AI领域最大规模的草根运动

本文深入探讨了AI数据获取面临的挑战，包括数据中心化、质量下降以及数据来源验证的需求。Grass通过建立去中心化的网络爬取平台，利用个人设备的闲置带宽进行数据收集和处理，并以$GRASS代币奖励贡献者，从而为AI公司提供高质量的训练数据。Grass网络的用户规模和数据处理能力均实现了显著增长，并通过Sion升级进一步提升了多模态数据处理能力。
AI  数据采集  去中心化网络  区块链  数据质量  GRASS代币 

零知识AI：私有、无需信任AI的未来

本文深入探讨了零知识AI（ZKAI）如何利用零知识证明（ZKP）、可信执行环境（TEE）和区块链验证，实现无需信任且保护隐私的AI部署。文章详细介绍了ZKML在保护隐私AI计算中的作用，区块链作为AI模型验证器，TEE在AI安全中的应用，以及ZKAI在Web3、DeFi和去中心化身份中的实际应用，并展望了去中心化AI代理的未来。
零知识证明  ZKML  可信执行环境  区块链  隐私保护  去中心化AI 

Kaito (KAITO)：首个注意力市场的完整概述

Kaito AI是一个利用AI聚合和处理加密货币市场数据的平台，旨在为投资者提供实时市场信息，通过Yaps奖励优质内容创作者，从而促进信息金融（InfoFi）的发展。Kaito面临Yap farming和OTC交易等挑战，但其核心价值在于识别和奖励生态系统中最有价值的贡献者。
Kaito AI  信息金融  InfoFi  Yaps  智能合约  加密货币 
  • OAK
  • 发布于 2025-03-19
  • 阅读 ( 942 )

动漫需要Web3

本文深入探讨了日本动漫产业在全球取得主流地位的历程，分析了其赖以生存的生产委员会制度的优势与弊端，并探讨了Web3技术如何通过去中心化融资、透明收益分配、粉丝参与等方式解决传统动漫产业的结构性问题，Animecoin作为Web3与动漫融合的代表项目，旨在构建一个由创作者驱动和粉丝赋能的动漫生态系统。
动漫  Web3  生产委员会  Animecoin  去中心化  NFT 

AI Agent框架指南 [2]：实现类似DeepSeek R1的推理模型

该文将会引导用户一步一步实现AI Agent中有趣的功能，Thinking。
  • BoxChen
  • 发布于 2025-03-05
  • 阅读 ( 1771 )
  • ( 22 )

Vitalik: AI为引擎，人类为方向盘

文章探讨了如何利用AI在民主结构中获取益处，同时避免其缺点。重点介绍了通过AI作为引擎，人类作为方向盘的模式，以及通过竞争性开放市场和AI结合的方式来实现这一目标。
AI  民主结构  竞争性开放市场  Futarchy  Distilled human judgement 

如何使用ElizaOS和Gelato创建加密AI代理

本文介绍了如何使用Gelato和ElizaOS在Ink上创建链上AI代理。ElizaOS简化了AI代理的创建和部署，Gelato提供了跨EVM链的自动交易管理、Gasless操作、可验证的随机数生成和去中心化自动化等基础设施。通过CoinFlip AI这个示例，展示了如何将ElizaOS与Gelato的Web3服务集成，创建基于区块链的应用程序。
AI代理  ElizaOS  Gelato  Web3  区块链  自动化 
  • gelato
  • 发布于 2025-02-26
  • 阅读 ( 810 )

AI Agent框架指南：先从ChatGPT开始

Agent其实并没有那么复杂，但是他实现的功能可以非常强大。AI为我们创造了无数的神奇黑盒，将大量的逻辑代码变成了一个一个小小的APICall，极大的提升了我们开发的效率。
AI Agent 
  • BoxChen
  • 发布于 2025-02-24
  • 阅读 ( 2128 )
  • ( 29 )

区块链与AI相遇：链上AI代理、DeFi与Web3集成

本文探讨了人工智能（AI）与区块链技术的融合如何重塑去中心化应用、金融和治理，介绍了onchain AI agent、GOAT Toolkit、Eliza和ZKML等技术，以及它们在DeFi、智能合约和Web3中的应用。
onchain AI agents  DeFi  smart contracts  ZKML  Eliza  GOAT Toolkit 

最大化 Cursor 使用：高级提示、Cursor 规则与工具集成

本文介绍了如何通过高级提示技术、Cursor规则、工具集成和外部文档的使用来最大化利用Cursor编辑器，提升与AI助手的协作效率。文章详细讲解了链式思维提示技术、少量提示技术、Cursor规则的最佳实践、如何集成PDF和GitHub仓库内容等内容，并提供了管理长代码库的实用建议。
Cursor  提示技术  链式思维提示  少量提示  工具集成  AI协作 

使用 ai16z 创建 AI Agent

本文介绍了如何使用 ai16z 的 Eliza 框架创建一个 AI Agent，特别是针对 Twitter 平台的集成。文章详细讲解了 Eliza 的安装、配置、主要功能、Twitter 连接设置、LLM 模型配置以及如何自定义 AI 角色。此外，还提供了高级用法、安全建议、参考资料以及故障排除等内容，帮助读者快速上手并构建自己的 AI Agent。
AI Agent  Eliza 框架  ai16z  Twitter 集成  LLM 模型  自动化 
  • csjcode
  • 发布于 2025-02-21
  • 阅读 ( 1245 )

对抗性人工智能与模型强化：防御攻击

本文深入探讨了人工智能模型面临的对立攻击、数据中毒和模型提取等威胁，并提供了防御策略和最佳实践，包括对抗训练、数据验证和模型加密等。
Adversarial Attacks  Data Poisoning  Model Extraction  Adversarial Training  LLM Security