FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

CoNET｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

NFTScan Labs：我们为什么要推出 L2 网络 Mint Blockchain？
go
NFT 在其历史发展过程中所表现出的顽强生命力和无限扩展性。2021 年的 NFT 牛市，其市场规模达到了千亿美金，但这只是 PFP NFT 板块的价值体现，对于整个 NFT 领域来说冰山一角。我们认为，NFT 领域在未来将创造出价值数万亿美金的市场，具有无限的发展前景！从 2021 年初到现在，3 年的时间，NFTScan Labs 团队一直深耕在 NFT 领域，我们接触了大量的一线开发者，也调研了数千个 NFT 项目。在整个过程中，我们发现了 NFT 的巨大潜力和未来的广阔应用空间，我们坚信加密领域的 Mass Adoption 会在 NFT 领域产生，释放出数万亿美金的市场规模！为了加速这一天的到来，我们决定推出一个全新的区块链网络：Mint Blockchain 。 Mint Blockchain 介绍 Mint 是一个致力于促进 NFT 资产协议标准创新的 L2 网络。 Mint 区块链根植于 NFT 社区，与其他 L2 网络不同，Mint 区块链更注重 NFT 资产协议创新和 NFT 应用场景探索。 Mint 区块链网络的核心价值在于推动和实现 NFT 资产协议标准的创新，引导开发者在更多的应用场景中进行 NFT 资产的创新和探索，包括但不限于：AIGC、游戏、RWA、声誉系统、会员系统、身份系统、文化娱乐、运动体育、音乐视频、版权溯源、艺术创造等领域。 Mint 区块链创建了一个所有 Web3 用户都可以自由参与创造 NFT 资产协议和发行 NFT 资产的去中心化网络，促进 NFT 资产协议创新、拓展 NFT 资产应用场景、提高 NFT 资产开发效率，挖掘出 NFT 万亿美金市场的潜在价值，是 Mint 区块链网络的使命！从 Bitcoin 到 Ethereum ，再到 Mint 区块链网络的出现，这是过去 15 年区块链行业发展的自然演进过程。我们曾经见证了 BTC 数字黄金的辉煌，和 ETH 引领的智能合约协议所带来的爆发力创新；接下来，我们将创造由新一类加密资产 NFT 所引领的产业升级和行业突围的发展浪潮。加密不仅只有 Native，加密还可以改变人们的日常生活，改变某种生产关系。根据 NFTScan 数据显示，截止到 2023 年 12 月份，区块链上已经累计发行了 14 亿枚 NFT 资产，部署了 322 万个 NFT 资产合约；平均每天新增 6000 个 NFT 项目，500 万枚 NFT 资产。在接下来的 5 ~ 10 年时间，NFT 将成为人类的一种全新的数字生活方式！Mint 区块链网络致力于这一天的到来。 Mint 官网：https://mintchain.io Mint 定位：专注于 NFT 领域的 L2 区块链网络。 Mint 特点： 1）NFT 资产发行成本低 2）NFT 资产协议标准丰富 3）NFT 基础设施完善 4）与开发者共享区块收益 Mint Blockchain 的价值与意义 1）Mint 区块链网络将成为 NFT 资产协议标准的创新网络，同时也充当 EVM 生态的 NFT 资产协议标准的先行网； 2）Mint 区块链网络是发行 NFT 资产的首选价值网络，将全球数百万 NFT 发行需求方与 NFT 开发者连接在一起； 3）Mint 区块链网络是一个开放共创的去中心化网络，是一个能够与开发者群体公开透明分配区块收益的开发者网络。 Mint Blockchain 作为聚焦在 NFT 领域的 L2 区块链，将为以太坊和比特币网络带来更多的原生应用和可能性。欢迎加入 Mint Blockchain 生态！ Mint Blockchain，一个聚焦在 NFT 领域的 L2 网络。 Mint 区块链的核心价值在于推动和实现 NFT 资产协议标准的创新，引导开发者在现实商业场景中进行 NFT 资产的大规模采用，包括但不限于：AIGC、PASS、游戏、RWA、声誉系统、会员系统、身份系统等领域，欢迎加入 Mint 区块链生态！认准官方链接： Website: https://mintchain.io Twitter: @Mint_Blockchain Discord: https://discord.gg/mint-blockchain Mirror: https://mirror.xyz/mintchain.eth GitHub: https://github.com/Mint-Blockchain 来源：金色财经
金色财经2023-12-07
推动绿色创新助力生态文明建设
 go
告进一步擘画了全方位、全地域、全过程加强生态环境保护的宏伟蓝图，并对生态文明的发展做出了更加长远、更加系统的战略部署和总体安排，因此，“绿色创新”被赋予了时代新使命。绿色创新是支撑生态文明建设的基石绿色创新是解决发展经济和治理污染“跷跷板两头”关系的根本手段之一，是支撑生态文明建设的基石。生态环境保护要加强科技支撑，把应对气候变化、新污染物治理等作为国家基础研究和科技创新重点领域，推进绿色低碳科技自立自强，狠抓关键核心技术攻关，实施生态环境科技创新重大行动。在具体社会实践中，通过对工业、农业与商业的支撑，全方位、全地域、全过程打好生态文明保障的“组合拳”。突出工业生产的全过程绿色创新，实现工业生态文明。抓牢工业生产的设计过程、制造过程、辅助过程和使用过程，以此保障工业生态文明。在产品设计过程，实现源头保障。开发绿色节能产品，使工业制造有绿色的起点；在工业制造过程，实现深化保障。使设计过程中的生态理念充分发挥；在工业辅助过程，实现配套保障。从存储、运输等方面，上承绿色制造过程，下启关键资源与工具的绿色使用；在使用过程，实现强化保障。通过工业品的市场化与回收再利用，完成工业生产全过程的闭环。着力农业发展的全地域绿色创新，实现农业生态文明。绿色创新在加快农业现代化、促进农业可持续发展，保障国家食物安全、资源安全和生态安全，维系当代人福祉和保障子孙后代永续发展具有重大意义。在农业生产方面，因地制宜地制定各个地域的生产计划，建立全生命周期的绿色技术体系，确保农业生产要素投入精准环保、生产技术集约高效、检测质量标准规范完备，保证农业生态的良性循环；在农地配置方面，以绿色创新提升农地配置的科技支撑，形成资源节约、环境友好、生态稳定的空间格局，并挖掘农业生态多样化价值，促进生态保护和农民增收相统一。加强市场流通的全方位绿色创新，实现商业生态文明。绿色创新是助力商业生态文明建设的根本路径之一。充分发挥市场主体作用，激发全社会力量、共同促进消费者对绿色环保型商品和服务需求，推动绿色消费方式、消费途径和消费内容，从市场需求角度影响企业绿色产品生产，促使绿色创新，进而促进商业生态文明的形成。深入构建产融结合，加快打造核心区域、核心品类、关键阶段的绿色商区。持续贯彻绿色创新，以点带面，强化赋能，着力打造绿色商业经济，进一步拓展绿色金融服务领域，完善绿色消费服务保障，不断提高绿色经济密度、提升绿色商业精度、提振绿色市场信心，引领新兴绿色商业文化潮流。积极发挥知名企业的品牌效应，引领绿色新文化、新潮流、新特色，结合绿色创新文化，推广开展商业生态文明活动。绿色创新是引领生态文明建设的必由之路绿色创新有助于提质扩容，突破传统体系下自然资源和生态环境对经济活动行为的限制。因此，通过绿色技术、绿色管理与绿色实践三个维度的创新，建立健全以生态价值观念为准则创新生态文化体系，以产业生态化和生态产业化为主体创新生态经济体系，以绿色技术创新生态技术体系，以治理体系和治理能力现代化为保障创新生态文明制度体系，以改善生态环境质量为核心创新目标责任体系，以生态系统良性循环和环境风险有效防控为重点创新生态安全体系。创新生态文化体系和生态经济体系为生态文明建设提供思想保证、精神动力、智力支持和坚强的物质基础。绿色生态文化建设有利于培养热爱自然、保护自然的生态公民，营造环境友好、资源节约的“两型社会”氛围。将生态价值观融入社会主义关键价值体系，增强社会绿色创新意识，强化社会责任感，提升全社会生态文明建设自觉行动能力。坚持人与自然和谐共生，不断创新绿色治理方式，将绿色发展理念融入新型工业化、信息化、城镇化、农业现代化全过程和各方面，以绿色创新协同推进经济发展和环境污染防治、生态系统保护，推动生态环境“高颜值”和经济发展“高质量”协同并进。创新生态技术体系和文明制度体系为生态文明建设提供体制机制保障。不断深化和推进生态文明体制改革，加强顶层设计。以完善的体制机制，发挥制度优势，引导鼓励先进绿色技术创新，清除排污、废品回收等积弊，扭转废品拆解、分拣、加工处理机械化和自动化程度低的劣势。随着绿色技术和新一代信息技术的发展，绿色创新的增强，充分利用大数据、AI技术、卫星遥感、自动监控、无人机、无人船等先进信息技术的创新融合应用，构建生态环境智慧监测监管服务机制，实现监管效能跃升。在环境综合治理方面，将绿色技术作为“科学治污”的抓手。积极探索新技术、新工艺、新材料和新装备等的应用，实现治污效能跃升。按照“源头严防、过程严管、后果严惩”的思路，用制度保护绿色创新和生态文明发展。创新目标责任体系和生态安全体系是生态文明建设的责任、动力和载体，也是底线、上限和红线。要从生态环境安全是国家安全重要组成部分，是经济社会持续健康发展重要保障的战略高度，设定并严守资源消耗上限、环境质量底线、生态保护红线，坚持生态优先、绿色发展理念，坚决打赢蓝天保卫战、深入实施水污染防治行动计划、全面落实土壤污染防治行动计划，以空气、水和土壤污染防治三大行动计划为目标责任，持续深入推进生态系统保护修复，统筹推进全流域治理、全要素保护，聚焦突出环境问题，确保全面建成小康社会、打好污染防治攻坚战，形成节约资源和保护环境的空间格局、产业结构、生产方式和生活方式，进一步筑牢生态安全屏障，还自然以宁静、和谐、美丽，推动生态文明。坚持以先进的绿色管理理念，完善市场导向的绿色创新政策，充分尊重和把握市场规律，发挥市场在领域顺序、路线选择及资源配置中的决定性作用。丰富创新推广目录，引导创新方向，力争在绿色技术、绿色管理、绿色实施方面实现突破。完善绿色创新绩效评价政策，建立多元化的评价体系，注重绿色创新推动生态文明的实际效果与示范推广应用价值。优化财税金融政策、人才配套政策，强化政策间协同互补、配套衔接，着力构建市场化、互补式的绿色创新体系，全过程、全地域、全方位支持生态文明的实现。（江西财经大学陆宇海，王雅琴，陆琳茁）来源：金色财经
金色财经2023-12-06
Footprint Analytics x Future3 Campus联合发布AI与Web3研究报告
 go
问题。目前，大多数应用都集中在检索增强生成（RAG）上，比如提示工程和嵌入技术，已经存在的代理工具也大多都聚焦于提高 RAG 工作的效率和准确性。市场上主要的基于 LLM 技术的应用栈的参考架构有以下几种： Prompt Engineering 图 8：Prompt Engineering 当前，大多数从业者在构建应用时采用基础解决方案，即 Prompt Engineering。这一方法通过设计特定的 Prompt 来改变模型的输入，以满足特定应用的需求，是最方便快捷的做法。然而，基础的 Prompt Engineering 存在一些限制，如数据库更新不及时、内容冗杂、以及对输入上下文长度（In-Context Length）的支持和多轮问答的限制。因此，行业内也在研究更先进的改进方案，包括嵌入（Embedding）和微调（Fine-tuning）。嵌入（Embedding）嵌入（Embedding）是一种广泛应用于人工智能领域的数据表示方法，能高效捕获对象的语义信息。通过将对象属性映射成向量形式，嵌入技术能够通过分析向量之间的相互关系，快速找到最有可能正确的答案。嵌入可以在 LLM 的基础上构建，以利用该模型在广泛语料上学到的丰富语言知识。通过嵌入技术将特定任务或领域的信息引入到预训练的大模型中，使得模型更专业化，更适应特定任务，同时保留了基础模型的通用性。用通俗的话来讲，嵌入就类似于你给一个经过综合训练的大学生一本工具书，让他拿着拥有特定任务相关知识的工具书去完成任务，他可以随时查阅工具书，然后可以解决特定的问题。微调（Fine-tuning）图 9：Fine Tuning 微调（Fine-tuning）与嵌入不同，通过更新已经预训练的语言模型的参数，使其适应特定任务。这种方法允许模型在特定任务上表现出更好的性能，同时保持通用性。微调的核心思想是调整模型参数，捕捉与目标任务相关的特定模式和关系。但微调的模型通用能力上限仍然受限于基座模型本身。用通俗的话来讲，微调就类似于给经过综合训练的大学生上专业知识课程，让他掌握除了综合能力以外的专业课知识，能自行解决专业板块的问题。重新训练 LLM 当前的 LLM 虽然强大，但不一定能够满足所有需求。重新训练 LLM 是一种高度定制化的解决方案，通过引入新数据集和调整模型权重，使其更适应特定任务、需求或领域。然而，这种方法需要大量计算资源和数据，并且管理和维护重新训练后的模型也是挑战之一。 Agent 模型图 10：Agent 模型 Agent 模型是一种构建智能代理的方法，它以 LLM 作为核心控制器。这个系统还包括几个关键组成部分，以提供更全面的智能。 Planning，规划：将大任务分成小任务，这样更容易完成 Memory，反思：通过反思过去的行为，改进未来的计划 Tools，工具使用：代理可以调用外部工具获取更多信息，如调用搜索引擎、计算器等人工智能代理模型具备强大的语言理解和生成能力，能够解决通用问题，进行任务分解以及自我反思。这使得它在各种应用中都有广泛的潜力。然而，代理模型也存在一些局限性，例如受到上下文长度的限制、长期规划和任务拆分容易出错、输出内容的可靠性不稳定等问题。这些局限性需要长期不断的研究和创新，以进一步拓展代理模型在不同领域的应用。以上的各种技术并不是相互排斥的，它们可以在训练和增强同一个模型的过程中一起使用。开发者可以充分发挥现有大语言模型的潜力，尝试不同的方法，以满足日益复杂的应用需求。这种综合使用不仅有助于提高模型的性能，还有助于推动 Web3 技术的快速创新和进步。然而，我们认为，虽然现有的 LLM 已经在 Web3 的快速发展中发挥了重要作用，但在充分尝试这些现有模型（如 OpenAI、Llama 2 以及其他开源 LLM）之前，我们可以从浅入深，从 prompt engineering 和嵌入等 RAG 策略入手，谨慎考虑微调和重新训练基础模型。 3.4 LLM 如何加速区块链数据生产的各个流程 3.4.1 区块链数据的一般处理流程当今，区块链领域的建设者逐渐认识到数据产品的价值。这一价值覆盖了产品运营监控、预测模型、推荐系统以及数据驱动的应用程序等多个领域。尽管这一认知逐渐增强，但作为数据获取到数据应用中不可或缺的关键步骤，数据处理往往被忽视。图 12：区块链数据处理流程将区块链原始非结构化数据，如 events 或 logs 等，转换为结构化的数据区块链上的每一笔交易或事件都会生成 events 或 logs，这些数据通常是非结构化的。这一步骤是获取数据的第一入口，但数据仍然需要被进一步处理以提取有用信息，得到结构化的原始数据。这包括整理数据、处理异常情况和转化为通用格式。将结构化的原始数据，转换为具有业务意义的抽象表在得到结构化原始数据后，需要进一步进行业务抽象，将数据映射到业务实体和指标上，比如交易量、用户量等业务指标，将原始数据转化为对业务和决策有意义的数据。从抽象表中，计算提取业务指标有了抽象的业务数据后，可以在业务抽象的数据上进行进一步计算，就可以得出各种重要的衍生指标。例如交易总额的月增长率、用户留存率等核心指标。这些指标可以借助 SQL、Python 等工具实现，更加有可能帮助监控业务健康、了解用户行为和趋势，从而支持决策和战略规划。 3.4.2 区块链数据生成流程加入 LLM 后的优化 LLM 在区块链数据处理中可以解决多个问题，包括但不限于以下内容：处理非结构化数据：从交易日志和事件中提取结构化信息：LLM 可以分析区块链的交易日志和事件，提取其中的关键信息，如交易金额、交易方地址、时间戳等，将非结构化数据转化为的带有业务意义的数据，使其更易于分析和理解。清洗数据，识别异常数据：LLM 可以自动识别和清洗不一致或异常的数据，帮助确保数据的准确性和一致性，从而提高数据质量。进行业务抽象：将原始链上数据映射到业务实体：LLM 可以将原始区块链数据映射到业务实体，例如将区块链地址映射到实际用户或资产，从而使业务处理更加直观和有效。处理非结构化链上内容，打标签：LLM 可以分析非结构化数据，如 Twitter 情感分析结果，将其标记为正面、负面或中性情感，从而帮助用户更好地理解社交媒体上的情感倾向。自然语言解读数据：计算核心指标：基于业务抽象，LLM 可以计算核心业务指标，如用户交易量、资产价值、市场份额等，以帮助用户更好地了解其业务的关键性能。查询数据：LLM 可以通过 AIGC，理解用户意图，生成 SQL 查询，使用户能够以自然语言提出查询请求，而不必编写复杂的 SQL 查询语句。这增加了数据库查询的可访问性。指标选择、排序和相关性分析：LLM 可以帮助用户选择、排序和分析不同的多个指标，以更好地理解它们之间的关系和相关性，从而支持更深入的数据分析和决策制定。产生业务抽象的自然语言描述：LLM 可以根据事实数据，生成自然语言摘要或解释，以帮助用户更好地理解业务抽象和数据指标，提高可解释性，并使决策更具合理性。 3.5 目前用例根据 LLM 自身的技术以及产品体验优势，它可以被应用到不同的链上数据场景，技术上从易到难可以将这些场景分成四类：数据转换：进行数据增强、重构等操作，如文本摘要、分类、信息抽取。这类应用开发较快，但更适合通用场景，不太适合大量数据的简单批量化处理。自然语言接口：将 LLM 连接知识库或工具，实现问答或基本工具使用的自动化。这可以用于构建专业聊天机器人，但其实际价值受其所连接的知识库质量等其他因素影响。工作流自动化：使用 LLM 实现业务流程的标准化和自动化。这可以应用于较复杂的区块链数据处理流程，如解构智能合约运行过程、风险识别等。协助机器人与助手辅助系统：辅助系统是在自然语言接口的基础上，集成更多数据源和功能的增强系统，大幅提高用户工作效率。图 11：LLM 应用场景 3.6 LLM 的局限性 3.6.1 行业现状：成熟应用、正在攻克的问题以及尚未解决的挑战在 Web3 数据领域，尽管已经取得了一些重要的进展，但仍然面临一些挑战。相对成熟的应用：使用 LLM 进行信息处理：LLM 等 AI 技术已成功用于生成文本摘要、总结、解释等工作，帮助用户从长篇文章、专业报告中提取关键信息，提高了数据的可读性和可理解性。使用 AI 解决开发问题：LLM 已经应用于解决开发过程中的问题，例如替代StackOverflow 或搜索引擎，为开发者提供问题解答和编程支持。有待解决与正在探索的问题：利用 LLM 生成代码：行业正在努力将 LLM 技术应用于自然语言到 SQL 查询语言的转换，以提高数据库查询的自动化和可理解性。然而，过程中会有很多困难，比如在某些情境下，生成的代码要求极高的准确性，语法必须百分之百正确，以确保程序能够无 bug 运行，并获得正确的结果。难点还包括确保问题回答的成功率、正确率，以及对业务的深刻理解。数据标注问题：数据标注对于机器学习和深度学习模型的训练至关重要，但在 Web3 数据领域，特别是处理匿名的区块链数据时，标注数据的复杂性较高。准确性和幻觉（Hallucination）问题：AI 模型中幻觉的出现可能受多因素影响，包括有偏见或不足的训练数据、过度拟合、有限的上下文理解、缺乏领域知识、对抗性攻击和模型架构。研究人员和开发者需要不断改进模型的训练和校准方法，以提高生成文本的可信度和准确性。利用数据进行业务分析和文章输出：将数据用于业务分析和生成文章仍然是一个具有挑战性的问题。问题的复杂性、需要精心设计的提示（prompt）、以及高质量的数据、数据量、减少幻觉问题的方法都是待解决的问题。根据业务领域自动索引智能合同数据以进行数据抽象：自动为不同业务领域的智能合同数据建立索引以进行数据抽象仍然是一个未解决的问题。这需要综合考虑不同业务领域的特点，以及数据的多样性和复杂性。处理时序数据，表格文档数据等更复杂的模态：DALL·E 2 等多模态模型非常擅长在文字生成图像、语音等常见模态。而在区块链以及金融领域需要特别地对待一些时序数据，而非简单地把文本向量化就能解决。联和时序数据与文本，跨模态联合训练等，是实现数据智能分析以及应用的重要研究方向。 3.6.2 为何只靠 LLM 不能完美解决区块链数据行业的问题作为语言模型，LLM 更适用于处理对流畅度要求较高的场景，而在追求准确性方面，可能需要对模型进行更进一步的调整。在将 LLM 应用于区块链数据行业时，以下框架可提供一些参考。图 13：区块链数据行业下 LLM 输出的流畅性、准确性和用例风险在评估 LLM 在不同应用中的适用性时，关注流畅度和准确性是至关重要的。流畅度指的是模型的输出是否自然、通顺，准确性则表示模型的答案是否准确。这两个维度在不同应用场景中有不同的要求。对于流畅度要求较高的任务，如自然语言生成、创意写作等，LLM 通常能够胜任，因为其在自然语言处理方面的强大性能使其能够生成流畅的文本。区块链数据面临着数据解析、数据处理、数据应用等多方面的问题。LLM 拥有卓越的语言理解和推理能力，使其成为与区块链数据互动、整理和概括的理想工具。然而，LLM 并不能解决所有区块链数据领域的问题。在数据处理方面，LLM 更适合快速迭代和探索性处理链上数据，不断尝试新的处理方法。然而，LLM 在生产环境中的详细核对等任务方面仍存在一些限制。典型的问题是 token 长度不够，无法应对长上下文的内容。耗时的 prompt，回答不稳定影响下游任务进而导致成功率不稳定的问题，以及执行大批量任务的效率不高。其次，LLM 处理内容的过程中很可能出现幻觉问题。据估计，ChatGPT 的幻觉概率约为 15% 至 20%，而由于其处理过程的不透明性，很多错误难以察觉。因此，框架的建立和专家知识的结合变得至关重要。此外，LLM 结合链上数据还是有很多挑战：链上数据实体类型多、数量庞大，以何种形式投喂给 LLM，有效地运用在具体的商业化场景，类似其他垂直行业，需要更多研究和探索。链上数据包括结构化和非结构化数据，目前行业大多数数据解决方案，都是基于对业务数据的理解。解析链上数据的过程中，用 ETL 去过滤，清洗，补充和复原业务逻辑，进一步把非结构化数据整理为结构化数据，可以为后期多种业务场景提供更高效的分析。比如，结构化的 DEX trades，NFT marketplace transactions，wallet address portfolio 等，就具有前面提到的高质量，高价值，准确和真实等特点，可以给通用 LLM 提供高效的补充。被误解的 LLM LLM 可以直接处理非结构化数据，因此结构化数据将不再被需要？ LLM 通常基于海量文本数据预训练而来，天然适合处理各类非结构化的文本数据。然而，各个行业已经拥有大量结构化数据，尤其 Web3 领域中解析后的数据。如何有效的利用这些数据，增强 LLM，是一个行业的热门研究课题。对于 LLM，结构化数据仍然具有以下的优势：海量：大量的数据储存在各种应用背后的数据库和其他标准格式里面，特别是私有数据。每个公司和行业都还有大量 LLM 没有用于预训练的墙内数据。已有：这些数据不需要重新生产，投入成本极低，唯一的问题是怎么用起来。高质量和高价值：领域内长期积累的，蕴含专家的专业知识，通常都沉淀到了结构化数据里面，用于产学研。结构化数据的质量是数据可用性的关键，其中包括数据的完整性、一致性、准确性、唯一性和事实性。高效率：结构化数据以表格、数据库或其他规范格式存储，模式是预先定义的，并且在整个数据集中保持一致。这意味着数据的格式、类型和关系都是可预测和可控的，使得数据的分析和查询更加简单和可靠。而且，行业已经有成熟的 ETL 及各种数据处理和管理工具，使用起来也更加高效和便捷。LLM 可以通过 API，把这些数据使用起来。准确性和事实性：LLM 的文本数据，基于 token 概率，目前还不能稳定的输出确切的答案，产生的幻觉问题一直是 LLM 要解决的核心根本问题。对于很多行业和场景，会形成安全和可靠性问题，比如，医疗，金融等。结构化数据，正是可以辅助和矫正LLM 这些问题的一个方向。体现关系图谱，和特定业务逻辑：不同类型的结构化数据，可以以特定的组织形式（关系型数据库，图数据库等），输入到 LLM，解决不同类型的领域问题。结构化数据使用标准化的查询语言（如 SQL），使得对数据进行复杂的查询和分析变得更加高效和准确。知识图谱 (Knowledge Graph) 可以更好地表达实体之间的关系，也更容易进行关联查询。使用成本低：不用 LLM 每次重新从底层重新训练整个底座模型，可以结合 Agents 和LLM API 等 LLM 赋能方式，更快更低成本的接入 LLM。目前市场上还有一些脑洞大开的观点，认为 LLM 在处理文本信息和非结构化信息方面的能力极强，只需将原始数据，包括非结构化数据，简单导入到 LLM，就能达到目的。这个想法类似于要求通用 LLM 解数学题，在没有专门构建数学能力模型的情况下，大多数 LLM 可能会在处理简单的小学加减题时出错。反而，建立类似数学能力模型，和图像生成模型的 Crypto LLM 垂直模型，才是解决 LLM 在 Crypto 领域更落地的实践。 4.2 LLM 可以从新闻、推特等文字信息推测内容，人们不再需要链上数据分析来得出结论？ LLM 虽然可以从新闻、社交媒体等文本中获得信息，但直接从链上数据中获得的洞察仍然是不可或缺的，主要原因有: 链上数据是原始的第一手资讯，而新闻和社交媒体中的信息可能存在片面性或误导性。直接分析链上数据可以减少信息偏差。尽管利用 LLM 进行文本分析存在理解偏差的风险，但直接分析链上数据可以减少误读。链上数据包含全面的历史交互和交易记录，分析可以发现长期趋势和模式。链上数据还可以展现整个生态系统的全貌，如资金流向、各方关系等。这些宏观的洞察有助于更深入地理解状况。而新闻和社交媒体信息通常更零散且短期。链上数据是开放的。任何人都可以验证分析结果，避免信息的不对称。而新闻和社交媒体未必都如实披露。文本信息和链上数据可以相互验证。综合两者可以形成更立体和准确的判断。链上数据分析仍是不可或缺的。LLM 从文本中获取信息具有辅助作用，但不能取代直接分析链上数据。充分利用两者优势才能取得最佳效果。 4.3 利用 LangChain、LlamaIndex 或其他 AI 工具，在 LLM 的基础上构建区块链数据解决方案非常容易？ LangChain 和 LlamaIndex 等工具为构建自定义的简单 LLM 应用提供了便利，使快速搭建成为可能。然而，将这些工具成功应用于实际生产环境中涉及到更多的挑战。构建一个高效运行、保持高质量的 LLM 应用是一项复杂的任务，需要深入理解区块链技术和 AI 工具的工作原理，并有效地将它们整合在一起。这对于区块链数据行业来说，是一项重要但具有挑战性的工作。在这个过程中，必须认识到区块链数据的特性，它要求极高的精准性和可重复校验性。一旦数据通过 LLM 进行处理和分析，用户对其准确性和可信度有很高的期望。这与 LLM 的模糊容错性之间存在着潜在的矛盾。因此，在构建区块链数据解决方案时，必须仔细权衡这两方面的需求，以满足用户的期望。当前市场上，虽然已经有了一些基础工具，但这个领域仍在快速演进和不断迭代。类比于 Web2 世界的发展历程，从最初的 PHP 编程语言到更成熟、可扩展的方案如 Java、Ruby、Python，以及 JavaScript 和 Node.js 等，再到 Go 和 Rust 等新兴技术，都经历了不断的演变。AI 工具也在不断变化，新兴的 GPT 框架如 AutoGPT，Microsft AutoGen，及最近OpenAI 自己推出的 ChatGPT 4.0 Turbo 的 GPTs 和 Agents 等只是展示了未来可能性的一部分。这表明，区块链数据行业和 AI 技术都还有许多发展空间，需要不断努力和创新。当前在应用 LLM 时，有两个陷阱需要特别注意：期望值过高：很多人认为 LLM 可以解决一切问题，但实际上 LLM 有明显的局限性。它需要大量的计算资源，训练成本高昂，而且训练过程可能不稳定。对 LLM 的能力要有现实的期望，明白它在某些场景下表现出色，如自然语言处理和文本生成，但在其他领域可能无法胜任。忽视业务需求：另一个陷阱是强行应用 LLM 技术，而不充分考虑业务需求。在应用 LLM 之前，务必明确具体的业务需求。需要评估 LLM 是否是最佳技术选择，并做好风险评估和控制。强调 LLM 的有效应用需要根据实际情况慎重考虑，避免误用。尽管 LLM 在许多领域都具备巨大潜力，但开发者和研究者在应用 LLM 时需要保持谨慎，采取开放的探索态度，以找到更适合的应用场景并最大程度地发挥其优势。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于Future3 Campus Future3 Campus是由万向区块链实验室和HashKey Capital共同发起的Web3.0创新孵化平台，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经
金色财经2023-12-06
强生CEO：目前无意生产减肥药，专注于神经学和肿瘤学等领域扩张
 go
强生CEO杜安卿（Joaquin Duato）12月5日在公司投资者日活动上表示，公司目前没有生产减肥药的计划，因该市场的竞争已过于激烈。杜安卿称，强生正专注于在神经学和肿瘤学等领域广泛扩张。杜安卿表示：“如果强生有机会通过与公司业务互补的资产在减肥药市场上脱颖而出，可能会重新考虑。”
金融界2023-12-06
巴菲特调仓，股息之王不香了？
go
巴菲特清仓了强生和宝洁。这是看空这两只高股息股票吗？或许从价投的角度，能够更好的理解此次调仓，避免盲目掉入熊市陷阱。作者：Samuel Smith 股息之王——拥有至少半个世纪持续增加股息的传奇历史——是最珍贵的被动收益投资之一。这是因为一家公司能够在如此长的时间内持续提高股息，显然管理得非常好，拥有审慎构建的资产负债表，拥有能够经受住严重宏观经济破坏和重大技术变革的商业模式，反映出非常持久的竞争优势，并使其成为一个有吸引力的地方，可以配置资本，实现可靠的收入增长。伯克希尔哈撒韦以其长期投资策略和对高质量企业的偏好而闻名，多年来，伯克希尔投资了几家著名的“股息之王”，其中最著名的“股息之王”投资是其长期持有的可口可乐公司。自巴菲特于1988年首次买入股票以来，可口可乐的表现一直明显优于标普500指数，帮助他在市场上取得了令人印象深刻的长期表现：来源：YCharts 所以，巴菲特最近出售了两支股息之王的股票，这一下子就引起了我们的注意，这是不是对这些股票发出了一个潜在的看跌信号？巴菲特出售股息之王伯克希尔最新的申报文件显示，它已经出售了在强生和宝洁的持仓。两者都有着非常令人印象的股息增长记录，强生拥有61年的股息增长记录，宝洁拥有67年的股息增长记录，但市场还是很容易找到了卖出它们的原因。强生强生拥有多元化的商业模式，专注于药品和医疗器械，这使其在医疗保健行业中处于有利地位，并具有相当的防御性。此外，其强大的竞争优势，如其无与伦比的规模、规模、AAA信用评级、强大的品牌影响力和持续的研发投资，使其能够长期为股东持续创造财富。虽然如此，但还是很难确定，巴菲特为什么出售了这支股票，可能是因为它的增长前景有些停滞，分析师普遍预测，到2027年每股复合年增长率仅为4.3%，而且它的估值并不特别引人注目，股息收益率约为3%，市盈率为15倍，这两项估值都符合长期历史平均水平，尽管利率水平相当高。虽然强生目前看起来并不是一家糟糕或被严重高估的公司，但巴菲特现在很可能有更好的地方来配置这笔钱，可能会让他（或他的一位投资组合经理）出售仓位，并将收益再投资于其他地方。宝洁与此同时，考虑到宝洁有133年向股东派发股息的历史，它也是一家非常稳定、久经考验的公司。宝洁的成功在于其专注于投资其最强大和最有利可图的品牌，并利用其全球化规模(超过180个国家)，庞大的规模，重要的品牌力量，战略研究和开发，以产生显著的运营效率，定价权，以及对竞争对手非常强大的竞争优势。这使它能够继续产生稳定的有机增长，同时在低风险的背景下，随着时间的推移扩大利润率，从而很好地度过了经济衰退和通胀时期。与强生一样，目前宝洁股价并不特别吸引人，市盈率为23.3倍（相对于历史平均水平20倍），而股息率为2.5%（相对于历史平均水平3.0%）。此外，尽管其增长前景稳定，但也不是非常令人激动，分析师预计到2028年其复合年增长率为7.7%。考虑到利率相当高，而宝洁的抗通货膨胀性也不再像通货膨胀率开始下降那样有价值，宝洁似乎不太可能在未来实现显著的超额表现。因此，像伯克希尔这样的价值投资者现在卖出它是很有道理的。译者案沃伦·巴菲特最近从强生和宝洁的抛售，可能会为投资者带来较为悲观的信号。但是，这也并不代表宝洁和强生毫无投资价值，或者它们马上就要步入熊市。这次调仓，我们可以从价值投资的角度来进一步理解。巴菲特的关注点很可能不是某只单一的股票，而是不断在市场中寻找安全边际和未来预期收益率双高的投资机会。如果他认为其他股票能获得更好收益率，自然也就挪仓过去了。所以，巴菲特也容易出现卖飞的情况。例如此次清仓的宝洁，巴菲特从2005年开始大幅增持宝洁，2015年大幅减持，持有10年之久，赚了80%左右，看起来还不错。但是巴菲特卖出后的七年，宝洁股价上涨超过120%。是不是觉得巴菲特亏大了？但2016年建仓的苹果，也为巴菲特带来不菲的收益。 $宝洁(PG)$ $强生(JNJ)$ $伯克希尔(BRK.A)$
老虎证券2023-12-05
BTC Eco-Panel"线上盛会：比特币生态引爆全球热潮
 go
题，其中包括比特币未来的发展是否需要加强生态建设，生态的未来发展方向究竟在何处? BTC “Summer”一定是整个生态的“Summer” 自2009年比特币问世以来，已经过去了14年。在这个时期，比特币生态经历了诸多变革，包括矿工的逐渐加入、网络技术的不断升级与创新，以及闪电网络、RGB、STX等平台的相继涌现。这些因素使得比特币逐渐为更多人所了解，同时也促使越来越多的零售商开始接受比特币支付。然而，尽管比特币在技术和应用方面有了显著的进展，但其生态发展一直未能达到理想的繁荣状态。直到Ordinals与BRC20的问世，情况才发生改变。这两者的出现吸引了大量开发者加入，各项目团队也开始从技术角度为比特币的进一步发展提供有力支持随着在比特币、比特币侧链和Layer2开发上推出了几个快速增长的DeFi平台，更复杂的用例在基础层之上的Layer2层上实现。这些层可以处理逻辑、数据和链下吞吐量，提供智能合约功能、EVM 兼容性和其他Web3用例，从而保证了比特币的可扩展性、安全性和区块链的链上增长。这些项目以一种新的方式推动了比特币的发展，为其赋予了更广泛的应用场景。比特币未来的可能性在于其货币价值和基于区块链技术的创新。就比特币价值而言，它已经成为整个Web3数字经济的基石。比特币长期以来一直被视为纯粹的数字黄金，其发展相对较为保守。然而，近年来，比特币的开发者逐渐认识到在比特币网络上开发应用的市场需求。今年BRC-20的出现正是对这一认识的体现，表明BTC网络上是可以构建生态应用的。这些新平台的架构使整个未来的经济世界能够依赖比特币的区块链。从技术创新的角度来看，越来越多的团队积极参与比特币扩容和闪电网络生态的布局。在交易支付方面，闪电网络能够降低交易损失费用，支持更高级别的用户体量和庞大的应用生态。与此同时，通过优化算法和硬件设备，可以提高区块链的安全性和效率。 BTC DeFi Summer作为市场热点，其影响力不可小觑；而闪电网络则继承了中本聪最初的理念，即点对点现金系统，并在全球范围内积累了大量用户。尽管DeFi Summer与比特币的关系尚未完全确立，但它显然具备巨大的潜力。未来，比特币网络将进入ECO—Summer阶段，不再仅限于DeFi赛道。当前，BTC生态的发展刚刚起步，未来BTC的"Summer"必将是整个生态项目的"Summer"。 BTC迎来生态大爆发时代，将承载真正的Web3应用比特币生态的发展可以概括为三个阶段：首先，是资产发行协议的龙头争夺；其次，是更多资产发行项目的涌现以及这些项目的实际应用；最后，是基于一系列比特币生态的应用。强大的共识基础、雄厚的资金沉淀以及不断涌入的开发者生态，目前已经建立了越来越多的技术和基础设施。这使得上面的应用越发复杂和多样化，将比特币的发展叙事从简单的价值存储扩展到了涵盖智能合约等更广泛领域。在这个演进过程中，尽管金融领域只占很小一部分，但比特币已经在未来Web3的发展中扮演了至关重要的角色，尤其是基础设施的不断完善。一个生态的起步往往始于最基础的概念阶段，逐步演进形成一个完整的生态系统。在比特币生态的发展中，以经济模型为导向的基础概念首先出现，随后逐渐涌现出跨链和Layer2等新技术。随着生态的扩张和用户共识的增强，信息传递逐渐打通不同生态之间。在比特币生态中，新兴技术如发币协议、RGB、Taproot等都具备巨大的潜力，尽管由于安全性问题和性能限制，目前仍处于初级阶段。此外，比特币的原生基础设施领域，如区块链、分布式存储等技术，也是一个充满潜力的发展方向。比特币网络作为新一代互联网平台，通过引入智能合约、提高隐私保护、降低交易成本等技术的发展，在承接Web3基础设施方面相较于其他区块链网络具备强大的优势。目前，比特币网络已经开始出现实际的应用场景，如闪电网络可应用于支付领域、Nostr应用于社交领域等。 Ordinals的出现标志着比特币生态应用的起步阶段，未来比特币网络将更多地承载Web3领域的应用。投资者应该关注如何合理布局比特币的投资策略，而开发者则需要思考如何在比特币上进行创新和发展。总结比特币作为第一个加密货币于2008年问世，通过设计一个安全、去中心化和抗审查的网络，赢得了大众的广泛信任。经过多年的发展，比特币依然是最为重要的区块链之一，巩固了其作为领先的数字价值储存手段的地位，这是一项巨大的成就。随着越来越多的人认识到安全的加密货币投资比潜在的高收益更重要，这也使得比特币对DeFi开发者和投资者变得越来越有吸引力。比特币不再仅仅是一种效用较小的货币资产，作为最值得信赖的区块链之一，通过构建比特币DeFi，可以释放更多的潜力。比特币有望发展成为未来金融体系的基石，其技术、应用程序和基础设施将开启DeFi的新时代。来源：金色财经
金色财经2023-12-04
科森科技上涨5.04%，报8.55元/股
 go
超1000亩，具有较高的自动化程度和较强生产能力，近几年实现了稳步快速增长。截至9月30日，科森科技股东户数3.72万，人均流通股1.49万股。 2023年1月-9月，科森科技实现营业收入19.12亿元，同比减少23.15%；归属净利润-1.6亿元，同比减少524.01%。
金融界2023-12-04
岭南股份：长安汽车是中国汽车制造业的重要品牌之一，在市场上拥有很高的竞争力和认可度
 go
略发展方向，着眼于城乡品质提升，以“做强生态、做精文旅”的发展思路，聚焦规划设计、市政与园林、水务水环境、文化科技与旅游四大业务版块。未来，公司将重点深耕粤港澳大湾区、成渝经济圈、长三角经济圈三大核心市场，在“生态+文旅”多点发力，助力公司高质量发展。感谢您对公司的关注。投资者：尊敬的董秘，您好！请问贵司在水利业务方面有什么优势？岭南股份董秘：尊敬的投资者，您好。水务水环境治理是公司的核心业务之一，公司子公司岭南水务集团拥有水利水电工程施工总承包一级资质，业务主要聚焦于城乡水务、水利工程、水生态水环境三大领域，集覆盖研发、策划、设计、投资、施工、运营全产业链的全域水务综合服务为一体的优势，已在全国各地打造一批水务水环境治理精品项目。未来，公司将紧跟国家战略方向，积极投入治水攻坚战，在市政基础设施建设、生态修复与水环境治理领域发力，持续提升市场影响力。感谢您对公司的关注。投资者：公司和长安汽车有业务合作吗？岭南股份董秘：尊敬的投资者，您好。长安汽车是中国汽车制造业的重要品牌之一，在市场上拥有很高的竞争力和认可度。公司一直秉承与优秀企业同行的理念，矢志与各领域的头部公司建立长期战略合作伙伴关系，不断推出优秀的产品与服务，满足消费者日益增长的需求。感谢您对公司的关注。投资者：你好！贵公司与华为、腾讯、字节跳动、快手等企业在混合现实（MR）内容创作、制作方面有何合作？混合现实内容目前有投放那些平台？谢谢！岭南股份董秘：尊敬的投资者，您好。混合现实是一种结合了虚拟现实和增强现实技术的新型交互方式，属于人工智能领域。公司子公司恒润集团是国内成立最早的多媒体技术型公司之一，在VR应用、沉浸式体验、全息技术方面，拥有较强的技术实力以及众多的成功案例。作为较早关注人工智能技术的企业，恒润集团一直在积极探索科技+数字+内容+优质IP的多元化业务应用和布局，并已与腾讯建立长期战略合作关系，双方将围绕数字虚拟人、VR/AR、沉浸式体验、全息技术、AI等方面积极探索人工智能相关产业。感谢您对公司的关注。投资者：董秘您好！公司在中山的预制菜项目进展如何？岭南股份董秘：尊敬的投资者，您好。公司于2023年5月23日公告，确认公司为预制菜生产及配送项目（第二次）的中标人，详见公司于巨潮资讯披露的关于收到《中标通知书》的公告（公告编号：2023-052）。目前项目还在推进中，感谢您对公司的关注。以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。
证券之星2023-12-01
连涨六周！A股规模最大的医疗器械ETF(159883)午后逆市翻红涨0.17%，盘中成交额已超3700万元，市场交投活跃
 go
产业(300832)上涨3.09%，九强生物(300406)上涨2.98%。医疗器械ETF(159883)上涨0.17%，最新价报0.58元，盘中成交额已达3776.38万元，暂居可比ETF1/3。消息面上，第四批国家组织高值医用耗材集采产生拟中选结果，平均降价70%左右。其中人工晶体类耗材平均降价60%，预计每年可节约费用39亿元，运动医学类耗材平均降价74%，预计每年可节约费用67亿元。浙商证券认为，四季度医改或继续向“医疗”环节深化，在医务人员薪酬、诊疗行为规范等方面继续推进，体现了“三医联动”的改革思路，医疗行为的规范化、创新药械审批、医保准入快速推进，我们认为将有利于产品的加速放量，因此把握政策面的节奏对于医药投资尤为关键。数据显示，杠杆资金持续布局中。医疗器械ETF最新融资买入额达329.35万元，最新融资余额达6967.71万元。值得注意的是，该基金跟踪的中证全指医疗器械指数估值处于历史低位，最新市净率PB为3.66倍，低于指数近3年89.04%以上的时间，估值性价比突出。数据显示，截至2023年11月30日，中证全指医疗器械指数(H30217)前十大权重股分别为迈瑞医疗(300760)、爱美客(300896)、乐普医疗(300003)、新产业(300832)、鱼跃医疗(002223)、金域医学(603882)、惠泰医疗(688617)、爱博医疗(688050)、九安医疗(002432)、山东药玻(600529)，前十大权重股合计占比42.42%。医疗器械ETF(159883)，场外联接(A类：013415；C类：013416)。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。
有连云2023-12-01
上海强生出租汽车有限公司被罚款5000元
 go
公告内容，2023年11月28日，上海强生出租汽车有限公司因将客运服务车辆交于无准营证的人员（包括驾驶员被处暂停营业期间）驾驶，未造成后果的且未达到其车辆总数的20%的违法事实，被上海市交通委员会执法总队罚款:5000元。据金融界了解，上海强生出租汽车有限公司违反了《上海市出租汽车管理条例》第18条第1款第1项，该条款规定了出租汽车营运相关的合法行为要求。上海强生出租汽车有限公司却将客运服务车辆交给没有获得相应准营证的人员驾驶，这种做法违反法规，构成了违反出租汽车管理规定的违规行为。根据《上海市出租汽车管理条例》第44条第1款第3项的处罚依据，公司被责令支付罚款5000元。
金融界2023-11-30

上一页
1
•••
47
48
49
50
51
•••
94
下一页

24小时热点

最新话题更多