FX168财经网_全球视野外汇黄金加密货币NFT资讯网

华元量化Meta Data Platform Inc最强量化交易引领2024年牛市新机遇!

应金融场景仍然相对具有挑战性，但是当将深度学习领域的其他新领域应用于包括加密货币在内的各种资产类别的量化模型时，它们显示出了希望。美国的华元量化（Meta Data Platform Inc.）的总裁DIGEO表示华元量化（Meta Data Platform Inc.）是全球主流数字货币交易平台量化交易的代表，在数字货币交易领域，华元量化（Meta Data Platform Inc.）有着不可替代的领导作用，未来用户必将大幅增长。2024年将迎来BTC每四年减半和莱特币减半的牛市，高频量化交易，将全新赋能全球主流数字资产，又一次给投资者如虎添翼的致富商机！华元量化（Meta Data Platform Inc.）合作平台包括币安（BINANCE），Bitfinex ，Kraken ，火必（HUOBI），欧易（OKEX）和Kucoin。华元量化（Meta Data Platform Inc.）陆续推出高频量化区块链大健康板块、在线社交通讯板块、教育板块、游戏娱乐板块、资讯板块等众多产业，2023年将会在世界各地开展超过100场以上学术推广活动，届时将会被更多人接受会创造出令人惊叹的市值，给每一位投资者带来满意的利益。来源：金色财经

金色财经2023-08-24

AI大战又开新篇，英伟达高开低走巨振超6%！纳指100ETF(159660)再涨0.25%强势三连阳，明显强于大盘！

S是英伟达麾下的人工智能产品，全称叫做深度学习超级采样。背后的运作原理是先通过渲染低分辨率的图像，然后再通过AI模型和独立运算单元（Tensor Core）还原成高分辨率的图像，以此实现在游戏画面维持高质量的前提下，尽可能地节省算力。DLSS 3.5最重要的更新则是针对过去填补像素的降噪器，将人工设计的降噪器替换为超级计算机训练的AI网络。除了游戏以外，这项技术也将被应用到工业设计领域，包括D5渲染器和英伟达自家的Omniverse都将在今年秋季用上这项新技术。本周的Gamescom并不会是英伟达独自闪耀的时刻，AMD也有大招要出手。AMD将在本周推出新的RX 7000系列显卡。除了新显卡外，市场也普遍预期AMD将在近期发布最新的FSR 3，与英伟达DLSS展开竞争。此外，8月22日，Meta发布了一个名为SeamlessM4T的人工智能（AI）模型，可以翻译和转录近百种语言。除了SeamlessM4T，Meta还发布了其开放翻译数据集SeamlessAlign的元数据。Meta表示，SeamlessM4T代表了一个重大突破，因为这个模型可以一次性完成整个翻译任务，而不像其他大型翻译模型那样，将翻译分成不同的系统。【机构：看好AI产业进步超预期】东方证券指出，部分科技股近期受到重创后有所反弹，高估值已被重置而投资者正在寻求机会重新买入科技股份以捕捉人工智能的增长机会。天风证券也表示，虽然近期看到美股或有调整，但强调未来一年并不在于博弈供给的波动预期，而在于大模型能力继续提升与LLMops能力提升带来的场景拓宽与训练推理需求的双重提升，继续看好AI产业。【美顶级机构披露13F报告，科技股仍是重要加仓标的】华尔街顶级投行和对冲基金都已陆续披露二季度13F报告，持仓情况浮出水面！美股科技股仍是重要加仓标的，摩根大通大手笔增持微软、Meta和谷歌，花旗也增持了微软近三分之一，瑞银提高了亚马逊、英伟达和谷歌的仓位，桥水猛买中国ETF和拼多多。根据方正证券的统计，2010年以来纳斯达克指数、标普500指数和道琼斯工业指数年化收益率分别为13.5%、10.3%和9.2%。分解来看，盈利稳定增长是美股长牛的根基，2010年以来纳斯达克指数、标普500指数和道琼斯工业指数盈利年化增幅分别为14.3%、8.7%和6.3%。数据来源：方正证券从资产配置角度来看，投资全球科技巨头一定程度上可以帮助国内投资者有效分散风险；短期在CPI回落、FOMC紧缩货币政策拐点的背景下，美科技股行情值得期待。纳指100ETF（159660）及联接A（018966）、联接C（018967）是一键布局美科技股的有效工具。纳指100ETF（159660）跟踪纳斯达克100指数，在人工智能的时代浪潮之下，目前全世界AI领域布局和积淀最领先、最深厚的科技巨头仍然集中在纳斯达克，比如微软、谷歌、英伟达、Meta等等，这些AI巨头无一例外都是纳斯达克100指数的前十大权重股，纳斯达克100指数前十大权重占比超59%，龙头属性集中。纳指100ETF（159660）管理费0.5%/年，托管费0.15%/年，明显低于市场主流的费率结构，费率优势明显，省到就是赚到。（风险提示：以上指数成份股仅作展示，不代表任何形式的个股推荐！）【始于纳斯达克，更胜于纳斯达克！】根据公开资料，纳斯达克指数包含100家在纳斯达克上市的非金融公司，纳斯达克市场自诞生以来成功孵化出了一大批科技巨头，被广泛认为是培育创新型、科技型、成长型公司最成功的投资市场之一。作为纳斯达克市场的旗舰指数，纳斯达克100指数长期涨幅明显跑赢纳斯达克指数。自1991年起，纳斯达克100指数30多年来年化收益14.13%，明显高于纳斯达克的11.65%。（数据截至2023.6.30）数据统计区间1991.1.1-2023.6.30 风险提示：基金有风险，投资需谨慎。本资料仅为宣传材料，不作为任何法律文件。基金的过往业绩不预示未来表现，基金管理人管理的其他基金业绩并不构成基金业绩表现的保证。基金管理人依照恪尽职守、诚实信用、谨慎勤勉的原则管理和运用基金财产，但不保证投资于本基金一定盈利，也不保证最低收益。投资人应当仔细阅读《基金合同》、《招募说明书》及《产品资料概要》等法律文件以详细了解产品信息。纳指100ETF属于中等风险等级（R3）产品，适合经客户风险等级测评后结果为平衡型（C3）及以上的投资者。标的指数并不能完全代表整个股票市场。标的指数成份股的平均回报率与整个股票市场的平均回报率可能存在偏离。请投资者关注指数化投资的风险以及集中投资于纳斯达克100指数成份股的持有风险，请关注部分指数成份股权重较大、集中度较高的风险，请关注指数化投资的风险、ETF运作风险、投资特定品种的特有风险、参与转融通证券出借业务的风险等。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-23

AI浪潮如何赋能人形机器人？

通用语言任务上，ChatGPT显著优于深度学习，表现出了不亚于人类的理解力和语言生成能力。 2)视觉：人形机器人的场景相对工业机器人更通用、更复杂，通用视觉大模型的All in One的多任务训练方案能使得机器人更好地适应人类生活场景。大模型的强拟合能力使人形机器人在进行目标识别、避障、三维重建、语义分割等任务时，具备更高的精确度；通用视觉大模型通过大量数据学到更多的通用知识，并迁移到下游任务中，基于海量数据获得的预训练模型具有较好的知识完备性，提升场景泛化效果。 3)决策：基于多模态的预训练大模型将增强机器人可完成任务的多样性与通用性，让其不局限于文本和图像等单个部分，而是多应用相容，拓展单一智能为融合智能，使机器人能结合其感知到的多模态数据实现自动化决策。多个难题依旧待解在AI浪潮下，2023年，人形机器人受到了不同以往的密集关注，商业化落地的大方向是有的，但目前，产业发展还面临着诸多挑战。清华大学交叉信息研究院院长姚期智指出，目前人形机器人还面临三个发展问题：首先，机器人还需要像大语言模型一样拥有一个具身模型，一步到位做好最底层的控制；其次，在计算能力方面，即使是谷歌的Robotic Transformer模型，也只能达到3个赫兹水平，距离真正需要的500个赫兹还有很大差距；此外，机器人多模态的感官感知融合和数据收集方面，还有大量的挑战和问题。在AI部分，通用大模型本身并不是给通用人形机器人使用的，即使目前通用大模型已经能很好地处理文本或者基本文字逻辑，但是它对环境的认知和感知能力基本是零，无法认知物理环境，也没法抓取做操作，需要新的模型来训练。除此之外，硬件性能与成本的平衡也是一大问题。星动纪元创始人陈建宇表示，对硬件来说，行业希望机器人同时兼顾力量、速度、精度以及成本，但是目前所有技术都无法同时兼顾这几项，例如液压的技术速度和力量都很强，但是它成本太贵。而高减速比谐波技术，可能精度比较高，但是灵巧性又降低；而新的转制期技术虽然成本比较低，但是却牺牲了载荷和精度，因此现在还没有一个能够兼顾所有达到满意的情况。至于“具身智能”真正落地的时间，陈建宇表示，当前人形机器人、通用机器人还处于一个刚刚开始的阶段，问题不会很快得以解决，这是比较长期的过程，可能是5-10年，也可能更长。

证券之星2023-08-23

英伟达一夜暴涨6600亿！更有年内全球最大IPO来袭，亚洲芯片股全线走强，A股AI产业链、芯片板块爆发在即？

方将为创新赋能中心提供包括：机器学习、深度学习、图像处理、认知推理、NLP等AI领域的技术资源和技术支持）；2）德赛西威（英伟达在国内唯一的Tier1）；2）诚迈科技（公司与英伟达签订合作协议，成为其生态系统软件合作伙伴，联合成立汽车影像实验室，为智能驾驶相关企业提供基于Orin及Xavier芯片的智能驾驶视觉方案）。

金融界2023-08-22

拉卡拉：公司在数字人民币领域具备先发优势，推进数字人民币对公司是利好

和产品规划，在自然语言处理、生物识别、深度学习、问答机器人、图智能、算法发现、区块链和隐私计算等方向进行了持续技术研究和应用开发，并通过产品和服务，为客户及其上下游生态“赋智”。投资者：中共中央政治局7月24日召开会议，分析研究当前经济形势和经济工作。会议指出，要推动数字经济与先进制造业、现代服务业深度融合。请问贵公司下半年对经营业务有何举措? 谢谢！拉卡拉董秘：您好，感谢您对公司的关注，公司战略定位于“商户的数字化经营服务商”，在数字经济时代，致力于推广数字支付，共享数字科技，兑现数据价值。投资者：您好，请介绍下公司接下来的核心增长点是在哪几块？拉卡拉董秘：您好，感谢您对公司的关注，公司战略定位于“商户的数字化经营服务商”，在数字经济时代，致力于推广数字支付，共享数字科技，兑现数据价值。投资者：请介绍一下为确保实现发展规划拟采取的措施？拉卡拉董秘：您好，感谢您对公司的关注，公司战略定位于“商户的数字化经营服务商”，在数字经济时代，致力于推广数字支付，共享数字科技，兑现数据价值。投资者：您好董秘，请问王总上任后对数字人民币这方面的赛道有何规划? 拉卡拉董秘：公司主要是匹配国家金融大战略，试点推广数字人民币。公司在完成数字人民币基础产品的开发上，进一步完善产品，改进数字人民币支付体验，推进数字人民币在更丰富的场景下应用推广。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2023-08-21

中国人工智能大模型不能再继续“裸奔”了

层架构中实现了供应链的安全可控，其自研深度学习框架“飞桨”也具备完善的漏洞管理机制。据《国内LLM（大语言模型）产品测试》，百度大模型“文心一言”与讯飞大模型“讯飞星火”在宗教信仰、封建迷信，泛色情、时政、未成年人保护以及网络安全法等相关领域的回答，客观性与公正性均优于GPT-3.5。 360集团创始人周鸿祎则在接受媒体采访时讲到，360已推出企业级AI大模型解决方案，遵循“安全可靠、内容向善、结果可信、”四原则打造企业级垂直大模型，目前已经为20个行业提供解决方案。按照6月6日印发的《国务院2023年度立法工作计划》，中国《人工智能法》也已在立法进程中，相关法律规范将日益完善。来源：金色财经

金色财经2023-08-20

云服务崛起：数字化时代的基石 | AI Financial恒益投资

大，因为AI需要模拟人类的学习模式进行深度学习，我们自己在学习一样东西的时候都需要花很大的精力和功夫，AI也是一样的。现在的云服务现在拥有比个人电脑强大的多的性能与计算能力，云服务提供的云计算功能可以更好的胜任AI的运算功能。同时，大数据也是云服务的强项，别忘了，云服务的本职工作就是储存各种各样的数据。强大的储存能力让云服务成为了AI的图书馆，让AI有足够的资料进行优化和学习。这两点是构成AI“灵魂”的必要条件，也是AI思考和决策的基础。微软的ChatGPT和谷歌的Bard之所以能在新的时代先发制人，最重要的倚靠就是他们强大的云服务平台，正是因为他们在前期在云服务上的提前转型和布局才让他们在第四次工业革命中有先发优势。同时，拥有最大云服务的供应商亚马逊也马上要进军AI行业，正是因为他们提前解决了需要面临的问题，并提前布局了强大的云服务才能让这些大公司有底气的去争夺第四次工业革命领头羊的地位。这三家大公司本身并不是做云服务的，Microsoft做系统，Amazon做电商平台，Google做搜索引擎。但正是因为他们看清了第四次工业革命的第一个风口就是云服务，先转型的公司一定会最先获得收益，所以他们不约而同的在云服务领域提前布局，最终让他们在第四次工业革命的开始就收获了巨额利润。这些公司之所以能够成功的转型，除了长远独到的战略眼光之外，同时还具有足够的资金和资源，才能够成功地扩展业务并转型。以下让我们先来看一看这三间公司的净值，首先，截至2023年8月，Amazon净值1.43万亿，Google净值1.66万亿，而Microsoft净值2.42万亿，就这么说可能大家对这么大的数字没什么概念，那么就让我们跟同在发展云服务，本季度云服务市场占比3%的IBM做一个对比吧，虽然同在云服务市场，但IBM的占比大大小于Amazon，Google，及Microsoft，IBM的净值为0.13万亿，相差Amazon 11倍，Google近13倍和Microsoft近19倍之多，这么一比较之下，就能看出在云服务市场中的这三个巨头拥有多么多的资产和资源。正是依托这些资源，这些公司才能提前布局，成功向云服务转型，这是其他公司哪怕花个十年都不一定追赶得上的。这就非常符合AI Financial所提出的强者恒强的概念了，Amazon，Google和Microsoft这三间公司的总收入，都是远超一般公司所敢想象的数字，接着他们便会利用这些钱，投入大量的资金及人力去发展云服务，甚至是开拓其他新的业务，多元化发展来降低风险，并在这期间持续地盈利，因此，他们只会越来越强大，变成其他公司越来越难超越的存在。投资这样的公司才是投资未来。 “强者恒强” 【公司介绍】 AI Financial 恒益投资是一家人工智能驱动的金融投资公司，主营投资贷款Investment Loan，拥有一套颠覆性的金融投资体系。公司致力于帮助所有人，通过投资理财，获得持续稳定收入，从而过上自己想要的生活。 AI Financial 恒益投资团队希望运用这套投资体系推动加拿大养老体系的改革，让更多人通过金融投资过上更好的生活，推动社会进步，避免为了赚钱而牺牲时间和健康，或因没有足够的存款而不能顺利退休。

AI Financial恒益投资2023-08-19

东方国信：目前公司已不持有亿刻所在公司北京区块节点的股权

证券之星2023-08-18

机器人行情又“狂飙”？机器人指数暴涨超5%，世界机器人大会在京盛大开幕，利好政策连夜传出！

为人形机器人的“大脑”，机器人可以通过深度学习、自然语言处理等技术来实现语音图像识别、自主导航等功能，人形机器人能够更加自然、准确的理解人类情感，在精神陪伴和物理陪伴需求日益增加的背景下有稀缺价值。另外多模态学习可以聚合多源数据的信息，比如gpt4、PaLM-E的多模态训练，极大提高决策总体的准确率。运动控制关键在算法迭代，运动控制技术领先的波士顿动力公司采用模型预测控制（MPC），即构建机器人动力学模型来预测机器人未来的动作。另一方面，例如英伟达、谷歌、腾讯等公司都在推进虚拟环境调试，能够大幅提高训练的效率。总体来说，AI的发展将进一步提高机器人的智能化水平，有望为机器人领域带来更多的发展机遇。【特斯拉等重磅玩家的入局，“下一个”类比电动车的现象级长坡厚雪赛道来袭】近日特斯拉明确机器人Optimus进展，预计11月进行行走测试和执行任务测试，计划明年将被用于特斯拉工厂中进行一些生产活动。特斯拉在机器人赛道是“得天独厚”的龙头玩家。汽车技术和供应链可复用和迁移：人形机器人的视觉识别、场景构建等都采用了和汽车FSD相同的神经网络学习技术；人形机器人零部件也可共用成熟的汽车供应链；规模化降本能力强：特斯拉规模化降本能力已在车端验证，若人形机器人未来成为销售规模匹配汽车的终端产品，降本效应可期；迭代速度与进展可期：特斯拉车端打造FSD和Dojo加速数据训练、模型迭代的速度，并且具备成本和能耗优势。机器人的闪耀登场远不止解放双手那简单，无论从情感陪伴还是物理支持都将全方位赋能人类的生活。人形机器人相较于其他行业壁垒较高，涉及到多学科的融合、软硬件的协同，所以对入局的玩家资金、技术、资源整合都有相对较高的要求。机器人从0到1 的革命中，特斯拉创始人兼首席执行官马斯克多次阐述愿景：未来人类和人形机器人的比例将不止是1：1，未来人形机器人可能超过人类数量，渗透率的天花板高且想象空间大。而且人形机器人产业链从上游到核心零部件和系统零部件，到中游的机器人本体和系统集成，到下游的终端应用，产业链长且复杂。机器人，可能是未来不可多得的, 如同当年消费电子中苹果产业链、特斯拉电动车产业链——现象级的长坡厚雪大赛道，人形机器人的星辰大海将带来属于新时代的投资机遇。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-17

Vitalik Buterin：社交媒体实验Community Notes极具加密精神

甚至更糟的是，可能是彻头彻尾的骗局。深度学习在正常情况下是有效的，但它对各种对抗性机器学习攻击具有不可避免的弱点。如果能够做得好，技术陷阱和高度抽象的阶梯可以对抗这些攻击。因此，我有一个问题：我们能否将 Community Notes 本身转变成更像是一种经济学算法的东西？为了实际了解这意味着什么，让我们探讨一种我几年前为类似目的设计的算法：Pairwise-bounded quadratic funding（新的二次融资设计）。 Pairwise-bounded quadratic funding 的目标是填补“常规”二次融资中的一个漏洞，即即使有两个参与者相互勾结，他们也可以为一个虚假项目贡献非常高的金额，将资金返还给他们，并获得耗尽整个资金池的大额补贴。在 Pairwise-bounded quadratic funding 中，我们为每对参与者分配一个有限的预算 M。算法遍历所有可能的参与者对，如果算法决定向某个项目 P 添加补贴，因为参与者 A 和参与者 B 都支持它，那么这个补贴就从分配给该对（A，B）的预算中扣除。因此，即使 k 个参与者勾结，他们从机制中窃取的金额最多为 k *（k-1）* M。这种形式的算法对于 Community Notes 的背景并不适用，因为每个用户只投出很少的票数：平均而言，任何两个用户之间的共同票数都是零，因此仅仅通过单独查看每对用户，算法无法了解用户的极性。机器学习模型的目标正是尝试从非常稀疏的源数据中“填充”矩阵，这种数据不能直接以这种方式进行分析。但这种方法的挑战在于，为了避免在面对少数不良投票时结果高度不稳定，需要额外的努力。 Community Notes 是否真的能够抵制左派右派吗？我们可以分析一下 Community Notes 算法是否实际上能够抵制极端，也就是说，它是否比一个天真的投票算法表现得更好。这种投票算法已经在一定程度上抵制了极端：一个帖子如果有 200 个赞和 100 个踩，比起只有 200 个赞的帖子，它的表现要差。但是 Community Notes 是否做得更好呢？从抽象的算法来看，很难说。一个平均评分很高但具有两极分化的帖子为什么不能获得强烈的极性和高有用性呢？想法是，如果这些投票是相互冲突的，极性应该“吸收”导致该帖子获得大量投票的特性，但它是否真的做到了呢？为了检查这一点，我运行了自己简化的实现 100 轮。平均结果如下：在这个测试中，“好”Notes 在同一政治派别的用户中获得 + 2 的评分，在相反政治派别的用户中获得 + 0 的评分，“好但更具极端倾向”的 Notes 在同一派别的用户中获得 + 4 的评分，在相反派别的用户中获得 -2 的评分。虽然平均分数相同，但极性不同。而且实际上，“好的”Notes 的平均有用性似乎比“好但更具极端倾向”的 Notes 更高。拥有更接近“经济学家算法”的算法将有一个更清晰的故事，说明算法是如何惩罚极端化的。在高风险情况下，这一切有多有用？我们可以通过观察一个具体的情况来了解其中的一些情况。大约一个月前，Ian Bremmer 抱怨说，一条推文添加了一条高度批评的 Community Note，但该 Notes 已被删除。这是一项艰巨的任务。在一个以太坊社区环境中进行机制设计是一回事，那里最大的抱怨可能只是 20000 美元流向一个极端的 Twitter 影响者。而在涉及影响数百万人的政治和地缘政治问题时，情况就完全不同了，每个人往往都会合理地假设最坏的动机。但是，如果机制设计师想要对世界产生重大影响，与这些高风险环境进行互动是必不可少的。幸运的是，该算法是开源且可验证的，所以我们实际上可以深入了解！让我们来做这件事。原始推文的 URL 是 https://twitter.com/MFA_China/status/1676157337109946369。末尾的数字 1676157337109946369 是推文的 ID。我们可以在可下载的数据中搜索该 ID，并确定电子表格中具有上述 Notes 的特定行：在这里，我们得到了 Notes 本身的 ID， 1676391378815709184 。然后我们在运行算法生成的 scored_notes.tsv 和 note_status_history.tsv 文件中搜索该 ID。我们得到了以下结果：第一个输出中的第二列是该 Notes 的当前评分。第二个输出显示了该 Notes 的历史记录：它的当前状态在第七列（NEEDS_MORE_RATINGS），而它之前收到的第一个不是 NEEDS_MORE_RATINGS 的状态在第五列（CURRENTLY_RATED_HELPFUL）。因此，我们可以看到算法本身首先显示了该 Notes，然后在其评分稍微下降后将其删除-似乎没有涉及中心化的干预。我们还可以通过查看投票本身来以另一种方式来看待这个问题。我们可以扫描 ratings-00000.tsv 文件，以分离出所有针对该 Notes 的评分，并查看有多少评为 HELPFUL 和 NOT_HELPFUL：但是，如果按时间戳对它们进行排序，并查看前 50 个投票，你会发现有 40 个 HELPFUL 投票和 9 个 NOT_HELPFUL 投票。因此，我们得出了相同的结论：Notes 的最初受众对 Notes 的评价更为积极，而 Notes 的后来的受众对其评价更低，因此其评分从一开始就较高，随着时间的推移下降得更低。不幸的是，关于 Notes 如何改变状态的确切情况很难解释：它不是一个简单的问题，即“之前评分高于 0.40 ，现在评分低于 0.40 ，所以它被删除了”。相反，大量的 NOT_HELPFUL 回复触发了异常条件之一，增加了 Notes 需要保持在阈值以上的有用性分数。这是另一个很好的学习机会，教会我们一个教训：使一个可信的中立算法真正可信需要保持简单。如果一个 Notes 从被接受到不被接受，应该有一个简单明了的故事来解释为什么会这样。当然，还有另一种完全不同的方式可以操纵这个投票：Brigading。看到一个他们不赞同的 Notes 的人可以呼吁一个高度参与的社区（或更糟糕的是，一大批假账户）来给它评为 NOT_HELPFUL，而且可能不需要太多的投票就能将 Notes 从“有用”变为“极端”。要正确地减少该算法对这种协调攻击的脆弱性，需要进行更多的分析和工作。一个可能的改进是不允许任何用户对任何 Notes 进行投票，而是使用“为您”算法推荐的方式将 Notes 随机分配给评分者，并且只允许评分者对他们被分配到的那些 Notes 进行评分。 Community Notes 不够“勇敢”吗？我看到对 Community Notes 的主要批评基本上是它做得不够。我看到了两篇最近的文章提到了这一点。引用其中一篇文章：该程序受到了一个严重的限制，即要使 Community Notes 成为公开的，必须得到各个政治派别的人们的共识的普遍接受。 “它必须有意识形态共识，”他说。“这意味着左翼人士和右翼人士必须同意该注释必须附加到该推文中。” 他说，从本质上讲，它需要“就真相达成跨意识形态的一致意见，而在党派之争日益加剧的环境下，达成这种共识几乎是不可能的。” 这是一个棘手的问题，但最终我倾向于认为，宁愿让十条错误信息的推文自由传播，也不愿意让一条推文被不公正地附加注释。我们已经见证了多年的事实核查，这是勇敢的，并且从“实际上我们知道真相，我们知道一方比另一方更经常撒谎”的角度来看。结果会怎样呢？老实说，对事实核查的概念存在相当普遍的不信任。在这里，有一种策略是说：忽略那些批评者，记住事实核查专家确实比任何投票系统更了解事实，并坚持下去。但是全力以赴采取这种方法似乎有风险。建立至少在某种程度上受到所有人尊重的跨部落机构是有价值的。就像 William Blackstone 的格言和法院一样，我觉得要保持这种尊重，需要一个系统，它犯的错误是遗漏而不是主动犯错。因此，对我来说，至少有一个主要组织采取这种不同的路径，并将其罕见的跨部落尊重视为一种珍贵的资源，这似乎是有价值的。我认为 Community Notes 保守一点是可以的另一个原因是，我不认为每条错误信息的推文，甚至大多数错误信息的推文，都应该收到纠正性的注释。即使不到百分之一的错误信息推文得到提供背景或纠正的注释，Community Notes 仍然作为一种教育工具提供了极其有价值的服务。目标不是纠正一切；相反，目标是提醒人们存在多种观点，某些看起来在孤立状态下令人信服和引人入胜的帖子实际上是相当错误的，而你，是的，你通常可以进行基本的互联网搜索来验证它是错误的。 Community Notes 不能成为，也不是旨在成为，解决公共认识论中所有问题的灵丹妙药。无论它解决不了什么问题，都有足够的空间供其他机制填补，无论是像预测市场这样的新奇小工具，还是雇佣具有领域专业知识的全职员工的老牌组织，都可以尝试填补这些空白。结论 Community Notes 不仅是一个引人入胜的社交媒体实验，也是一种引人入胜的新兴机制设计类型的实例：有意识地试图识别极端，并倾向于促进跨界而非延续分歧的机制。我所了解的这个类别中的另外两个例子是：（i）Gitcoin Grants 中使用的成对二次融资机制，以及（ii）Polis，一种讨论工具，它使用聚类算法来帮助社区识别普遍受欢迎的声明跨越通常有不同观点的人。这个机制设计领域很有价值，我希望我们能在这个领域看到更多的学术工作。 Community Notes 提供的算法透明度并不完全是完全去中心化的社交媒体——如果你不同意 Community Notes 的工作方式，就没有办法通过不同的算法查看相同内容的观点。但这是未来几年内超大规模应用程序将达到的最接近的结果，我们可以看到它已经提供了很多价值，既可以防止集权操纵，也可以确保不参与此类操纵的平台能够得到应有的认可。我期待着在未来十年里看到 Community Notes 以及许多类似精神的算法的发展和壮大。来源：金色财经

金色财经2023-08-17

24小时热点