去中心化多代理協作網路的新架構
本研究提出了一種用於點對點代理網路的分層架構，使異質代理能夠發現彼此、建立信任並在複雜任務上進行合作。它解決了語義宣告傳播和可驗證身份治理等關鍵挑戰。
Search
Tag: #decentralized-ai7 results
Stanford 的 DeLM 將多代理任務成本降低 50%
Stanford 研究人員推出了 DeLM，這是一個去中心化的框架，允許 AI 代理透過共享知識庫直接協調，無需中央協調器。與傳統的集中式多代理系統相比，這種方法減少了通訊瓶頸並降低了 50% 的推理成本。
去中心化多代理 LLM 工作流學習的收斂性證明
研究人員推出了 IC-Q，這是一種去中心化的 Q-learning 演算法，使多代理 LLM 工作流能夠透過共享產物進行協調，且無需存取中心化軌跡。該研究為去中心化部分可觀測環境下的神經 Q-learning 提供了首個有限樣本收斂保證。
💼
Paradigm 籌集 12 億美元基金，擴大投資 AI 與機器人領域
專注於加密貨幣的創投公司 Paradigm 已成功籌集 12 億美元的新基金。該公司計劃將投資策略多元化，除了核心的加密貨幣領域外，也將目標鎖定在人工智慧與機器人新創公司。
透過退出與加入動態實現去中心化聯盟形成
本研究介紹了一種用於聯盟形成的去中心化動態過程，代理人透過單方面的退出與加入決策進行互動。該模型將合作收益分配與非合作的最佳反應行為相結合，以模擬穩定的聯盟結構。
⚙️
AI 訓練能否像比特幣挖礦一樣去中心化？
這篇討論探討了「訓練證明」（proof-of-training）機制的可能性，參與者貢獻 GPU 資源來訓練開源模型以換取代幣獎勵。文中探討了驗證訓練工作有效性以及防止惡意梯度提交等核心挑戰。
為智能體可信協作提供新方案 螞蟻數科登頂以太坊全球基準評測
螞蟻數科以智能體可信協作新方案登頂以太坊全球基準評測。公司已投入自主研發超過10年。此進展推動區塊鏈上安全AI智能體互動。