全球数字财富领导者
财富汇
｜
美股投研
｜
客户端
｜
旧版
｜
北美站
｜
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
SFFE2030
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
加密AI智能体已进化到哪步 会成为链上一等公民吗
go
lg
...
投资合伙人；翻译：0xjs@金色财经
机器人
正在成为加密经济的一等公民。 你无需看得太远就能看到这种趋势的证据。Searcher部署像Jaredfromsubway.eth这样的
机器人
，利用人类对便利的渴望抢跑 他们的DEX 交易。Banana Gun和Maestro允许人类用户通过 Telegram 便利地进行
机器人
交易，它们一直是以太坊上最常见的Gas大户之一。现在，在Friendtech 等新的临时社交应用程序上，在该应用程序最初被人类用户采用后
机器人
就加入了竞争，并且可能无意中进一步引导投机飞轮。 所有这些都表明，
机器人
，无论是利润驱动的（例如 MEV
机器人
）还是消费者驱动的（例如 Telegram
机器人
套件），越来越多地成为区块链上的优先用户。 虽然到目前为止，加密领域的
机器人
还相当初级，但由于大型语言模型（LLM）的兴起，加密领域之外的
机器人
已经开始发展成为强大的AI智能体，其最终目标是自主处理复杂的任务并让自己的决策更明智。 在加密领域上构建这些AI智能体产生了几个重要的增强功能： 原生支付：AI智能体可以存在于加密货币之外，但如果我们希望AI智能体执行复杂的操作，他们将需要获得资本。与让AI智能体访问银行账户或支付处理器（例如 Stripe）或处理链下世界中存在的绝大多数其他低效率问题相比，加密领域为AI智能体提供了有意义的改进。 AI智能体钱包所有权：连接到钱包的 AI智能体将有能力拥有资产（例如NFT、收益等），从而赋予智能体所有加密资产固有的数字产权。这对于智能体之间的交易尤其重要。 可验证的、确定性的行为：当行为可证明时（它们可以确保某些行动已完成），AI智能体将最有效。链上交易本质上是确定性的——它们要么发生，要么没有发生——这意味着AI智能体将能够比链下更准确地完成链上任务。 当然，链上AI智能体也有局限性。 一个限制是人AI智能体需要在链下执行逻辑才能提高性能。这意味着链上AI智能体将在链下托管其逻辑/计算以优化效率，但智能体决策将在链上执行，从而允许可验证的操作。重要的是，AAI智能体还可以使用Modulus等 zkML 提供商来确保其链下数据输入得到验证。 AI智能体的另一个主要限制是它们的有用性取决于向它们提供的工具。例如，如果你要求智能体提供实时新闻事件的摘要，则智能体的工具包中需要有一个网络爬虫来梳理互联网以执行给定的任务。你是否需要智能体将回应保存为 PDF 格式？将文件系统添加到工具包里。想要智能体跟单你最喜欢的加密推特KOL吗？智能体需要访问钱包并获得该钱包的密钥签名权限。 纵观当前从确定性到非确定性的情况，大多数加密AI智能体都执行确定性任务。也就是说，人类对任务的参数以及如何完成任务（例如代币交换）进行编程。 加密AI智能体已经从早期的keeper
机器人
（仍在 DeFi 和预言机应用程序中使用）发展到今天利用 LLM 的更复杂的智能体，包括像Botto这样的自主艺术家；AI智能体可以使用Syndicate 的交易云为自己提供银行服务；以及Autonolas等早期AI智能体服务市场。 已经有各种令人兴奋的前沿应用： 支持AI智能体的“智能钱包” ：Dawn利用DawnAI提供AI智能体，可以帮助用户发送交易、执行交易和其他实时链上洞察（例如NFT趋势）。 加密游戏智能体：Parallel Alpha 的最新游戏Colony旨在创建可以拥有钱包并相互交易的 AI 角色。 AI智能体的增强工具包：AI智能体的好坏取决于它们的工具包，与区块链的交互目前是一个新兴领域。加密AI智能体需要钱包、为其提供资金的方式、许可功能、集成人工智能模型以及与其他智能体交互的能力。更具体地说，Gnosis 展示了这个早期基础设施的AI 机制，它用智能合约包装 AI 脚本，这样任何人（包括另一个
机器人
）都可以调用智能合约来执行代理操作（例如，在预测市场），同时还能够支付智能体费用。 AI增强交易者：为交易者和投机者提供高级操作的DeFi超级应用程序，包括： 如果满足条件，则以美元平均成本（Dollar Cost Averaging）建仓；当Gas价格跌破特定水平时执行交易；监控新的 meme 代币合约；并确定订单路由，而用户无需知道在哪个dapp交易等。 AI智能体长尾市场：虽然像ChatGPT这样的大型应用程序适合某些一般聊天目的，但AI智能体需要针对众多行业、主题和生态位市场进行微调。像Bittensor这样的市场激励“矿工”围绕目标行业（例如加密货币、生物技术、学术界）为特定任务（例如图像生成、预训练、预测建模）训练模型。虽然 Bittensor 还处于萌芽阶段，但开发人员已经在使用它在开源 LLM 的长尾之上构建应用程序/代理。 NPC消费者应用程序智能体：不可玩角色在 MMORPG 等游戏中很常见，但在多人消费者应用程序中不太常见。然而，加密消费者应用程序的金融化性质使AI智能体成为引入新型游戏机制的优秀参与者。开放人工智能基础设施公司 Ritual 最近发布了Frenrug，这是一个基于 LLM 的智能体，在Friend.tech内部运行，将根据用户消息执行交易（购买或出售key）。Friend.tech 用户可以尝试说服智能体购买他们的key、出售其他人的key，或者尝试让 Frenrug 智能体以其他创造性的方式使用其资金。 随着越来越多的应用程序和协议利用AI智能体，人类将使用它们作为访问加密经济的渠道。虽然AI智能体今天看起来像玩具，但在未来，它们将增强日常消费者体验，成为协议的关键利益相关者，并在它们之间创建整个经济体。 AI智能体还处于起步阶段，但这些链上经济体的一等公民已经开始展示其潜力。 来源：金色财经
lg
...
金色财经
2023-12-06
中信建投证券“聚势而起”2024年度资本市场峰会在上海成功召开
go
lg
...
生产要素扩容。新型工业化加速落地，人形
机器人
等自动化高新设备为先导。建议投资者重点关注AI、出海、进口替代、汽车智能化、
机器人
等主题。 中信建投证券2024年度资本市场峰会共邀请了80余位权威学者、产业专家、企业和投资机构发表演讲，以及近600家上市公司进行小范围闭门交流。峰会分别设置了涵盖宏观、TMT、金融、周期、消费、金融工程与大类资产配置基金研究、策略（新股、多因子与ESG）、大宗商品等众多投资领域的九大分会场，就当前市场关心的热点话题展开充分讨论。
lg
...
金融界
2023-12-06
PMI回升，机床ETF(159663)盘中翻红，江特电机涨超5%
go
lg
...
点。持续建议重点关注包括机床工具、工业
机器人
等领域核心设备、核心零部件龙头企业，未来在国产自主可控、产业链安全大潮下具有明显的成长空间。 机床ETF跟踪的中证机床指数，覆盖激光设备、机床工具、
机器人
、工控设备等行业，成分股包含华工科技、大族激光、中航高科、埃斯顿、绿的谐波、汇川技术、厦门钨业等龙头股，当前指数的市净率PB为3.83倍，分位点6.33%，估值优势明显，场外联接基金（017573/017574）。
机器人
ETF（562500）是全市场规模最大的
机器人主
题ETF，聚焦
机器人
产业投资机会，场外联接基金（018344/ 018345）。 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。
lg
...
有连云
2023-12-06
马斯克宣布贝莱德现货ETF获"种子资金" 比特币(BTC)、DOGE冲高
go
lg
...
enAI在2022年推出广受欢迎的聊天
机器人
ChatGPT并从其战略支持者微软公司筹集100亿美元资金后，AI融资仍然是今年初创公司的一大亮点。然而，监管机构担心该技术可能被用来传播错误信息。 马斯克长期以来，都直言不讳地表达了他构建更安全AI的计划。在今年早些时候的推特空间活动中，他表示X.AI将寻求创建一个“最大程度好奇”的AI模型，而不是明确地将道德编程到其AI模式中。 他曾批评大型科技公司的AI努力受到审查制度的影响，他于7月推出X.AI，称其为“最大程度寻求真相的AI”，可与谷歌的Bard和微软的Bing AI相媲美。2015年，马斯克与他人联合创立OpenAI，该公司在全球范围内掀起了生成式AI技术的热潮，但他于2018年辞去了董事会职务。 X.AI在11月推出Grok聊天
机器人
，可与OpenAI的ChatGPT竞争。 马斯克在11月份的文章中表示，这家AI初创公司将被整合到他的社交媒体平台X(前身为推特)中，也可以作为独立的应用程序提供。今年7月推出的X.AI背后的团队来自谷歌旗下DeepMind和其他顶级AI研究公司。 零售交易者似乎仍在观望比特币 比特币在贝莱德ETF利好消息传出后，周三亚市冲上44000美元高价。加密货币市场总市值在周二飙升至1.55万亿美元以上。值得注意的是，这一里程碑标志着比特币19个月以来的最高水平，推动比特币成为全球第九大可交易资产，超过Meta的8140亿美元市值。 尽管近期出现看涨势头，但分析师观察到零售需求仍然相对停滞。鉴于利率继续徘徊在 5.25% 以上，一些人将此归因于通胀环境和信贷兴趣下降的连锁反应。尽管分析师Rajat Soni的观点可能夸大了这种情况，但本质上是正确的。 美国多项经济指标飙升至历史新高，包括工资、薪金和家庭净资产。不过，分析师艾德·亚德尼(Ed Yardeni)表示，“圣诞反弹行情”可能已经在今年早些时候发生，标准普尔500指数11月份上涨8.9%。 这一上升反映了通胀压力的减弱和就业数据的强劲，然而，投资者仍保持谨慎态度，约有 6 万亿美元的“闲置资金”(dry powder)存放在货币市场基金中观望。 深入研究衍生品市场，特别是永续期货，是零售交易者的首选工具，这一点至关重要。这些合约也称为反向掉期，具有每8小时累积一次的嵌入利率。正的资金利率表明多头(买方)对杠杆的需求更大，而负的利率表明空头(卖方)正在寻求额外的杠杆。 大多数代币的每周资金费率在每周0.2%至0.4%之间波动，这表明多头对杠杆的需求略高。然而，在看涨时期，这一指标很容易超过4.3%，而目前期货未平仓合约排名前七的代币中的任何一个都没有出现这种情况。 目前，这一周期中零售参与者的涌入仍然难以捉摸，特别是对于表现出过度乐观的新进入者而言。虽然一些分析师指出了Coinbase应用程序的趋势，但必须考虑到币安(Binance)目前正受到监管机构的审查，其创始人赵长鹏面临潜在的法律问题。因此，现有的零售交易者可能已经从离岸交易所迁移到 Coinbase，而不是预示着新一波加密货币爱好者的到来。 比特币技术分析 CMTrade表示，比特币RSI 交易高于 70。这可能意味着价格要么处于持续上升趋势，要么只是超买，因此可能会形成修正，在这种情况下寻找看跌背离。 MACD 位于信号线上方且为正值，配置为正。 此外，价格交易高于 20 和 50 周期移动平均线，分别为 42815 和 42195美元。 “我们的枢轴点位于43260美元，我们的偏好是，只要43260美元是支撑位，上涨空间就占上风。” “另一种情况是，下行突破 43260美元，将试图寻求42590和42200美元。” 社区最近埋伏了USTC最近涨幅超过200%，还抄底了LUNC最近涨幅40%，还有AXS GMT这些链游，打的一些铭文最近涨幅十几倍。 目前还有社区投研出来的一些百倍潜力的币，和短期暴涨币，目前都是免费的，可以关注我进社区了解。 来源：金色财经
lg
...
金色财经
2023-12-06
【比特日报】马斯克突发重磅宣布！贝莱德现货ETF惊曝获得“种子资金” 比特币、狗狗币闻讯冲高
go
lg
...
enAI在2022年推出广受欢迎的聊天
机器人
ChatGPT并从其战略支持者微软公司筹集100亿美元资金后，AI融资仍然是今年初创公司的一大亮点。然而，监管机构担心该技术可能被用来传播错误信息。 马斯克长期以来，都直言不讳地表达了他构建更安全AI的计划。在今年早些时候的推特空间活动中，他表示X.AI将寻求创建一个“最大程度好奇”的AI模型，而不是明确地将道德编程到其AI模式中。 他曾批评大型科技公司的AI努力受到审查制度的影响，他于7月推出X.AI，称其为“最大程度寻求真相的AI”，可与谷歌的Bard和微软的Bing AI相媲美。2015年，马斯克与他人联合创立OpenAI，该公司在全球范围内掀起了生成式AI技术的热潮，但他于2018年辞去了董事会职务。 X.AI在11月推出Grok聊天
机器人
，可与OpenAI的ChatGPT竞争。 马斯克在11月份的文章中表示，这家AI初创公司将被整合到他的社交媒体平台X(前身为推特)中，也可以作为独立的应用程序提供。今年7月推出的X.AI背后的团队来自谷歌旗下DeepMind和其他顶级AI研究公司。 零售交易者似乎仍在观望比特币 比特币在贝莱德ETF利好消息传出后，周三亚市冲上44000美元高价。加密货币市场总市值在周二飙升至1.55万亿美元以上。值得注意的是，这一里程碑标志着比特币19个月以来的最高水平，推动比特币成为全球第九大可交易资产，超过Meta的8140亿美元市值。 尽管近期出现看涨势头，但分析师观察到零售需求仍然相对停滞。鉴于利率继续徘徊在 5.25% 以上，一些人将此归因于通胀环境和信贷兴趣下降的连锁反应。尽管分析师Rajat Soni的观点可能夸大了这种情况，但本质上是正确的。 (来源:Twitter) 美国多项经济指标飙升至历史新高，包括工资、薪金和家庭净资产。不过，分析师艾德·亚德尼(Ed Yardeni)表示，“圣诞反弹行情”可能已经在今年早些时候发生，标准普尔500指数11月份上涨8.9%。 这一上升反映了通胀压力的减弱和就业数据的强劲，然而，投资者仍保持谨慎态度，约有 6 万亿美元的“闲置资金”(dry powder)存放在货币市场基金中观望。 深入研究衍生品市场，特别是永续期货，是零售交易者的首选工具，这一点至关重要。这些合约也称为反向掉期，具有每8小时累积一次的嵌入利率。正的资金利率表明多头(买方)对杠杆的需求更大，而负的利率表明空头(卖方)正在寻求额外的杠杆。 (来源:CoinTelegraph) 大多数代币的每周资金费率在每周0.2%至0.4%之间波动，这表明多头对杠杆的需求略高。然而，在看涨时期，这一指标很容易超过4.3%，而目前期货未平仓合约排名前七的代币中的任何一个都没有出现这种情况。 目前，这一周期中零售参与者的涌入仍然难以捉摸，特别是对于表现出过度乐观的新进入者而言。虽然一些分析师指出了Coinbase应用程序的趋势，但必须考虑到币安(Binance)目前正受到监管机构的审查，其创始人赵长鹏面临潜在的法律问题。因此，现有的零售交易者可能已经从离岸交易所迁移到 Coinbase，而不是预示着新一波加密货币爱好者的到来。 比特币技术分析 CMTrade表示，比特币RSI 交易高于 70。这可能意味着价格要么处于持续上升趋势，要么只是超买，因此可能会形成修正，在这种情况下寻找看跌背离。 MACD 位于信号线上方且为正值，配置为正。 此外，价格交易高于 20 和 50 周期移动平均线，分别为 42815 和 42195美元。 “我们的枢轴点位于43260美元，我们的偏好是，只要43260美元是支撑位，上涨空间就占上风。” “另一种情况是，下行突破 43260美元，将试图寻求42590和42200美元。” (来源:CMTrade)
lg
...
小萧
2023-12-06
锂矿异动，新能车ETF(515700)涨3.18%
go
lg
...
到了护航作用尤其零部件板块再叠加出海、
机器人
等中长期逻辑保持一定估值溢价。 从估值层面来看，新能车ETF跟踪的中证新能源汽车产业指数最新市盈率（PE-TTM）仅16.37倍，处于近1年0.82%的分位，即估值低于近1年99.18%以上的时间，处于历史低位。 展望后市，“金九银十”过后，车市将进入年底冲量阶段，销量增势有望得到延续，预计在终端销量维持良好表现的背景下，具备市场竞争优势地位和优质客户资源的公司有望取得更加亮眼的业绩表现。当前板块估值处于历史底部区域，具备全球竞争力的头部优质企业配置价值渐显，相关产品新能车ETF(515700)及其联接基金（A类：012698，C类：012699）。 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。
lg
...
有连云
2023-12-06
创业板指涨逾1%，两市上涨个股近3100只
go
lg
...
深成指涨0.63%。锂电池、稀土永磁、
机器人
等方向涨幅居前，两市上涨个股近3100只。
lg
...
金融界
2023-12-06
ETF早报|人工智能AIETF(515070)单日净流入超千万，
机器人
ETF(562500)规模显著增长！
go
lg
...
品加工、生物制品、农产品加工收盘下跌。
机器人
ETF(562500)下跌3.04%，人工智能AIETF(515070)下跌3.34%。 资金流入方面，人工智能AIETF近3天获得连续资金净流入，最新资金净流入1015.64万元；
机器人
ETF(562500)最近5个交易日内合计“吸金”2062.31万元。 规模方面，
机器人
ETF(562500)近2周规模增长739.55万元，人工智能AIETF(515070)近3月规模增长3858.79万元，均实现显著增长。 人工智能AIETF(515070)紧密跟踪中证人工智能主题指数，场外联接基金（A类008585/C类008586）；助力投资者一键布局中国
机器人
与人工智能AI产业；
机器人
ETF(562500)是全市场规模最大的
机器人主
题ETF，紧密跟踪中证
机器人
指数，场外联接(A类：018344；C类：018345) 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。
lg
...
有连云
2023-12-06
新赛道新引擎 国内首款开源鸿蒙人形
机器人
发售
go
lg
...
据报道，乐聚
机器人
12月5日官微消息，国内首款可跳跃、可适应多地形行走的开源鸿蒙人形
机器人
“夸父”正式发售。据悉，通过KaihongOS的链接，Kuavo可成为多场景通用
机器人平
台，在科研、特种、工业、家庭等场景，进行产业化落地应用。 当前以人形
机器人和
通用人工智能为代表的新技术、新产品、新业态蓬勃发展，正成为全球科技创新的制高点，未来产业的新赛道和经济增长的新引擎。我国
机器人
产业发展势头强劲，产业规模已居全球首位，基础核心技术持续取得突破，人工智能进入全球第一梯队，为人形
机器人
产业发展奠定了坚实基础。 华鑫证券表示，新品的最大看点是其搭载的开源鸿蒙系统，而开发商之一的深开鸿是一家立足Open Harmony生态、聚焦国产分布式操作系统KaihongOS的生态平台型企业，华为旗下的深圳哈勃科技投资合伙企业是其第二大股东，持股比例为20%。深开鸿与乐聚于今年4月签署战略合作协议，围绕打造开源鸿蒙教育
机器人
、开源鸿蒙服务
机器人
等方面开展深度合作。该机构建议关注人形
机器人
产业链相关标的，建议关注三花智控、拓普集团、鸣志电器、贝斯特、伟创电气。
lg
...
金融界
2023-12-06
Footprint Analytics x Future3 Campus联合发布AI与Web3研究报告
go
lg
...
易 Wash trading 交易以及
机器人
账户筛选排查。 然而，传统 AI 拥有的信息有限，专注于使用预定的算法和规则执行预设任务，而 LLM 则通过大规模的自然语言数据学习，可以理解和生成自然语言，这使其更适合处理复杂且巨量的文本数据。 最近，随着 LLM 取得了显著进展，人们对 AI 与 Web3 数据的结合，也进行了一些新的思考与探索。 3.1.2 LLM 的优势 LLM 相对于传统人工智能具有以下优势： 可扩展性：LLM 支持大规模数据处理 LLM 在可扩展性方面表现出色，能够高效处理大量数据和用户互动。这使其非常适合处理需要大规模信息处理的任务，如文本分析或者大规模数据清洗。其高度的数据处理能力为区块链数据行业提供了强大的分析和应用潜力。 适应性：LLM 可学习适应多领域需求 LLM 具备卓越的适应性，可以为特定任务进行微调或嵌入行业或私有数据库，使其能够迅速学习和适应不同领域的细微差别。这一特性使 LLM 成为了解决多领域、多用途问题的理想选择，为区块链应用的多样性提供了更广泛的支持。 提高效率：LLM 自动化任务提高效率 LLM 的高效率为区块链数据行业带来了显著的便利。它能够自动化原本需要大量人工时间和资源的任务，从而提高生产力并降低成本。LLM 可以在几秒内生成大量文本、分析海量数据集，或执行多种重复性任务，从而减少了等待和处理时间，使区块链数据处理更加高效。 任务分解：可以生成某些工作的具体计划，把大的工作分成小步骤 LLM Agent 具备独特的能力，即可以生成某些工作的具体计划，将复杂任务分解为可管理的小步骤。这一特性对于处理大规模的区块链数据和执行复杂的数据分析任务非常有益。通过将大型工作分解成小任务，LLM 可以更好地管理数据处理流程，并输出高质量的分析。 这一能力对于执行复杂任务的 AI 系统至关重要，例如
机器人
自动化、项目管理和自然语言理解与生成，使其能够将高级任务目标转化为详细的行动路线，提高任务执行的效率和准确性。 可访问性和易用性：LLM 以自然语言提供用户友好互动 LLM 的可访问性使更多用户能够轻松与数据和系统进行互动，让这些互动更加用户友好。通过自然语言，LLM 使数据和系统更容易访问和交互，无需用户学习复杂的技术术语或特定命令，例如，SQL，R，Python 等来做数据获取和分析。这一特性拓宽了区块链应用的受众范围，让更多的人能够访问和使用 Web3 应用和服务，不论他们是否精通技术，从而促进了区块链数据行业的发展和普及。 3.2 LLM 与 Web3 数据的融合 图 7：区块链数据与 LLM 的融合 大型语言模型的培训需要依赖大规模数据，通过学习数据中的模式来建立模型。区块链数据中蕴含的交互和行为模式是 LLM 学习的燃料。数据量和质量也直接影响 LLM 模型的学习效果。 数据不仅仅是 LLM 的消耗品，LLM 还有助于生产数据，甚至可以提供反馈。例如，LLM 可以协助数据分析师在数据预处理方面做出贡献，如数据清洗和标注，或者生成结构化数据，清除数据中的噪声，凸显有效信息。 3.3 增强 LLM 的常用技术解决方案 ChatGPT 的出现，不仅向我们展示了 LLM 解决复杂问题的通用能力，同时也引发了全球范围的，对在通用能力上去叠加外部能力的探索。这里包括，通用能力的增强（包括上下文长度、复杂推理、数学、代码、多模态等）以及外部能力的扩充（处理非结构化数据、使用更复杂的工具、与物理世界的交互等）。如何将 crypto 领域的专有知识以及个人的个性化私有数据嫁接到大模型的通用能力上，是大模型在 crypto 垂直领域商业化落地的核心技术问题。 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
lg
...
金色财经
2023-12-06
上一页
1
•••
996
997
998
999
1000
下一页
24小时热点
【美股收评】美国股市连续第四天上涨 大型科技股表现优异 标普500指数创本年度最长连胜纪录
lg
...
特朗普施压美联储恐适得其反 美国经济陷入通货膨胀谜团
lg
...
贺博生：黄金原油下周一开盘行情涨跌走势预测及操作建议
lg
...
黄金暴跌下周还会暴涨吗？黄金最新行情走势分析及操作建议
lg
...
曾金策：精确捕捉回调节点，现货黄金最新价格走势分析
lg
...
最新话题
更多
#Web3项目情报站#
lg
...
6讨论
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
32讨论
#链上风云#
lg
...
82讨论
#VIP会员尊享#
lg
...
1913讨论
#CES 2025国际消费电子展#
lg
...
21讨论
北美站
