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)新經濟模式，讓 AI 技術更可及、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濟體系獎勵貢獻者，實現價值公平分配，助力 AI 普及與技術創(chuàng)新，推動科技進步。
當今的AI行業(yè)由于集中化面臨重大挑戰(zhàn)，主要進展通常掌握在少數大型公司手中。這引發(fā)了對數據隱私、壟斷行為以及獲取前沿技術能力有限的擔憂。此外，盡管大型語言模型（LLMs）如GPT-3具備強大能力，但其依賴性過高也帶來了高計算成本、環(huán)境影響以及訓練數據中的潛在偏見等問題。這些模型需要大量的數據和資源，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)方法來應對這些挑戰(zhàn)。SLMs 更加高效，所需的計算能力和數據更少，同時仍能保持卓越的性能，從而使AI技術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的進步，促進創(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智能體來實現人工智能的普惠化。其主要目標是提供一種更高效、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據，使其更具可獲取性和環(huán)保性。SLMs 專為高效完成特定任務而設計，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的進步并從中受益。這種模式促進了創(chuàng)新和包容性，確保AI技術不會被少數大型實體壟斷。
- 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)。
- 數據市場：平臺包含一個數據與AI模型的市場，用戶可以購買、出售和共享資源，從而激勵數據共享與協(xié)作，進一步增強AI生態(tài)系統(tǒng)。
- 安全與透明性：Assisterr 采用強大的安全措施和透明的流程，以確保其AI模型和數據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 是基于大量文本數據訓練的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，如文本補全、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)境造成負擔。
- 數據偏見：LLMs 可能繼承其訓練數據中的偏見，從而生成帶有偏見或不適當的輸出。
- 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。
- 擴展性問題：LLMs 的整體結構較為僵化，難以靈活適應特定任務或領域。
小型語言模型（SLM）
小型語言模型（SLMs）與 LLMs 概念類似，但設計上更注重準確性、專用性和高效性。SLMs 通過專注于特定任務和數據集，為細分應用場景提供更優(yōu)的性能，尤其適合專業(yè)化的使用案例。借助定制化數據集和面向特定業(yè)務需求的訓練，SLMs 能以更低成本提供卓越的性能和情境適應能力。這也為開源 SLM 的構建提供了動力，過去一些低成本項目開發(fā)的 SLM 已在準確性上接近成熟的 LLMs，成本卻遠低于后者。
Assisterr AI 的技術原理
小型語言模型（SLM）
小型語言模型（SLMs）是 Assisterr 技術的核心。與大型語言模型（LLMs）不同，SLMs 設計上更加高效和專用。它們專注于特定任務和數據集，因此能夠為細分應用提供卓越的性能。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據更少。小型語言模型（SLMs）是 Assisterr 技術的核心。與大型語言模型（LLMs）不同，SLMs 設計上更加高效和專用。它們專注于特定任務和數據集，因此能夠為細分應用提供卓越的性能。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據更少。小型語言模型（SLMs）是 Assisterr 技術的核心。與大型語言模型（LLMs）不同，SLMs 設計上更加高效和專用。它們專注于特定任務和數據集，因此能夠為細分應用提供卓越的性能。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據更少。
模塊化 SLM 架構
為了解決基于 LLM 的智能體的局限性，出現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
當現代小型語言模型（SLM）結合在 MoE 集合中時，可以在不失去功能性問題解決能力的情況下，提升學習的靈活性。集合學習能夠將多個較小模型的推理能力結合在一起，每個模型專注于不同的相關背景，從而解決復雜問題。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)建分層結構，進一步緩解上下文復雜性并提升問題解決能力。MoE 通常使用稀疏門控層，動態(tài)選擇多個并行網絡中的最佳響應，以便給出最合適的答案。為了實現更靈活的響應，單個專家可以針對代碼生成、翻譯或情感分析進行微調。更復雜的 MoE 架構可能包含多個 MoE 層，并與其他組件結合使用。像任何典型的語言模型架構一樣，MoE 的門控層操作基于語義標記，并需要進行訓練。
智能體混合（MoA）
當小型語言模型（SLMs）組裝成 MoA 架構時，可以增強多樣化推理集合的選擇性，使得AI能夠執(zhí)行任務時采用所需的方法 論，從而精準地執(zhí)行任務。智能體模型被組裝成一個聯(lián)盟，分層執(zhí)行協(xié)議，提升復雜任務的效率和問題解決能力。因此，AI 可以在多領域場景下工作。智能體團隊可以按順序工作，迭代地改進先前的結果。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% 準確率，即使在開源模型中也有如此表現。智能體混合（MoA）是在模型輸出層面操作，而非語義標記層面。它沒有門控層，而是并行地將文本提示轉發(fā)給所有智能體。MoA 的輸出也不是通過加法和歸一化進行匯總，而是通過連接并與合成與聚合提示一起結合，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”（整合結果）。與 MoE 一樣，多個這樣的層可以進行組合。缺乏門控層使得這一方法在面對復雜任務時更加靈活和適應性強。
DeAI 經濟
DeAI（去中心化AI）經濟是 Assisterr 平臺的一個基本組成部分。它利用區(qū)塊鏈技術創(chuàng)建了一個去中心化的AI模型和數據市場。這個經濟體系激勵數據共享與協(xié)作，確保貢獻者能夠公平地獲得回報。DeAI 經濟的關鍵組成部分包括：
- 數據市場：一個用戶可以購買、出售和共享數據及AI模型的平臺。這個市場鼓勵有價值資源的交換，促進社區(qū)內的創(chuàng)新與協(xié)作。
- 激勵機制：Assisterr 采用多種激勵機制來獎勵用戶貢獻數據、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)塊鏈技術為 DeAI 經濟中的交易提供了一個透明和安全的環(huán)境，確保數據和AI模型的完整性與可信度，保護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)一的基礎設施管道，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)貢獻者的參與。AI 實驗室允許用戶在自己知識領域內為模型做出貢獻，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實驗室標簽來創(chuàng)建模型，界面提供了一個簡單的表單，用于指定關鍵參數、提示模板和模型元數據。用戶可以直接上傳數據，這些數據將通過檢索增強生成（RAG）嵌入模型，后續(xù)還可以通過微調來優(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，并結合智能體混合架構和增強檢索策略。
SLM商店
Assisterr 的貢獻者在AI模型的創(chuàng)建過程中每個步驟都能獲得獎勵，從數據貢獻、模型創(chuàng)建到驗證和審查。這個收入共享機制是通過SLM代幣化模塊實現的。AI實驗室有效地將業(yè)務用例與所需的數據和專業(yè)知識連接起來。一旦模型出現在Assisterr界面的SLM商店標簽中，任何用戶都可以通過聊天機器人界面查詢該模型。目前，機器人在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用戶的余額中補充。查詢可以通過連接Solana錢包的WebUI或API進行，從而使SLM商店中的模型可以通過其他應用程序訪問。貢獻者可以創(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“貢獻與賺取”標簽，用戶可以通過滿足數據請求和驗證性能指標，參與對SLM商店中現有模型的迭代改進，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)建的不斷進化，并隨著時間的推移提高了吞吐量。結合智能體混合（MoA）等功能，這使得累積進展和持續(xù)的自下而上的調整成為可能。SLM的模塊化和專用性使其能夠快速集成到現有工作流程中。未來，企業(yè)或個人將能夠描述他們的問題，Assisterr的服務將涉及相關的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)的各項功能進行互動，例如訪問產品、支付費用，以及為SLM的創(chuàng)建、管理和盈利化做出貢獻。
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可以增強借貸、永續(xù)交易和質押等功能。這些智能體通過SLM集合和現代的智能體混合（MoA）聯(lián)盟提供更好的數據策劃、多模態(tài)推理和深度功能分析。
交易智能體
為復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在數據參考交易策略中特別有效，其中執(zhí)行媒介和方法至關重要。這些智能體通過利用先進算法和實時數據來提高交易效率和盈利能力。
自主聊天智能體
具有先進學習和分析能力的自主聊天智能體在學術、社交和專業(yè)領域具有重要價值。它們可以作為各種服務的支持代理，連接社交網絡和IT應用。通過加入智能體功能，這些對話支持模型可以充當聯(lián)絡人，根據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的虛擬形象。這些虛擬形象可以處理復雜的功能，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)者關系
在AssisterrAI平臺上推出的專門Web3開發(fā)者關系（DevRel）概念驗證證明了強大的市場適應性。健全的DevRel機制對于吸引開發(fā)者并在采用技術棧時提供全面支持至關重要。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)者的高質量支持。
ASRR代幣和代幣經濟學概述
代幣信息
| 類別 | 細節(jié) |
|---|---|
| 代幣名稱 | 輔助令牌 |
| 股票代碼 | ASRR |
| 區(qū)塊鏈 | 索拉納 |
| 代幣標準 | 頻率響應 |
| 合同 | 尚未正式公布 |
| 總供應量 | 尚未發(fā)布 |
| 供應 | 將在 TGE 和 5 月 30 日之后更新 |
代幣分配和空投機制
- 總供應量的 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，用戶可以質押以獲得乘數。
- 基礎（1.2 倍）：6 個月 – 1,000 個代幣
- 標準（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
| NFT等級 | 原價 | 已驗證價格 | 乘數 |
|---|---|---|---|
| 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 基礎設施初創(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 建設基礎設施和推出平臺起到了至關重要的作用。
自平臺啟動以來，Assisterr 已取得顯著進展，包括吸引了 15 萬注冊用戶，并為領先的 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)公司計劃而獲得認可，獲得了 35 萬美元的資金支持，以支持其 GPU、CPU 和云基礎設施的需求。
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。
網絡增長（2025 年上半年）
- 開發(fā)適用于特定領域任務的 SLMs。
- 舉行代幣生成事件（TGE）并進行上市。
- 開發(fā) 3 萬個 SLMs。
- Develop 30,000 SLMs.
SLM-智能體混合（2025 年下半年）
- 實施面向領域無關任務的 SLM 協(xié)同工作。
- 向 Web2 擴展。
- 達到 1000 萬用戶。
- 開發(fā) 10 萬個 SLMs。
結論
Assisterr 正在通過利用小型語言模型（SLMs）和創(chuàng)新的經濟模型，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Assisterr AI(ASRR)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持腳本之家！
