工智能项目的底层公链产品特色:1，人工智能技术持续发展，产品上链需求增大，提供人工智能公链技术服务; 2，提供人工智能项目的合约部署，链上开发，defi 布局等，提供人工智能和区 块链的完美结合。 3，实现人工智能公链生态，未来所有人工智能项目构建在该公链上，共享用户 信息，实现用户在公链不同项目之间的随意切换。Slogan:Make the world Connected2Me. (注:Connected to Me 是项目名称) 人工智能技术公链名字: Jinn(基于人工智能产品的公链底层协议，为所有人工智能产品提供链上智能协 议平台)。宣传关键字: ChatGPT、Sparrow、Jinn、CNTM、OpenAI、Web3、人工智能/AI、AIGC、 公链、底层协议产品定位三:基于人工智能的投资 DAO 项目产品特色:1，人工智能正在以各种方式渗透到普通用户生活，人工智能项目开发成本大， 技术门槛高，想法落地需要大量的资金和资源。2，人工智能项目投资 DAO，可以提供资金、技术、资源的对接合作，以及机构 和用户投资参与的方式，用 DAO 的形式共同推进项目发展。 3，通过智能合约约束和跟踪项目发展，用项目 TOKEN 和治理 TOKEN 的方式 对早期的参与进行反馈。Slogan:Make the world Connected2Me. (注:Connected to Me 是项目名称) 投资 DAO 项目名字:Jinn(人工智能投资 DAO，帮助人工智能项目落地、资金找项目、资源和技术 对 接 的 D A O 平 台 )。宣传关键字: ChatGPT、Jinn、CNTM、Web3、DAO、人工智能/AI、AIGC、产品定位四:基于人工智能项目的基金 DAO产品特色:1，通过 AI 技术进行大数据评估，综合各项数据结果，筛选出市场上优质且有 潜力的人工智能项目，在早期对项目项目进行尽投资的基金 DAO 组织; 2，普通用户看到人工智能赛道的热度，但无法筛选出哪些项目有可能获得成功， 可以通过购买或投入人工智能基金 DAO，进行人工智能项目的投资和参与。 3，通过 AI 技术找到好项目，投资项目获得收益，基金 DAO 的用户按照比例获 得收益。 4，通过区块链技术，把基金放在链上，确保用户资产安全，同时利用区块链特点，实现链上的资产、项目及收益的可追踪和不能更改，确保基金投资者收益。Slogan:Make the world Connected2Me. (注:Connected to Me 是项目名称) 基金 DAO 项目名称:Jinn(人工智能基金 DAO，帮助用户投资人工智能项目，并获得收益)。 宣传关键字: ChatGPT、Jinn、CNTM、Web3、DAO、人工智能/AI、AIGC、基金，去中心 化金融推文(每个部分可以拆分成多条进行发送): 项目讲解类:成就回顾基于人工智能的个性化金融服务:去中心化的理财产品 AI 测评;通过 AI 模型演练为用户提供定制化的 AI 顾问服务; 虚拟理财经济人:RachelRACHEL provides human-like intuitive communication. But, at the same time, has advanced search and analysis capabilities not possible by any human.Deeply comprehends user characteristics and needs from conversations, situations, behaviors, and communicates optimally. 未来发展1.基于 ChatGPT 的理论，创建 CNTM 的 GPT 平台:Jinn;2 为 Jinn 加入双引擎结构:GPT 引擎+传统搜索引擎，从而实现 Web3 的 AI 搜索功能;3 将 Jinn 与 CNTM1.0 的板块结合，增强金融领域的 AI 搜索推荐功能;Jinn=ChatGPT+Sparrow热点关联类:ChatGPT 目前的三个核心问题:对于知识类型的问题，ChatGPT 会给出看上去很有道理，但是事实上是错误答 案的内容;拓展解读:对于这样来说，由于 ChatGPT 的一部分回答很准确，而一部分看上 去有道理，但事实上很离谱，而用户并没有足够的能力来进行辨别，这将给用户 如何采信 ChatGPT 的答案带来很多困惑。ChatGPT 目前这种基于 GPT 大模型基础上进一步增加标注数据训练的模式，对 于 LLM 模型吸纳新知识非常不友好; 拓展解读:新知识总是在不断出现，而出现一些新知识就去重新预训练 GPT 模 型是不现实的，无论是训练时间成本还是金钱成本，都不可接受。如果对于新知 识采取 Fine-tune 的模式，看上去可行且成本相对较低，但是很容易产生新数据 的引入导致对原有知识的灾难遗忘问题，尤其是短周期的频繁 fine-tune，会使这个问题更为严重。ChatGPT 或 GPT4 的训练成本以及在线推理成本太高，无法承载超过千万级的 用户同时使用;拓展解读:假设继续采取免费策略，OpenAI 无法承受，但是如果采取收费策略， 又会极大减少用户基数，无法实现规模化。Sparrow(google 的产品)是 ChatGPT 的良好补充:sparrow 在人工标注方面的质量和工作量不如 ChatGPT;Sparow 的基于 retrieval 结果的生成结果证据展示，以及引入 LaMDA 系统的 对于新知识采取 retrieval 模式，可以完美解决新知识的及时引入，以及生成内 容可信性验证两个核心问题。Jinn 的优势:Jinn=ChatGPT+SparrowJinn 使用 ChatGPT 为核心框架，引入了 Sparow 的基于 retrieval 结果的生成 结果证据展示，以及引入 LaMDA 系统的对于新知识采取 retrieval 模式;所以 Jinn 既有有高质量的人工标注，也可以完美解决新知识的引入问题，同时 又有效的内容可信性验证功能，从而打造下一代为 Web3 服务的搜索引擎基础。应用场景类:内容推荐:根据用户行为和与 Jinn 的交互分析，为用户推荐适合他的 Web3 内 容与产品。个性化金融:根据用户行为和与 Jinn 的交互分析，为用户推荐适合他的 DeFi 产品或根据用户的模型来自动构建属于用户的科学家机器人，完成自动交易。 DAO 推荐:为用户推荐合适的 DAO 组织，或直接将理念类似的人连接在一起 自动生成新的 DAO 组织。个性化内容生成:用户可以通过组建关键字，通过 Jinn 输出自己需要的内容。 技术讲解类:核心技术路线第一阶段:冷启动阶段的监督策略模型。靠 GPT 3.5 本身，尽管它很强，但是 它很难理解人类不同类型指令中蕴含的不同意图，也很难判断生成内容是否是高 质量的结果。为了让 GPT 3.5 初步具备理解指令中蕴含的意图，首先会从测试 用户提交的 prompt(就是指令或问题)中随机抽取一批，靠专业的标注人员，给 出指定 prompt 的高质量答案，然后用这些人工标注好的数 据来 Fine-tune GPT 3.5 模型。经过这个过程，我们可以认为 GPT 3.5 初步具 备了理解人类 prompt 中所包含意图，并根据这个意图给出相对高质量回答的能 力;第二阶段:训练回报模型(Reward Model,RM)。这个阶段的主要目的是通过 人工标注训练数据，来训练回报模型。在这个阶段里，首先由冷启动后的监督策 略模型为每个 prompt 产生 K 个结果，人工根据结果质量由高到低排序，以此 作为训练数据，通过 pair-wise learning to rank 模式来训练回报模型。对于学 好的 RM 模型来说，输入，输出结果的质量得分，得分越高 说明产生的回答质量越高。第三阶段:采用强化学习来增强预训练模型的能力。本阶段无需人工标注数据， 而是利用上一阶段学好的 RM 模型，靠 RM 打分结果来更新预训练模型参数。 二三阶段迭代:不断重复第二和第三阶段，每一轮迭代都使得 LLM 模型能力越 来越强。因为第二阶段通过人工标注数据来增强 RM 模型的能力，而第三阶段， 经过增强的 RM 模型对新 prompt 产生的回答打分会更准，并利用强化学习来 鼓励 LLM 模型学习新的高质量内容，这起到了类似利用伪标签扩充高质量训练 数据的作用，于是 LLM 模型进一步得到增强。下一代搜索引擎:JinnJinn 将采用传统搜索引擎+ChatGPT 的双引擎结构，ChatGPT 模型是主引擎， 传统搜索引擎是辅引擎。传统搜索引擎的主要辅助功能有两个:一个是对于 ChatGPT 产生的知识类问题的回答，进行结果可信性验证与展示，就是说在 ChatGPT 给出答案的同时，从搜索引擎里找到相关内容片段及 url 链接，同时 把这些内容展示给用户，使得用户可以从额外提供的内容里验证答案是否真实可 信，这样就可以解决 ChatGPT 产生的回答可信与否的问题，避免用户对于产生 结果无所适从的局面。 传统搜索引擎的第二个辅助功能是及时补充新知识。既然不可能随时把新知识快 速引入 LLM，那么可以把它存到搜索引擎的索引里，ChatGPT 如果发现具备时 效性的问题，它自己又回答不了，则可以转向搜索引擎抽取对应的答案，或者根 据返回相关片段再加上用户输入问题通过 ChatGPT 产生答案，这里有一部分将 参考 LaMDA 关于新知识处理的具体方法。利好类:CNTM CEO Ishii 受邀成为斯坦福大学 AI 课程讲师。 来源：金色财经lg...
北美站
