最新的DePIN人工智能新闻

在AI创作者经济领域，io.net宣布与专注于AI工具的CreatorBid建立战略合作关系。此举将使CreatorBid能够利用io.net的去中心化GPU网络，提升其图像和视频模型的可扩展性和效率。通过这一基础设施，CreatorBid旨在优化资源利用，降低成本，使高性能计算对AI技术企业更加可及。io.net业务发展副总裁Tausif Ahmed强调，此合作将助力CreatorBid开发先进的AI解决方案。CreatorBid首席执行官Phil Kothe也指出，去中心化GPU资源将赋能AI影响者和代理人，推动内容创作的变革。CreatorBid致力于为创作者提供工具，帮助他们实现内容变现并建立社区，通过与区块链技术结合，重塑创作者生态，推动向自主创作者经济的转型。

去中心化边缘人工智能（Decentralized EdgeAI）正在改变人工智能（AI）领域，旨在让更多用户和企业能够接触到AI技术。目前，OpenAI、IBM、亚马逊和谷歌等大型科技公司主导着AI基础设施，造成了小型企业的进入壁垒，限制了全球数百万用户的访问。去中心化边缘AI通过整合去中心化物理基础设施（DePIN）和边缘AI，允许AI系统在多种设备上运行，同时确保隐私和社区参与。边缘AI的一个关键优势是减少对大型数据中心的依赖，降低了传统AI模型的高昂成本。Network3的去中心化联邦学习框架通过多个设备共享资源，提高了AI系统的效率，并通过强加密方法确保数据安全。最终，这种去中心化的方法不仅打破了集中垄断，还为开发者和用户创造了新的收入来源，使AI技术更加普及和有益。

Meta近期发布的Llama 3.2在大型语言模型（LLMs）的微调方面取得了重要进展，使机器学习工程师和数据科学家能够更轻松地提升模型在特定任务上的表现。该指南详细介绍了微调过程，包括环境设置、数据集创建和训练脚本配置。微调使Llama 3.2能够专注于特定领域，例如客户支持，从而提供比通用模型更准确和相关的响应。 用户在开始微调Llama 3.2时，需首先设置环境，特别是在Windows系统上，包括安装Windows子系统Linux（WSL）、配置GPU访问及安装必要的Python开发依赖。随后，用户可以创建针对微调的数据集，例如生成一个简单数学问题的数据集。 准备好数据集后，用户需使用Unsloth库设置训练脚本，通过低秩适应（LoRA）简化微调过程。完成微调后，需通过生成测试集评估模型性能。尽管微调在提升特定任务的模型准确性方面具有显著优势，但也需考虑其局限性及对简单需求的提示调优效果。

在区块链和人工智能领域，Stratos宣布与去中心化AI加密项目Tatsu建立战略合作关系。Tatsu在去中心化身份验证方面取得了显著进展，通过GitHub活动和加密货币余额等先进指标创建独特的人类评分。这一创新方法提高了验证过程的可靠性和效率。Tatsu即将推出的身份验证2.0和新文档理解子网，将重新定义去中心化AI的能力。此次合作将使Tatsu整合Stratos的去中心化存储解决方案，显著增强其数据管理和安全协议。两家公司通过技术和专业知识的结合，推动去中心化领域的创新与发展。此次合作预计将对区块链社区产生重大影响，去中心化存储与先进AI解决方案的结合将改变各行业的身份验证方式，展现了去中心化技术与AI结合的潜力。

谷歌正式发布了最新的文本转图像AI模型Imagen 3，此前于2024年谷歌I/O大会上首次宣布。该版本在图像质量上有所提升，细节更丰富、光照更佳、视觉伪影更少。Imagen 3能够更准确地理解自然语言提示，使用户无需复杂的提示工程即可生成特定图像，支持从超现实照片到奇幻插图的多种风格，并能清晰地渲染图像中的文本。为了确保安全和负责任的使用，谷歌DeepMind采用了严格的数据过滤和标记技术，以减少生成有害或不当内容的风险。尽管Imagen 3在图像质量和自然语言处理方面表现出色，但目前仅支持方形比例，缺乏图像编辑功能，可能限制某些专业用户的使用。与Midjourney、DALL-E 3和Flux相比，Imagen 3在图像质量上占优，但在用户控制和自定义选项上有所不足。

在Render Foundation Spaces最近的讨论中，OTOY首席执行官Jules Urbach分享了Render Network在短片《765874 Unification》制作中的创新成就，该片庆祝《星际迷航》30周年。Urbach强调，Render Network正在改变数字内容创作，帮助创作者在电影、艺术和叙事方面探索新领域。该片展示了Render Network如何使高质量内容创作民主化，提供出色的视觉效果而无需高昂预算。对话的亮点是机器学习的创新应用，Urbach指出，技术进步显著减少了劳动时间，AI的整合简化了演员面部建模，免去了繁琐的面部标记。这不仅加快了制作过程，还使艺术家能更专注于叙事。展望未来，Render Network计划推出新工具，特别是在黑色星期五期间，整合AI工具到3D创作工作流程中，支持全息渲染。

韩国领先的在线教育提供商AI实验室近日与Theta EdgeCloud签署了多年合作协议，旨在增强其人工智能（AI）和数据分析（DA）教育。此次合作使AI实验室能够利用Theta的分布式GPU资源，推动先进的AI教育、模型训练及生成式AI应用。AI实验室通过其创新平台CodingX，专注于实践经验和互动内容，致力于提供高质量的教育。此合作将提升课程灵活性，降低运营成本，并通过AI驱动的学习方法实现个性化学习体验，满足学生的独特需求。Theta EdgeCloud近期与首尔国立大学和北京大学等知名院校建立合作，显示出教育领域对可扩展和经济高效技术解决方案的需求不断增长。AI实验室首席执行官John Choi对合作前景表示乐观，认为此举将助力其在AI驱动的未来中占据重要地位。

大型语言模型（LLMs）在自然语言处理领域中扮演着重要角色，但在特定应用中可能需要进一步调整。本文介绍了如何使用Q-LoRA技术对Llama 3.2 11B进行微调，以实现提取式问答，具体在SQuAD v2数据集上进行实验。LoRA（低秩适应）通过为现有模型引入新权重，保持原有参数不变，从而使模型在保留预训练知识的同时，获得针对特定任务的新能力。实验结果显示，微调后模型在验证集上的表现显著提升，BERT分数从0.6469提高至0.7505，准确匹配分数从0.116增至0.418。这表明Q-LoRA技术有效地将Llama 3.2 11B模型适应于提取式问答任务，为研究人员在其他模型和任务中应用类似方法提供了指导。

去中心化GPU资源平台io.net本周宣布与专为人工智能设计的数据区块链OpenLedger达成战略合作。此次合作将使OpenLedger能够利用io.net的全球GPU计算资源，提升其AI模型的训练和优化能力。io.net被称为GPU互联网，提供强大的分布式GPU资源网络，助力OpenLedger加速AI模型开发，并支持开发者创建更高效的去中心化应用（DApps）。io.net业务发展副总裁Tausif Ahmad表示，此次合作将为OpenLedger提供可靠的基础设施，扩展其AI模型的应用场景，巩固其在去中心化AI领域的创新地位。此外，io.net的基础设施还将支持AI模型的推理和托管，确保最佳性能和可扩展性。OpenLedger选择io.net的原因之一是其提供的成本效益高且可扩展的计算解决方案，旨在推动去中心化AI创新的边界。

Stratos宣布与去中心化AI推理网络领导者Cortensor建立合作，旨在通过将Stratos的去中心化存储和流媒体解决方案整合到Cortensor的AI生态系统中，增强去中心化AI基础设施。此次合作将提供安全且可扩展的数据存储，确保公共和私人AI工作负载的无缝可靠运行，从而提升整体网络性能。合作的一大亮点是实时推理流媒体能力的引入，Stratos的先进视频流API将使Cortensor能够即时提供AI推理输出，优化AI工作负载的性能。此外，双方致力于去中心化AI的未来，Cortensor的推理证明（PoI）和有用工作证明（PoUW）系统将验证任务并奖励贡献者。Stratos在全球拥有900多个活跃存储节点，容量达到21PB，此次合作将为企业、开发者和社区矿工开辟新机遇，推动去中心化AI生态系统的发展。