FX168财经网_全球视野外汇黄金加密货币NFT资讯网

盛宝银行发布2024年疯狂预测：AI深度造假引发国家安全危机

r Garnry）表示，这将加大谷歌和OpenAI等智能语言机器人开发商的压力，同时引发传统媒体公司的股价大幅飙升。以下是盛宝银行预测的2024年可能发生的另外6种看似离谱的事情：原油价格飙升至每桶150美元，这让沙特有能力举办一场世界冠军联赛（World Champions League）足球比赛。由于像Ozempic这样的减肥药鼓励不健康的习惯，引发全球健康危机，麦当劳和可口可乐的股价飙升。美国通过使国债免税来为其堆积如山的债务融资，引发债券市场的大规模反弹。六个债台高筑的国家——美国、英国、印度、巴西、加拿大和法国——成立了“罗马俱乐部”，以协调削减各自的赤字。日本享受经济繁荣，GDP增长超过7%，推动日元兑美元升值。欧盟推出“罗宾汉”式的财富税，导致包括LV母公司路威酩轩（LVMH）在内的奢侈品股票暴跌。像这样的年度榜单一般不会被认为是对未来12个月市场可能出现的情况的严肃预测。但盛宝银行过去曾有几项离谱预测得以实现，包括标普500指数在2008年下跌了四分之一，2015年的大选为英国脱欧奠定了基础，以及比特币价格在2017年上涨了两倍。

金融界2023-12-06

OpenAI CEO Altman：董事会正在重新思考公司结构

人工智能初创公司OpenAI CEO Sam Altman今日表示，OpenAI正在重新考虑公司的“盈利和非营利”混合结构。几周前，Altman突然被OpenAI董事会赶下台，但上周又重返公司担任CEO。今日，他出席了一场人工智能会议，这也是他重返公司后的首次公开露面。 Altman向与会者表示，他被免职令人震惊，但拒绝回答是否与一项“超级人工智能”技术有关。之前有报道称，Altman被驱逐可能是OpenAI内部就一项潜在危险的超级人工智能技术发生了争执。 OpenAI最初是一家非营利性组织，目前仍通过董事会进行管理。但后来，OpenAI又增加了一个营利性子公司，该子公司筹集了巨额资金，其中包括从微软获得的数十亿美元投资。今日，Altman在Vingroup公司举办的VinAI会议上通过视频表示：“这种结构显然存在一些缺陷，我们的新董事会正在认真思考：对于我们的使命来说，最好的公司结构应该是怎样的。” Altman还称，OpenAI经历了一段疯狂的时期，包括从非营利性到部分营利性的转变，以及ChatGPT受欢迎程度的激增。他说：“OpenAI正在经历非同寻常的快速增长时，这对我们来说，也伴随着超级困难和超级痛苦。因此，希望大家能多一点耐心。”

金融界2023-12-06

与OpenAI竞争马斯克旗下xAI寻求10亿美元募资

者将拥有 xAI 25% 的股份。自OpenAI推出的ChatGPT爆红以来，生成式AI行业今年已经筹集了数十亿美元。也在市场上引发了炒作和泡沫的担忧。马斯克是OpenAI的联合创始人之一，曾经向后者投资一亿美元，但后来他宣称因利益冲突而选择离开OpenAI。今年，他曾多次批评OpenAI不够“Open”，已经变成了一个背靠微软的商业公司，违背了他当时投资的初衷。 7月，马斯克成立xAI公司，与OpenAI直接竞争。他宣称xAI的任务旨在“了解宇宙的真正本质”。上个月，xAI发布了首个人工智能模型，一个名为 Grok 的“讽刺型”聊天机器人，这个模型由马斯克一年前以 440 亿美元收购的社交媒体平台X提供训练数据。要使用Grok，需要每月付费16美元，开通X会员。

金融界2023-12-06

人工智能ETF(159819)：商业化落地节奏加快，如何看待AI板块

OpenAI发布GPT-4Turbo，多项能力大幅提升；AIpin，AI手机、AIPC也在加速落地；国内近期有一些商业化的进展，比如文心一言大模型面向C端推出会员模式，文心一言会员单月购买价格为59.9元，连续包月价格为49.9元。人工智能的各项应用商业化爱加速落地，有利于提振AI板块情绪。人工智能ETF（代码：159819，联接基金A/C：012733/012734）是投资AI领域的优质工具。具体来看GPT-4Turbo，其输入输出长度从原来的8k上下文提升到128ktokens，相当于300页标准书的长度。在知识方面，更新到2023年4月，原本知识库只更新到2021年。在多模态方面，文生图模型DALL·E3、具有视觉输入能力的GPT-4Turbo以及新的声音合成模型（TTS）都已进入API。在价格方面，输入成本是GPT-4的1/3，输出成本是GPT-4的一半；GPT-4的调用价格为每千tokens输入0.03美元，每千tokens输出0.06美元，GPT-4Turbo的调用价格为每千tokens输入0.01美元，每千tokens输出0.03美元。在调用方面，推出JSONMode，更新多个函数调用能力，让开发人员更容易调用API。在处理速度方面，也是更快，将付费用户的每分钟tokens限制增加了一倍。硬件方面，就不得不提AIpin了，它是初创公司Humane发布首个AI产品，是一个AI可穿戴设备。正如Pin（别针）所暗示的，AIPin可以固定在衣服上，像无线耳机或智能手表一样随时贴着身体。功能上来看，AIPin可以拍照、收发短信、打电话，而其交互方式的变革让其便携性大大超过了手机、平板电脑等当下的轻量化电子设备。它可通过点击、手势和语音命令来控制，没有电子屏幕，而是以己身为页面，利用激光投影将显示界面投射到手掌上，分辨率达720P。在智能化方面，AIPin配备了类似ChatGPT的AI聊天助手AiMic，其定位为AI助理，内置AI大模型，它主要得到GPT-4支持。长按Pin即可与AIMic交谈。发布会上展示的功能包括：语音通话、修饰文稿、处理电子邮件、实时翻译、识别食物并提供营养信息、推荐餐厅和音乐等。类似AIPin这类的AI智能终端，有望重构未来的边缘AI设备，从而成为大模型落地的重要载体，促使产业加速落地，创造相对巨大的商业价值。综合来看，GPT的重磅更新、国内AI应用的推出等，正推动AI加速向各领域渗透。同时，国内政策端也持续发力，为AI市场空间的释放奠定较好基础。人工智能ETF（代码：159819，联接基金A/C：012733/012734）紧密跟踪中证人工智能主题指数。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2023-12-06

英特尔和AMD等全球50家机构成立人工智能联盟 OpenAI和英伟达被排除在外

的是，此次成立人工智能联盟，并没有包含OpenAI、英伟达。

金融界2023-12-06

习近平、普京入围美国《时代》杂志2023年度人物评选！鲍威尔、泰勒·斯威夫特和英国国王也在列

尔、热门电影《芭比》(Barbie)和OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)。 (截图来源：美国福克斯新闻网) 这些入围者将在接下来的评选过程中进一步竞争，最终将有一位人物被选为2023年度人物。这个评选活动将继续引起广泛的关注和讨论。据彭博社报道，泰勒·斯威夫特最近在10月份的净资产超过10亿美元，是历史上最具影响力的音乐人才之一。据报道，这位演唱了《1989》的创作型歌手是为数不多的仅凭音乐发行和演出就能实现这一经济壮举的音乐人之一。品牌专家Doug Eldridge在接受福克斯商业频道采访时表示：“在将她的才华货币化方面，泰勒处于一个独特的位置。在一个艺术家损失数百万美元的时代——专辑销量让位于数字下载——她实际上是在驾驭科技浪潮，而不是跟着数字浪潮走。” 习近平在2023年继续推动中国的国际影响力，与美国、欧盟和其他国家进行贸易、气候和人权等方面的谈判，并在中国共产党建党100周年的纪念活动中发表重要讲话，强调中国的发展和自信。美国总统拜登11月在旧金山举行的美中峰会结束后举行的新闻发布会上称习近平为“独裁者”。拜登在6月份首次使用了这个词。拜登在新闻发布会上说道：“嗯，瞧，他是。从某种意义上说，他是一个独裁者，他统治着一个共产主义国家，这个国家的政府形式与我们的完全不同。” 拜登第一次将习近平称为“独裁者”是在中国间谍气球穿越美国大陆之后，这引起轩然大波。当时拜登等到气球离开南卡罗来纳州海岸后才下令将其击落。查理三世在2023年接替了他的母亲伊莉萨白二世，成为英国的新国王，并在加冕典礼上发表了一场关于环境保护和社会和谐的演说，展现了他的现代化和开明的领导风格。最近刚过完75岁生日的查尔斯国王今年有时会被媒体对哈里王子(Prince Harry)和梅根·马克尔(Meghan Markle)的报道盖过风头。《国王》的作者Christopher Andersen告诉福克斯新闻数字频道(Fox News Digital)，哈里王子在一本爆炸性的回忆录《备用》(Spare)中描写了国王心爱的妻子卡米拉(Camilla)，此后他与父亲关系疏远。杰罗姆·鲍威尔在2023年带领美联储应对新冠疫情后的经济复苏和通胀压力，采取灵活和积极的货币政策，并与国会和白宫保持了良好的沟通和合作。当地时间11月29日，美国开放人工智能研究中心(OpenAI)官方正式宣布萨姆·奥尔特曼重回公司并担任首席执行官一职。奥尔特曼还创立了一个新的非营利组织，旨在促进人工智能的民主化和普及，并解决人工智能可能带来的伦理和社会问题。 2022年，《时代》杂志将乌克兰总统泽连斯基(Volodymyr zelensky)评为“年度人物”，击败了其他九名入围的个人或团体。“乌克兰精神”也被授予荣誉，以表彰乌克兰人对俄罗斯侵略者的抵抗。俄罗斯总统普京也进入了《时代》杂志2023年度人物评选的最终名单，他的国家仍在与乌克兰开战。普京曾当选2007年《时代》周刊年度人物。普京在2023年面临国内的反对派抗议和国际的压力，但仍然坚持俄罗斯的国家利益和主权，与美国总统拜登举行首次峰会，讨论乌克兰、叙利亚和网络安全等问题。入围的团体和概念包括“好莱坞演员罢工”，2023年好莱坞编剧和演员长时间罢工，暂停了节目和电影的创作和拍摄；“特朗普的检察官们”，特朗普成为美国历史上首位被起诉的美国总统，佛罗里达州、佐治亚州、纽约州和华盛顿特区的检察官对他提起90多项指控；“芭比”，一部真人芭比电影在世界各地掀起了粉色狂潮。以下是2023年度《时代》杂志人物评选的入围名单: 1. 习近平：中国国家主席 2. 普京：俄罗斯总统 3. 泰勒·斯威夫特：美国女歌手 4. 查理三世：英国国王 5. 杰罗姆·鲍威尔：美联储主席 6. 萨姆·奥尔特曼：美国开放人工智能研究中心(OpenAI)首席执行官 7. 好莱坞演员罢工：2023年好莱坞编剧和演员长时间罢工 8. 特朗普的检察官们：特朗普成为美国历史上首位被起诉的美国总统 9. 芭比：一部真人芭比电影在世界各地掀起了粉色狂潮这些入围者是在过去12个月内对世界产生了重大影响的个人、团体或概念。《时代》杂志将根据他们的影响力和贡献来选出年度人物。

tqttier2023-12-06

马斯克宣布贝莱德现货ETF获"种子资金" 比特币(BTC)、DOGE冲高

01%涨幅，报在0.0949美元。继OpenAI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

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

来源:CoinMarketCap) 继OpenAI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)

小萧2023-12-06

Footprint Analytics x Future3 Campus联合发布AI与Web3研究报告

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

12月6日证券之星早间消息汇总：自动驾驶行业迎来新节点

聊天机器人)将在未来几周里用上合作伙伴OpenAI最新的GPT-4 Turbo模型，并将抓紧整合基于GPT-4多模态能力的图像搜索业务。此外，“改写”大多数选定内容的菜单，以及深度搜索功能也将在近些日子上线。 3.制药巨头礼来周二宣布，其减肥药Zepbound(主要成分是替尔泊肽)现已在美国药店上市。据悉，礼来在美国市场推出六种剂量的Zepbound，分别为2.5mg、5mg、7.5mg、10mg、12.5mg、15mg，标价为每月1059.87美元。而诺和诺德广受欢迎的减肥药Wegovy每月售价为1349美元。 4.诺和诺德全球总裁兼CEO周赋德在最新的专访中提到，公司已经成立了一个专注于“预防转型”的部门，利用人工智能和先进的分析技术来深入了解肥胖症这种疾病。周赋德称，实验数据可以提供为什么有人会更容易发胖的线索，甚至有望帮助公司研制出第一批预防肥胖的药物。

证券之星2023-12-06

24小时热点