Biteye AI Diário 12 de setembro

Hoje a zona de capitalização de mercado: $14.08B +1.52%

A confiança do mercado está se recuperando gradualmente, a construção da zona de IA continua com projetos de qualidade em desenvolvimento após um retorno à racionalidade. ⭐Top 10 de volume de negociação Coingecko em 24h: token volume capitalização de mercado preço volatilidade 1- $ATH $250.9M $634.2M $0.05 +15.0% 2- $AI16Z $129.1M $127.0M $0.12 +3.0% 3- $VIRTUAL $127.2M $847.6M $1.29 +3.0% 4- $TAO $111.8M $3.4B $358.90 +1.8% 5- $IP $95.5M $3.0B $9.68 -6.4% 6- $KAITO $76.7M $297.9M $1.24 -1.1% 7- $FLOCK $36.9M $79.6M $0.36 -3.9% 8- $PROMPT $36.4M $42.7M $0.19 +4.5% 9- $AIXBT $32.7M $117.4M $0.12 +3.0% 10- $SAHARA $32.5M $203.2M $0.09 -1.4%

⭐Informações importantes

1. Bittensor @opentenso atualiza o mecanismo central

• Introduzir Sub-Subnets (sub-sub-redes): permite a criação de sub-sub-redes mais detalhadas com base nas sub-redes existentes, atualmente em fase de teste (como a BTDash Test Subnet). Esta funcionalidade aumenta a flexibilidade e modularidade da rede, sendo adequada para a alocação de tarefas de IA mais complexas e gestão de recursos.

• Permitir cancelamento de sub-rede: nova funcionalidade que permite aos proprietários cancelar sub-redes de baixo desempenho ou não utilizadas, para otimizar a utilização dos recursos da rede.

Comentário: O mecanismo de halving do Bittensor está próximo (com base na oferta total atual e na emissão diária de 7.200 TAO, o halving reduzirá significativamente a taxa de novos tokens entrando em circulação). Esta atualização central aborda proativamente a pressão sobre os recursos da rede e os desafios de eficiência, introduzindo sub-redes e a funcionalidade de cancelamento, aumentando a sustentabilidade a longo prazo da rede.

2. A plataforma de jogos AI @Aiveronica_ e a camada econômica AI GAIB @gaib_ai juntaram-se ao Kite AI @GoKiteAI 网络

• AiVeronica @Aiveronica_ é uma plataforma de lançamento de jogos de IA, em colaboração com o Virtuals Protocol, destinada a transformar jogos estáticos em um universo dinâmico e em evolução através da tecnologia de IA, capaz de ajudar os jogos a se adaptarem continuamente ao comportamento dos jogadores, aumentando a taxa de retenção e o valor.

• AiVeronica já implementou seis agentes de IA na rede de testes Kite AI, utilizando a camada de base dedicada ao agente de IA projetada especificamente pela Kite AI, proporcionando aos usuários uma experiência de jogo profundamente personalizada, assim como narrativa adaptativa e estratégias em tempo real.

• GAIB @gaib_ai é essencialmente a tokenização de recursos de computação de alto desempenho, como GPU, transformando ativos de capacidade de AI que antes eram fechados em produtos financeiros negociáveis e geradores de rendimento, permitindo assim que mais pessoas participem da economia de AI.

• GAIB já foi integrado na loja de aplicações inteligentes (Agent App Store) do Kite, não só fornecendo recursos de computação em GPU para a rede, mas também oferecendo oportunidades de investimento em infraestrutura de IA para os participantes da rede.

Comentário: Após obter um financiamento de milhões da PayPal, a Kite AI continua a fortalecer seu ecossistema, com metas de desenvolvimento mais claras e uma influência significativamente aumentada.

3. Thinking Machines @thinkymachines publicou o seu primeiro artigo, resolvendo o problema de não determinismo dos LLMs

• A avaliação da Thinking Machines ultrapassa os 12 bilhões de dólares, recentemente lançou o blog de pesquisa Connectionism e publicou o primeiro artigo "Defeating Nondeterminism in LLM Inference", dedicado a resolver o problema de incerteza na inferência de LLM.

• Problema de não determinismo LLM: refere-se ao fato de que, ao usar LLM para raciocínio, podem ser obtidas respostas diferentes para a mesma questão, tornando difícil a replicação dos resultados experimentais.

• Resultados do experimento: através de melhorias, foi testado no modelo Qwen 235B e, após ativar o novo núcleo, foram geradas 1000 saídas totalmente consistentes; o custo de desempenho é controlável (após otimização, apenas cerca de 60% de perda de velocidade), a divergência KL se mantém em 0, evitando efetivamente problemas de instabilidade no treinamento.

Comentário: O primeiro resultado de pesquisa da Thinking Machines foi amplamente elogiado e tem potencial para se tornar um dos importantes avanços na resolução do problema da instabilidade na saída de LLM.

Dados de origem: @xhunt_ai, Cookie DAO, Coingecko

Aviso de risco: o acima é apenas para compartilhamento de informações, não é um conselho de investimento.