Search Results

Что такое RAG (retrieval-augmented generation) Представьте студента, сдающего экзамен с открытой книгой. Вместо того чтобы отвечать на каждый вопрос исключительно по памяти, студент листает учебник, находит наиболее релевантные страницы, читает их и затем пише...

Что такое zkML zkML (Zero-Knowledge Machine Learning) — это техника, использующая доказательства с нулевым разглашением для верификации того, что модель машинного обучения выполнила инференс корректно — без раскрытия весов модели, входных данных или того и дру...

Что такое метрики качества ИИ и почему они важны Метрики качества ИИ — это измеримые значения, которые описывают, насколько хорошо ИИ-система выполняет свою задачу — не в маркетинговых терминах, а в числах с контекстом. В пространстве крипто-ИИ, где заявления ...

Почему ИИ в маркетинге не равен работающему ИИ Разрыв между маркетинговым ИИ и работающим ИИ — центральная проблема, которую решает DecAIHub. Сотни криптопроектов используют слова «AI-powered», «built with cutting-edge AI» или «our AI engine» в своём позициони...

Инференс как AI-компонент Инференс как AI-компонент означает, что проект запускает обученную модель в продакшене для получения результатов — предсказаний, классификаций, сгенерированного текста, изображений или иных выходных данных. Когда в карточке проекта De...

Вычисления как AI-компонент Вычисления как AI-компонент означают, что проект предоставляет или оркестрирует вычислительные ресурсы — GPU, TPU, CPU — для AI-задач. Когда в карточке проекта DecAIHub в поле AI component указано значение, связанное с вычислениями...

Сбор и разметка данных Сбор данных — это процесс накопления сырых данных из различных источников. Разметка данных (также называемая аннотированием) — это процесс присвоения правильных ответов или метаданных этим данным, чтобы их можно было использовать для обу...

Аналитика и ранжирование как AI-компонент Аналитика и ранжирование как AI-компонент означает, что проект использует ИИ или машинное обучение для оценки, классификации, ранжирования или анализа сущностей — проектов, токенов, кошельков, рисков или рыночных услов...

Обучение как AI-компонент Обучение как AI-компонент означает, что проект содержит систему или пайплайн для обучения моделей ИИ — обновление весов модели на данных для получения обученных представлений. Когда в карточке проекта DecAIHub в поле AI component ука...

Слой извлечения и знаний Слой извлечения и знаний (retrieval and knowledge layer) — это система, которая хранит, индексирует и извлекает релевантную информацию, чтобы модели ИИ могли генерировать обоснованные ответы. Это инфраструктура, обеспечивающая модели д...

Агенты как AI-компонент Агенты как AI-компонент означает, что ИИ-слой проекта построен вокруг агентного фреймворка — системы, которая воспринимает входные данные, принимает решения и выполняет действия, зачастую обладая памятью, инструментами и целями. Когда в...

Как читать составные AI-категории DecAIHub присваивает каждому проекту составную категорию — метку вида AI/Agents | DeFi или AI/Compute | Infra. Эти метки выглядят компактно, но несут сразу два вида информации: какую AI-работу выполняет проект и где он приме...

AI/Agents AI/Agents — крупнейшая категория в DecAIHub. Она объединяет все проекты, ключевой ИИ-компонент которых — автономный или полуавтономный агент: программный слой, который воспринимает данные, рассуждает о них и предпринимает действия без постоянного уча...

AI/Compute AI/Compute объединяет проекты, предоставляющие вычислительные ресурсы для ИИ-нагрузок — GPU и инфраструктурный слой крипто-ИИ. Это децентрализованные вычислительные сети, GPU-маркетплейсы и оркестрационные платформы, которые позволяют любому участни...

AI/Inference AI/Inference объединяет проекты, сфокусированные на запуске обученных ИИ-моделей в продакшене — этапе, когда модель получает входные данные и выдаёт результат (прогноз, классификацию, сгенерированное изображение или текстовый ответ). Это «последня...

AI/Data AI/Data объединяет проекты, которые собирают, курируют, размечают или предоставляют данные для обучения и обработки ИИ. Данные — фундаментальный вход любой ИИ-системы: без структурированных, качественных датасетов модели невозможно обучить, дообучить и...

AI/Analytics AI/Analytics объединяет проекты, которые используют ИИ и машинное обучение для анализа, оценки, ранжирования или предоставления инсайтов — как правило, о криптовалютных рынках, ончейн-активности или качестве проектов. Это проекты «интеллектуальног...

AI/Training AI/Training объединяет проекты, сфокусированные на создании моделей ИИ — этапе жизненного цикла ИИ, на котором данные и вычислительные ресурсы объединяются для получения модели с усвоенными паттернами. Если инференс — это применение обученной модел...