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。
Chiliz推出的公链Chiliz Chain正式上线主网:5月10日消息，体育和娱乐区块链解决方案 Chiliz 推出的 Layer 1 公链 Chiliz Chain 正式上线主网。Chiliz Chain 兼容 EMV 的 PoSA 区块链，Jump Crypto 是首批验证者之一。CHZ 代币被作为该公链的原生代币。Chiliz 表示将通过其 5000 万美元的加速器计划 Chiliz Labs 以及在全球举办一系列黑客马拉松来推动 Chiliz Chain 的发展。[2023/5/10 14:54:52]
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。
THORChain将于2023年第一季度上线免清算的借贷项目:据官方消息，去中心化跨链交易协议THORChain 宣布将于2023年第一季度上线免清算的借贷项目。THORChain 表示，由于抵押品获得了系统中的权益，抵押品价值下降会降低系统的整体负债。[2022/12/20 21:56:20]
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。
声音 | 郭光华：ChainX可利用BTC的二层扩展去扩展应用:11月21日，在《金色深核》线上直播中，PolkaX团队总负责人郭光华针对扩展ChainX应用问题表示，ChainX有2条腿，一条腿是跨链，另外一条是BTC的二层扩展。拓展应用适用范围，可以通过BTC的二层扩展去扩展，用BTC去做WASM合约，消耗的Gas费用比ETH上做合约成本更少。在ChainX 网络中，BTC转账比ETH转账更快更便宜。
BTC的二层扩展可以给ChainX的适用落地场景有了无限可能，当Polkadot上线了，ChainX成为Polkadot的二级relay链。那么Polkadot生态的任何平行链上的Dapp都可以用ChainX上的BTC合约平台，这就可以往更高层的Dapp通信去跨链，定制协议。这样就不局限于现在chainx网络上BTC的跨链只有交易的问题了。[2019/11/21]
现场 | ChainUP创始人钟庚发：技术安全是交易所的巨大挑战，流动性是交易所的核心体验:金色财经现场报道，9月21日，以《分布式金融科技的未来之路》为主题的第六届纷智全球峰会于中国澳门举办。ChainUP创始人兼CEO钟庚发发表《区块链时代的技术与金融》主题演讲，他指出交易所具备天然的金融投资属性，是区块链技术在金融领域里第一个落地的产品形态。技术安全、流动性、资产、流量、社群是交易所发展的重要因素。交易所在经历了从2017年开始的野蛮生长，到如今在安全性上依然存在法律风险低，可追溯性差，可直接变现的问题。ChainUP从钱包、业务系统、内控三方面保障交易所的安全，可以0基础10分钟开启新交易所。在流动性上，ChainUP推出了BitWind平台，聚合了200多家交易所流动性，为客户打造最优深度，提升交易量和交易体验。[2019/9/21]
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。
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。