Sáng nay, Yzi Labs đã công bố đầu tư vào Tensorplex Labs, ngay lập tức kích hoạt một làn sóng tăng 500% trong dự án mạng con Bittensor của mình, Dojo. Trong cùng tháng năm ngoái, startup trí tuệ nhân tạo phi tập trung Tensorplex Labs đã hoàn thành vòng huy động vốn khởi nghiệp trị giá 3 triệu đô la. Một năm sau, Tensorplex Labs đã đóng góp cho hệ sinh thái Bittensor qua các khía cạnh khác nhau, bao gồm DEX, bảng điều khiển dữ liệu và trí tuệ nhân tạo. Bài viết này sẽ cung cấp một phân tích ngắn gọn về cách công ty đặt trụ sở tại Singapore 2 tuổi đã trở thành một người tham gia chính trong hệ sinh thái Bittensor.

Nhân tố DeFi của Bittensor

Staking và Cho vay

Trước khi dTao được ra mắt, hệ sinh thái Bittensor khá chưa phát triển. Tensorplex đã đóng góp các sản phẩm DeFi cốt lõi cho hệ sinh thái TAO, trong đó có Tensorplex Stake. Là một sản phẩm staking qua chuỗi, nó giới thiệu stTAO, một token ERC-20 LSD (Liquid Staking Derivative). Điều này cho phép các nhà đầu tư EVM tham gia vào hệ sinh thái TAO và kiếm được phần thưởng staking mà không cần phải tải ví tương thích Substrate hoặc ủy quyền thủ công. Ngoài ra, tài sản đã stake có thể được kết nối với mạng như Bittensor để tham gia vào các hoạt động xác nhận viên. Để hỗ trợ điều này, Tensorplex đã thiết lập một cầu nối tín nhiệm tối thiểu giữa Substrate và EVM. Ngoài việc staking, nó cũng ấp ủ giao prototocols cho vay như TaoBank, cho phép người dùng sử dụng TAO đã stake làm tài sản thế chấp cho các khoản vay miễn lãi. Tổng giá trị khóa (TVL) trong staking đã đạt đỉnh vào hơn 30 triệu đô la, khiến cho Tensorplex trở thành một trong những xác nhận viên lớn nhất trên TAO.

Tích hợp bảng điều khiển dữ liệu + trao đổi backprop

Chỉ cách đây một tháng, khi dTAO chính thức ra mắt, @BackpropFinancecũng đã đi vào hoạt động. Tại thời điểm này, là một trong ba DEX nơi dTAO có thể được giao dịch—bên cạnh HotkeySwap và TaoStats—Backprop không chỉ cho phép người dùng giao dịch các mạng lưới Alpha khác nhau mà còn cung cấp một bảng điều khiển dữ liệu toàn diện. Nó tích hợp các bảng điều khiển giao dịch, phân tích địa chỉ, truy vấn thông tin trên chuỗi, phân tích thị trường và các tính năng khác vào một sản phẩm duy nhất. Với giao diện người dùng quen thuộc và một bảng điều khiển dữ liệu phát triển tốt, nó giảm đáng kể rào cản tham gia của người dùng mới vào hệ sinh thái TAO. Điều này đã khiến cho Backprop trở thành sản phẩm DEX phổ biến nhất trong Bittensor.

Phát triển hệ sinh thái AI

LLM

Tensorplex đã thực hiện nhiều nỗ lực trong các mô hình lớn, tạo ra một mô hình vượt trội hơn tất cả các đối thủ mã nguồn mở trong cuộc thi tiền huấn luyện LLM phi tập trung trên Gate.io@MacrocosmosAI’s “Mạng con 19.” Vận hành trình quản lý trên hơn 60 mạng con Bittensor và chuỗi trí tuệ nhân tạo như @flock_iovà@AlloraNetwork, Tensorplex đã ở vị trí hàng đầu về sáng tạo. Từ năm 2023, nó đã triển khai các mô hình hàng đầu trên Mạng lưới phụ Bittensor 9, bao gồm việc phát hành Sumo. Vào tháng 4 năm 2024, sau khi tăng giới hạn tham số lên 7 tỷ, mô hình Sumo-T9-7B thậm chí còn vượt qua các mô hình nổi tiếng như Falcon 7B và Llama 2 7B.

Luồng Tensorplex

Tensorplex cũng đã khám phá lĩnh vực AI Agents. Phối hợp với @Corcel_X‘Subnet 18,’ nó đã xây dựng chatbot RAG Web3 đầu tiên, Tensorplex Stream. Chatbot này thu thập thông tin từ bản truyền thanh về tiền điện tử để huấn luyện một Đại lý AI, cung cấp những tóm lược và cái nhìn mới nhất về tiền điện tử. Ngoài chatbot, Tensorplex cũng đã phát triển Podcasts, cho phép AI ‘nói’ thông tin mà nó thu thập. Tận dụng những ưu điểm của RAG, cách tiếp cận này để thu thập thông tin thời gian thực trong thị trường tiền điện tử đang phát triển nhanh chóng bây giờ đang được rộng rãi áp dụng.

Dojo Subnet

Trong vòng 24 giờ qua, Dojo Subnet đã trở thành mạng con nổi bật nhất trong dTAO, tăng mạnh 500% sau khi YziLabs thông báo đầu tư vào Tensorplex Labs. Dojo là một nền tảng thu thập dữ liệu—nhưng không chỉ vậy, nó còn là một hệ sinh thái tích hợp nơi con người hoạt động như các quan sát viên bên thứ ba. Trí tuệ con người có thể ảnh hưởng trực tiếp đến phát triển trí tuệ nhân tạo, đào tạo và hoạt động của các tác nhân cả trên chuỗi và trong thế giới thực.

Quy trình lõi cho phép bất kỳ ai tạo ra nhiệm vụ tổng hợp duy nhất bằng cách sử dụng LLMs như phản hồi vật lý trò chơi, chất lượng tạo hình hình ảnh hoặc thuật toán vật lý. Dojo thu thập dữ liệu phản hồi của con người và áp dụng các kỹ thuật làm mờ phản ứng. Các thợ mỏ sau đó phân phối nhiệm vụ, trong khi người xác minh con người xác minh các sự thật cơ bản được tạo ra bởi LLMs, đánh giá chất lượng của các phản hồi từ người đóng góp. Phần thưởng được phân bổ dựa trên các chỉ số đa chiều: tính nhất quán của con người (trọng số Cohen’s Kappa), sự ổn định của phản hồi (hệ số tương quan nội lớp ICC), và tính chính xác thực tế (tương quan Spearman). Dữ liệu này được sử dụng để cải thiện và tối ưu hóa các mô hình nguồn mở.

Dojo cũng thực hiện các biện pháp kỹ thuật để ngăn chặn cuộc tấn công Sybil và đảm bảo người đóng góp là con người thực sự. Khi hệ thống trưởng thành, các cơ chế bổ sung sẽ được giới thiệu để ngăn chặn kẻ tấn công, tạo thành một chuỗi đóng góp mạnh mẽ. Đến nay, Dojo đã thu thập hơn 3 triệu điểm dữ liệu do con người tạo ra.

Đầu tư của Yzi Labs vào Tensorplex Labs chỉ là sự phản ánh của sự công nhận ngày càng tăng của thị trường đối với hệ sinh thái Bittensor. Thường bị bỏ qua trong các cuộc thảo luận chính thống, Bittensor là nơi của các dự án trí tuệ nhân tạo lâu đời với chuyên môn và tận tâm đáng kể, tạo ra một môi trường xây dựng nghiêm túc. Mặc dù vấn đề như các dự án nông cạn hoặc một khung dTAO đang phát triển vẫn tồn tại trong các mạng phụ, nhưng có sự lạc quan rằng Bittensor sẽ tiếp tục cung cấp các sản phẩm chất lượng cao. Rhythm BlockBeats sẽ tiếp tục theo dõi sát sao sự tiến triển của nó.

免责声明：

1. Bài viết này được sao chép từ [ BlockBeats]. Bản quyền thuộc về tác giả gốc [BUBBLE]. Nếu bạn có bất kỳ ý kiến phản đối nào về việc sao chép, vui lòng liên hệ Gate Learnđội, đội sẽ xử lý nó càng sớm càng tốt theo quy trình liên quan.
2. Thông báo: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Các phiên bản bằng ngôn ngữ khác của bài viết được dịch bởi đội ngũ Gate Learn và không được đề cập trong Gate.io, bài viết dịch không được sao chép, phân phối hoặc đạo văn.