幣安即將上線Assisterr AI(ASRR),Assisterr項目概述與未來前景分析
Assisterr 是一個去中心化 AI 平臺，通過小型語言模型（SLMs）和創(chuàng)新經(jīng)濟(jì)模式，讓 AI 技術(shù)更可及、高效與可持續(xù)。平臺解決了大型語言模型（LLMs）的局限，倡導(dǎo)社區(qū)協(xié)作，用戶可創(chuàng)建、共享并貨幣化 AI 模型。其獨特的去中心化經(jīng)濟(jì)體系獎勵貢獻(xiàn)者，實現(xiàn)價值公平分配，助力 AI 普及與技術(shù)創(chuàng)新，推動科技進(jìn)步。
當(dāng)今的AI行業(yè)由于集中化面臨重大挑戰(zhàn)，主要進(jìn)展通常掌握在少數(shù)大型公司手中。這引發(fā)了對數(shù)據(jù)隱私、壟斷行為以及獲取前沿技術(shù)能力有限的擔(dān)憂。此外，盡管大型語言模型（LLMs）如GPT-3具備強(qiáng)大能力，但其依賴性過高也帶來了高計算成本、環(huán)境影響以及訓(xùn)練數(shù)據(jù)中的潛在偏見等問題。這些模型需要大量的數(shù)據(jù)和資源，使得它們僅對資金充足的組織可用。
Assisterr 通過引入小型語言模型（SLMs）并推動社區(qū)擁有的AI開發(fā)方法來應(yīng)對這些挑戰(zhàn)。SLMs 更加高效，所需的計算能力和數(shù)據(jù)更少，同時仍能保持卓越的性能，從而使AI技術(shù)變得更加可獲取和可持續(xù)。此外，Assisterr 的社區(qū)擁有模型和AI智能體讓用戶能夠參與和受益于AI的進(jìn)步，促進(jìn)創(chuàng)新與包容性，確保AI的益處能夠更廣泛地惠及整個社會。
Assisterr(ASRR)最新動態(tài)
幣安在 X 平臺宣布，幣安 Alpha 將成為首個上線 Assisterr AI (ASSR) 的平臺，交易將于 2025 年 5 月 30 日開啟，具體時間另行通知。
符合條件的用戶需使用幣安 Alpha 積分在 Alpha 活動頁面領(lǐng)取 ，活動規(guī)則將于 2025 年 5 月 30 日發(fā)布。
什么是 Assisterr AI？
來源：Assisterr 網(wǎng)站
Assisterr AI 是一個去中心化的AI平臺，旨在通過利用小型語言模型（SLMs）和社區(qū)擁有的AI智能體來實現(xiàn)人工智能的普惠化。其主要目標(biāo)是提供一種更高效、更可獲取且更可持續(xù)的傳統(tǒng)AI模型替代方案，以應(yīng)對大型語言模型（LLMs）的局限性，并推動協(xié)作型AI生態(tài)系統(tǒng)的發(fā)展。
Assisterr AI 的關(guān)鍵特性與優(yōu)勢
- 小型語言模型（SLMs）：與LLMs不同，SLMs 需要更少的計算能力和數(shù)據(jù)，使其更具可獲取性和環(huán)保性。SLMs 專為高效完成特定任務(wù)而設(shè)計，從而降低了大型模型帶來的額外開銷。
- 社區(qū)擁有模型：Assisterr 提倡一種去中心化的模式，用戶可以參與AI的進(jìn)步并從中受益。這種模式促進(jìn)了創(chuàng)新和包容性，確保AI技術(shù)不會被少數(shù)大型實體壟斷。
- 零代碼工具：Assisterr 提供用戶友好的零代碼工具，使個人和企業(yè)無需深入的技術(shù)知識即可創(chuàng)建和部署AI模型，從而降低了參與門檻，鼓勵更多人加入AI開發(fā)。
- 數(shù)據(jù)市場：平臺包含一個數(shù)據(jù)與AI模型的市場，用戶可以購買、出售和共享資源，從而激勵數(shù)據(jù)共享與協(xié)作，進(jìn)一步增強(qiáng)AI生態(tài)系統(tǒng)。
- 安全與透明性：Assisterr 采用強(qiáng)大的安全措施和透明的流程，以確保其AI模型和數(shù)據(jù)交易的完整性和可信性。
語言模型（LLM 和 SLM）
大型語言模型（LLM）
大型語言模型（LLMs）如 GPT-3 和 BERT 是基于大量文本數(shù)據(jù)訓(xùn)練的AI模型，能夠理解和生成類似人類語言。它們可以執(zhí)行各種任務(wù)，如文本補(bǔ)全、翻譯和摘要生成。然而，LLMs 存在一些顯著的缺點：
- 高計算成本：訓(xùn)練和運行 LLMs 需要大量計算資源，成本高昂且對環(huán)境造成負(fù)擔(dān)。
- 數(shù)據(jù)偏見：LLMs 可能繼承其訓(xùn)練數(shù)據(jù)中的偏見，從而生成帶有偏見或不適當(dāng)?shù)妮敵觥?/li>
- 可獲取性受限：由于資源需求高，LLMs 通常僅對資金雄厚的大型組織可用。
- 擴(kuò)展性問題：LLMs 的整體結(jié)構(gòu)較為僵化，難以靈活適應(yīng)特定任務(wù)或領(lǐng)域。
小型語言模型（SLM）
小型語言模型（SLMs）與 LLMs 概念類似，但設(shè)計上更注重準(zhǔn)確性、專用性和高效性。SLMs 通過專注于特定任務(wù)和數(shù)據(jù)集，為細(xì)分應(yīng)用場景提供更優(yōu)的性能，尤其適合專業(yè)化的使用案例。借助定制化數(shù)據(jù)集和面向特定業(yè)務(wù)需求的訓(xùn)練，SLMs 能以更低成本提供卓越的性能和情境適應(yīng)能力。這也為開源 SLM 的構(gòu)建提供了動力，過去一些低成本項目開發(fā)的 SLM 已在準(zhǔn)確性上接近成熟的 LLMs，成本卻遠(yuǎn)低于后者。
Assisterr AI 的技術(shù)原理
小型語言模型（SLM）
小型語言模型（SLMs）是 Assisterr 技術(shù)的核心。與大型語言模型（LLMs）不同，SLMs 設(shè)計上更加高效和專用。它們專注于特定任務(wù)和數(shù)據(jù)集，因此能夠為細(xì)分應(yīng)用提供卓越的性能。這種專門化使得 SLMs 更加可獲取且可持續(xù)，因為它們需要的計算能力和數(shù)據(jù)更少。小型語言模型（SLMs）是 Assisterr 技術(shù)的核心。與大型語言模型（LLMs）不同，SLMs 設(shè)計上更加高效和專用。它們專注于特定任務(wù)和數(shù)據(jù)集，因此能夠為細(xì)分應(yīng)用提供卓越的性能。這種專門化使得 SLMs 更加可獲取且可持續(xù)，因為它們需要的計算能力和數(shù)據(jù)更少。小型語言模型（SLMs）是 Assisterr 技術(shù)的核心。與大型語言模型（LLMs）不同，SLMs 設(shè)計上更加高效和專用。它們專注于特定任務(wù)和數(shù)據(jù)集，因此能夠為細(xì)分應(yīng)用提供卓越的性能。這種專門化使得 SLMs 更加可獲取且可持續(xù)，因為它們需要的計算能力和數(shù)據(jù)更少。
模塊化 SLM 架構(gòu)
為了解決基于 LLM 的智能體的局限性，出現(xiàn)了多個小型語言模型（SLMs）在協(xié)作型智能體框架中工作的先進(jìn)方法。在從 SLM 集合體開發(fā) AI 智能體時，有兩個核心方法被廣泛采用：專家混合（Mixtures of Experts, MoE）和智能體混合（Mixtures of Agents, MoA）。
專家混合（MoE）
來源：Assisterr Litepaper
當(dāng)現(xiàn)代小型語言模型（SLM）結(jié)合在 MoE 集合中時，可以在不失去功能性問題解決能力的情況下，提升學(xué)習(xí)的靈活性。集合學(xué)習(xí)能夠?qū)⒍鄠€較小模型的推理能力結(jié)合在一起，每個模型專注于不同的相關(guān)背景，從而解決復(fù)雜問題。這種組合生成了混合的理解，允許AI深入挖掘。專家層本身可以由 MoE 組成，創(chuàng)建分層結(jié)構(gòu)，進(jìn)一步緩解上下文復(fù)雜性并提升問題解決能力。MoE 通常使用稀疏門控層，動態(tài)選擇多個并行網(wǎng)絡(luò)中的最佳響應(yīng)，以便給出最合適的答案。為了實現(xiàn)更靈活的響應(yīng)，單個專家可以針對代碼生成、翻譯或情感分析進(jìn)行微調(diào)。更復(fù)雜的 MoE 架構(gòu)可能包含多個 MoE 層，并與其他組件結(jié)合使用。像任何典型的語言模型架構(gòu)一樣，MoE 的門控層操作基于語義標(biāo)記，并需要進(jìn)行訓(xùn)練。
智能體混合（MoA）
當(dāng)小型語言模型（SLMs）組裝成 MoA 架構(gòu)時，可以增強(qiáng)多樣化推理集合的選擇性，使得AI能夠執(zhí)行任務(wù)時采用所需的方法 論，從而精準(zhǔn)地執(zhí)行任務(wù)。智能體模型被組裝成一個聯(lián)盟，分層執(zhí)行協(xié)議，提升復(fù)雜任務(wù)的效率和問題解決能力。因此，AI 可以在多領(lǐng)域場景下工作。智能體團(tuán)隊可以按順序工作，迭代地改進(jìn)先前的結(jié)果。MoA 在性能上往往明顯優(yōu)于更大的模型，包括 GPT-4 Omni 在 AlpacaEval 2.0 上的 57.5% 準(zhǔn)確率，即使在開源模型中也有如此表現(xiàn)。智能體混合（MoA）是在模型輸出層面操作，而非語義標(biāo)記層面。它沒有門控層，而是并行地將文本提示轉(zhuǎn)發(fā)給所有智能體。MoA 的輸出也不是通過加法和歸一化進(jìn)行匯總，而是通過連接并與合成與聚合提示一起結(jié)合，再傳遞給另一個模型以生成最終輸出。因此，模型被分為“提出者”（計算不同輸出）和“聚合者”（整合結(jié)果）。與 MoE 一樣，多個這樣的層可以進(jìn)行組合。缺乏門控層使得這一方法在面對復(fù)雜任務(wù)時更加靈活和適應(yīng)性強(qiáng)。
DeAI 經(jīng)濟(jì)
DeAI（去中心化AI）經(jīng)濟(jì)是 Assisterr 平臺的一個基本組成部分。它利用區(qū)塊鏈技術(shù)創(chuàng)建了一個去中心化的AI模型和數(shù)據(jù)市場。這個經(jīng)濟(jì)體系激勵數(shù)據(jù)共享與協(xié)作，確保貢獻(xiàn)者能夠公平地獲得回報。DeAI 經(jīng)濟(jì)的關(guān)鍵組成部分包括：
- 數(shù)據(jù)市場：一個用戶可以購買、出售和共享數(shù)據(jù)及AI模型的平臺。這個市場鼓勵有價值資源的交換，促進(jìn)社區(qū)內(nèi)的創(chuàng)新與協(xié)作。
- 激勵機(jī)制：Assisterr 采用多種激勵機(jī)制來獎勵用戶貢獻(xiàn)數(shù)據(jù)、開發(fā)模型并參與生態(tài)系統(tǒng)。這些激勵確保社區(qū)保持活躍并持續(xù)參與。
- 透明性與安全性：區(qū)塊鏈技術(shù)為 DeAI 經(jīng)濟(jì)中的交易提供了一個透明和安全的環(huán)境，確保數(shù)據(jù)和AI模型的完整性與可信度，保護(hù)用戶免受欺詐和濫用。
Assisterr 生態(tài)系統(tǒng)
AI Labs
AssisterrAI 提供了一個統(tǒng)一的基礎(chǔ)設(shè)施管道，用于創(chuàng)建、代幣化和分發(fā)小型語言模型（SLMs），并通過這一方式激勵所有社區(qū)貢獻(xiàn)者的參與。AI 實驗室允許用戶在自己知識領(lǐng)域內(nèi)為模型做出貢獻(xiàn)，成為AI的共同創(chuàng)作者和共同擁有者。這種方法確保AI臨時工作者不僅能夠獲得一次性、交易性的報酬，還能捕捉更廣泛的市場價值，保障更好的未來，使人們成為AI的受益者，而非進(jìn)步與自動化的受害者。
為了訪問平臺，用戶需要連接一個基于瀏覽器的Solana錢包，以及他們的X個人資料和Discord賬戶。然后，他們可以通過Assisterr用戶界面的AI實驗室標(biāo)簽來創(chuàng)建模型，界面提供了一個簡單的表單，用于指定關(guān)鍵參數(shù)、提示模板和模型元數(shù)據(jù)。用戶可以直接上傳數(shù)據(jù)，這些數(shù)據(jù)將通過檢索增強(qiáng)生成（RAG）嵌入模型，后續(xù)還可以通過微調(diào)來優(yōu)化。一旦模型創(chuàng)建完成，可以通過SLM商店將其公開。在未來，AI實驗室將采用模塊化、多模型范式，并結(jié)合智能體混合架構(gòu)和增強(qiáng)檢索策略。
SLM商店
Assisterr 的貢獻(xiàn)者在AI模型的創(chuàng)建過程中每個步驟都能獲得獎勵，從數(shù)據(jù)貢獻(xiàn)、模型創(chuàng)建到驗證和審查。這個收入共享機(jī)制是通過SLM代幣化模塊實現(xiàn)的。AI實驗室有效地將業(yè)務(wù)用例與所需的數(shù)據(jù)和專業(yè)知識連接起來。一旦模型出現(xiàn)在Assisterr界面的SLM商店標(biāo)簽中，任何用戶都可以通過聊天機(jī)器人界面查詢該模型。目前，機(jī)器人在Web3生態(tài)系統(tǒng)、醫(yī)療健康、軟件開發(fā)和金融等多個領(lǐng)域提供幫助。
SLM商店中的每個模型都配有一個以Assisterr原生代幣計價的金庫，每次查詢時都會從相應(yīng)用戶的余額中補(bǔ)充。查詢可以通過連接Solana錢包的WebUI或API進(jìn)行，從而使SLM商店中的模型可以通過其他應(yīng)用程序訪問。貢獻(xiàn)者可以創(chuàng)建SLM，將它們組合成智能體，并通過零代碼界面部署，從而提供快速的市場進(jìn)入周期和快速的創(chuàng)新周期。這解決了獨立模型創(chuàng)作者和開發(fā)者在分發(fā)和盈利化過程中面臨的挑戰(zhàn)。
協(xié)作元素
通過“貢獻(xiàn)與賺取”標(biāo)簽，用戶可以通過滿足數(shù)據(jù)請求和驗證性能指標(biāo)，參與對SLM商店中現(xiàn)有模型的迭代改進(jìn)，并獲得管理代幣（MTs）或原生Assisterr代幣。這一同行評審過程確保了模型創(chuàng)建的不斷進(jìn)化，并隨著時間的推移提高了吞吐量。結(jié)合智能體混合（MoA）等功能，這使得累積進(jìn)展和持續(xù)的自下而上的調(diào)整成為可能。SLM的模塊化和專用性使其能夠快速集成到現(xiàn)有工作流程中。未來，企業(yè)或個人將能夠描述他們的問題，Assisterr的服務(wù)將涉及相關(guān)的SLM/智能體池來找到解決方案。
Assisterr金庫模型
原生Assisterr代幣是AssisterrAI生態(tài)系統(tǒng)運營的載體。它會在SLM開發(fā)過程的每個階段，通過驗證履行智能合約協(xié)議的行動進(jìn)行交易。通過利用該代幣，參與者可以與Assisterr生態(tài)系統(tǒng)的各項功能進(jìn)行互動，例如訪問產(chǎn)品、支付費用，以及為SLM的創(chuàng)建、管理和盈利化做出貢獻(xiàn)。
Assisterr 的使用案例
去中心化金融（DeFi）管理智能體
去中心化金融（DeFi）AI智能體是Web3領(lǐng)域的重大創(chuàng)新。超越通用推薦系統(tǒng)，專門的AI在安全、許可的約束下運行，能夠更好地優(yōu)化和自動化金融組合。為快速交易媒體（如Solana DeFi協(xié)議）創(chuàng)建的智能體SLMs可以增強(qiáng)借貸、永續(xù)交易和質(zhì)押等功能。這些智能體通過SLM集合和現(xiàn)代的智能體混合（MoA）聯(lián)盟提供更好的數(shù)據(jù)策劃、多模態(tài)推理和深度功能分析。
交易智能體
為復(fù)雜交易場景量身定制的交易智能體能夠分析錢包聚類和價格走勢，在動蕩的DeFi市場和傳統(tǒng)金融（TradFi）中都具有極大的實用性。基于SLM的MoA在數(shù)據(jù)參考交易策略中特別有效，其中執(zhí)行媒介和方法至關(guān)重要。這些智能體通過利用先進(jìn)算法和實時數(shù)據(jù)來提高交易效率和盈利能力。
自主聊天智能體
具有先進(jìn)學(xué)習(xí)和分析能力的自主聊天智能體在學(xué)術(shù)、社交和專業(yè)領(lǐng)域具有重要價值。它們可以作為各種服務(wù)的支持代理，連接社交網(wǎng)絡(luò)和IT應(yīng)用。通過加入智能體功能，這些對話支持模型可以充當(dāng)聯(lián)絡(luò)人，根據(jù)用戶反饋實施功能并提供可操作的支持。
面向公眾的虛擬形象
SLMs可以創(chuàng)建基于文本、音頻或視頻的代理，生成用于深度互動和公眾任務(wù)的虛擬形象。這些虛擬形象可以處理復(fù)雜的功能，如3D虛擬形象、自動文本到視頻生成以及社交平臺上的直播集成?；赟LM的MoA可以增強(qiáng)下一代多模態(tài)互動，使面向公眾的虛擬形象更加互動和高效。
開發(fā)者關(guān)系
在AssisterrAI平臺上推出的專門Web3開發(fā)者關(guān)系（DevRel）概念驗證證明了強(qiáng)大的市場適應(yīng)性。健全的DevRel機(jī)制對于吸引開發(fā)者并在采用技術(shù)棧時提供全面支持至關(guān)重要。然而，這也伴隨著巨大的成本，DevRel崗位的年薪從90,000美元到200,000美元不等。許多開發(fā)者支持請求是可預(yù)測的，可以通過自動化來提高DevRel效率，借助SLMs的有針對性使用來降低成本，同時保持對開發(fā)者的高質(zhì)量支持。
ASRR代幣和代幣經(jīng)濟(jì)學(xué)概述
代幣信息
| 類別 | 細(xì)節(jié) |
|---|---|
| 代幣名稱 | 輔助令牌 |
| 股票代碼 | ASRR |
| 區(qū)塊鏈 | 索拉納 |
| 代幣標(biāo)準(zhǔn) | 頻率響應(yīng) |
| 合同 | 尚未正式公布 |
| 總供應(yīng)量 | 尚未發(fā)布 |
| 供應(yīng) | 將在 TGE 和 5 月 30 日之后更新 |
代幣分配和空投機(jī)制
- 總供應(yīng)量的 20%用于空投。
- TGE：每個用戶將在TGE時收到其代幣的10％。
- 2 個月懸崖：在此期間，用戶可以質(zhì)押以獲得乘數(shù)。
- 基礎(chǔ)（1.2 倍）：6 個月 – 1,000 個代幣
- 標(biāo)準(zhǔn)（1.5倍）：12個月 - 1,500個代幣
- 高級（2.0x）：18 個月 – 2,000 個代幣
- 剩余 90%將在第 2 個月至第 24 個月線性歸屬。
NFT乘數(shù)
| NFT等級 | 原價 | 已驗證價格 | 乘數(shù) |
|---|---|---|---|
| 1級 | 不適用 | 0.22 索爾 | +10% |
| 2級 | 0.7 SOL | 0.56 索爾 | +30％ |
| 3級 | 2.2 SOL | 1.54 索爾 | +80％ |
只統(tǒng)計錢包中最高級別的NFT，不累計。
Assisterr 的籌資努力
Assisterr 是一家位于劍橋的 AI 基礎(chǔ)設(shè)施初創(chuàng)公司，成功完成了 170 萬美元的種子前融資輪。此次投資輪吸引了多個知名的 Web3 風(fēng)投基金參與，包括 Web3.com Ventures、Moonhill Capital、Contango、Outlier Ventures、Decasonic、Zephyrus Capital、Wise3 Ventures、Saxon、GFI Ventures、X Ventures、Koyamaki、Lucid Drakes Ventures，以及多位知名天使投資人，如 Michael Heinrich、Mark Rydon、Nader Dabit、Anthony Lesoismier-Geniaux 和 Ethan Francis。這些資金對于 Assisterr 建設(shè)基礎(chǔ)設(shè)施和推出平臺起到了至關(guān)重要的作用。
自平臺啟動以來，Assisterr 已取得顯著進(jìn)展，包括吸引了 15 萬注冊用戶，并為領(lǐng)先的 Web3 協(xié)議如 Solana、Optimism、0g.ai 和 NEAR 推出了超過 60 個小型語言模型（SLMs）。此外，Assisterr 還因贏得多個全球黑客松比賽并參與 Google 的 AI 初創(chuàng)公司計劃而獲得認(rèn)可，獲得了 35 萬美元的資金支持，以支持其 GPU、CPU 和云基礎(chǔ)設(shè)施的需求。
未來路線圖和里程碑
Assisterr 有一個明確的未來發(fā)展和增長路線圖。主要的里程碑包括：
AI 實驗室（2024 年第四季度）
- 啟動 AI 實驗室，允許用戶創(chuàng)建和擁有小型語言模型（SLMs）。
- 達(dá)到 50 萬用戶。
- 實施 SLM 創(chuàng)作者激勵計劃。
- 開發(fā) 5000 個 SLMs。
- 完成種子輪融資。
網(wǎng)絡(luò)增長（2025 年上半年）
- 開發(fā)適用于特定領(lǐng)域任務(wù)的 SLMs。
- 舉行代幣生成事件（TGE）并進(jìn)行上市。
- 開發(fā) 3 萬個 SLMs。
- Develop 30,000 SLMs.
SLM-智能體混合（2025 年下半年）
- 實施面向領(lǐng)域無關(guān)任務(wù)的 SLM 協(xié)同工作。
- 向 Web2 擴(kuò)展。
- 達(dá)到 1000 萬用戶。
- 開發(fā) 10 萬個 SLMs。
結(jié)論
Assisterr 正在通過利用小型語言模型（SLMs）和創(chuàng)新的經(jīng)濟(jì)模型，開創(chuàng)一個新的去中心化、社區(qū)擁有的 AI 時代。通過解決大型語言模型（LLMs）的局限性并提倡協(xié)作方式，Assisterr 正在使 AI 技術(shù)變得更加可訪問、高效和可持續(xù)。平臺的綜合生態(tài)系統(tǒng)，包括 AI 實驗室、SLM 商店和協(xié)作元素，賦予用戶創(chuàng)建、分享和貨幣化 AI 模型的能力。
到此這篇關(guān)于幣安即將上線Assisterr AI(ASRR),Assisterr項目概述與未來前景分析的文章就介紹到這了,更多相關(guān)Assisterr AI(ASRR)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！
