撰文：Tanya Malhotra
来源：Marktechpost
编译：DeFi 之道
图片来源：由无界版图AI工具生成
随着生成性人工智能在过去几个月的巨大成功，大型语言模型（LLM）正在不断改进。这些模型正在为一些值得注意的经济和社会转型做出贡献。OpenAI 开发的 ChatGPT 是一个自然语言处理模型，允许用户生成有意义的文本。不仅如此，它还可以回答问题，总结长段落，编写代码和电子邮件等。其他语言模型，如 Pathways 语言模型（PaLM）、Chinchilla 等，在模仿人类方面也有很好的表现。
HyperChain Capital首席执行官：DeFi领域有巨大的增长机会:HyperChain Capital首席执行官Stelian Balta在接受采访时表示：“我相信DeFi领域有巨大的增长机会，其中一个领先的DeFi项目Kyber Network的交易量刚刚超过10亿美元，项目市值仅略高于3亿美元，我认为这是严重低估。”
Stelian Balta还表示，其认为最好的区块链游戏平台是使用EOSIO技术的平台。（Cointelegraph）[2020/7/5]
大型语言模型使用强化学习（reinforcement learning，RL）来进行微调。强化学习是一种基于奖励系统的反馈驱动的机器学习方法。代理（agent）通过完成某些任务并观察这些行动的结果来学习在一个环境中的表现。代理在很好地完成一个任务后会得到积极的反馈，而完成地不好则会有相应的惩罚。像 ChatGPT 这样的 LLM 表现出的卓越性能都要归功于强化学习。
FLETA与Chainlink达成合作 将区块链集成至后者的去中心化预言机网络中:韩国公司FLETA已与Chainlink达成合作，该公司将把其区块链集成到Chainlink的去中心化预言机网络中，为其去中心化应用（DApps）提供可信的数据，并开发一个允许医疗专业人员更容易共享健康记录的系统。
FLETA首席执行官Henry Hong表示：“FLETA区块链的可扩展性和智能合同数据的完整性将通过利用Chainlink的去中心化预言机网络得到提高。此外，通过部署Chainlink的预言机解决方案，我们可以在未来更容易地将区块链技术应用到更多样化的领域。”（BlockchainNews）[2020/6/27]
ChatGPT 使用来自人类反馈的强化学习（RLHF），通过最小化偏差对模型进行微调。但为什么不是监督学习（Supervised learning，SL）呢？一个基本的强化学习范式由用于训练模型的标签组成。但是为什么这些标签不能直接用于监督学习方法呢？人工智能和机器学习研究员 Sebastian Raschka 在他的推特上分享了一些原因，即为什么强化学习被用于微调而不是监督学习。
动态 | 奢侈品在线交易平台Reebonz与VeChain合作对产品进行数字认证:东南亚奢侈品在线交易平台Reebonz宣布使用VeChain追溯解决方案对其产品进行数字认证。Reebonz首席执行官兼联合创始人Samuel Lim表示：?“我们希望使用最先进的技术和创新措施，为亚洲的奢侈品提供同类首创的跟踪和认证工具。”（News Logical）[2020/2/3]
不使用监督学习的第一个原因是，它只预测等级，不会产生连贯的反应；该模型只是学习给与训练集相似的反应打上高分，即使它们是不连贯的。另一方面，RLHF 则被训练来估计产生反应的质量，而不仅仅是排名分数。
声音 | Charlie Shrem：Mt.Gox是第一个创造“债务代币”的公司而不是Bitfinex:据AMBCrypto消息， 比特币企业家Charlie Shrem讨论了Mt. Gox的故事。当85万BTC失踪或被盗时，Mt. Gox面临着无法预料的阻碍。Shrem强调，当时该交易所有两种比特币可供选择；一个是原始比特币（BTC），另一个是Mt.Gox的比特币，也就是“你可以在Mt.Gox系统中交易的假比特币”。这导致了购买Gox BTC的二级市场的形成，该市场“本质上是在Mt.Gox突然崩溃之前不能从该交易所转移走的比特币”。 Shrem声称，即使Mt. Gox突然崩溃，市场也创造了自己的债务代币，尽管Bitfinex声称是第一个发行旨在偿还债务的代币。Charlie Shrem注意到Mt.Gox的债权人Josh Jones创造了一个系统来把Mt.Gox BTC换成真正的BTC。当时的加密用户可以以折扣价将Gox BTC换成真正的BTC，以摆脱黑客攻击后留下的烂摊子。[2019/5/20]
Sebastian Raschka 分享了使用监督学习将任务重新表述为一个受限的优化问题的想法。损失函数结合了输出文本损失和奖励分数项。这将使生成的响应和排名的质量更高。但这种方法只有在目标正确产生问题-答案对时才能成功。但是累积奖励对于实现用户和 ChatGPT 之间的连贯对话也是必要的，而监督学习无法提供这种奖励。
不选择 SL 的第三个原因是，它使用交叉熵来优化标记级的损失。虽然在文本段落的标记水平上，改变反应中的个别单词可能对整体损失只有很小的影响，但如果一个单词被否定，产生连贯性对话的复杂任务可能会完全改变上下文。因此，仅仅依靠 SL 是不够的，RLHF 对于考虑整个对话的背景和连贯性是必要的。
监督学习可以用来训练一个模型，但根据经验发现 RLHF 往往表现得更好。2022 年的一篇论文《从人类反馈中学习总结》显示，RLHF 比 SL 表现得更好。原因是 RLHF 考虑了连贯性对话的累积奖励，而 SL 由于其文本段落级的损失函数而未能很好做到这一点。
像 InstructGPT 和 ChatGPT 这样的 LLMs 同时使用监督学习和强化学习。这两者的结合对于实现最佳性能至关重要。在这些模型中，首先使用 SL 对模型进行微调，然后使用 RL 进一步更新。SL 阶段允许模型学习任务的基本结构和内容，而 RLHF 阶段则完善模型的反应以提高准确性。
DeFi之道
个人专栏
阅读更多
金色财经 善欧巴
金色早8点
Odaily星球日报
欧科云链
Arcane Labs
MarsBit
深潮TechFlow
BTCStudy
澎湃新闻
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。