🤖 un.block.ai for Web3 and Developers #3
🏦 融资
🧑💻 技术
DVC:DVC (Data Version Control) 是一个开源的,基于 Git 的数据科学工具,它将版本控制应用于机器学习开发
GPT-2B-001:Nvida 发布的基于 Transfomer 的 20 亿参数大语言模型,类似 GPT-2 和 GPT-3。实际效果一般
LMSYS:采用用户打分方式的开源 LLM 评分网站。Vicuna-13b 目前名列第一
Mojo:Swfit 之父为 AI 开发者创建的编程语言,结合了 C 和 Python。可以无缝调用 Python 库,自动调整数据结构以适应特定硬件
LAMINI:可编程的创建自己的 LLM 模版,支持实例化,修改提示词,倒入自己的数据
EVA AI 关系数据库:AI 函数可以作为 SQL 内置函数,如 SUM()。用户定义函数可以包含机器学习模型。内置 Sampling,Caching,Filtering optimization。开发者可以将其用于交通流量分析,图像识别,电影人物情绪分析
DANNY:去中心化向量数据库
🛬 工具库更新
Langchain 发布 v0.0.158,新增功能 Router chains,Spark DataFrame Agent,Firestore memory,In memory KNN Retriever,优化 Google Serper Tool,OneDriveLoader,TOML Loader,Media Wiki XML。
LlamaIndex 发布 v0.6.0,全新 Router 设计帮助开发者编写更加强力的查询组件。Router 会将查询分流到合适的查询器。适合 QA 类软件的开发
💬 感想
本周依然是 Web3 和 AI 各自妈妈爱放心飞,但没有什么交叉点的一周。Web3 领域笔者最关注的,但可能并不是最重头的事件就是 Sui 主网的上线,并且主流交易所基本都支持了 Sui 的相关代币。而 AI 这边则是 New Bing Search 和讯飞大模型的舞台。笔者最近忙于论文,还没有时间对讯飞大模型一窥究竟(这方面请移步隔壁 AI Pulse 群组,目前反馈似乎略负面…..);而苹果则是宣称自己有计划在产品中植入 AI 但存在偏见方面的顾虑,正在解决中。
本周技术方面的读着来自于 ZKML。这篇文章 具体地介绍了作者本人的全栈 ZKML 平台,包含了模型转换,推理,以及部署的过程。笔者需要时间来具体研究这个平台,但笔者认为它对于 ZKML 的定位和目标非常清晰 ——ZKML 相比于传统 ML 应该具有隐私和部署方面的优势,这也是传统 ML 无法解决的巨大痛点。不仅如此,笔者认为它对于 ML 模型本身的可解释性也会有巨大的进展潜力。之后笔者会针对这个框架出一篇学习笔记。