Search Results

Not: Bu belge orijinal İngilizce versiyonun otomatik bir çevirisidir. Bug bounty nedir Bug bounty, bir projenin, kodundaki güvenlik açıklarını keşfedip sorumlu bir şekilde bildiren bağımsız güvenlik araştırmacılarına maddi ödüller sunduğu bir programdır. Yalnı...

Not: Bu belge orijinal İngilizce versiyonun otomatik bir çevirisidir. Kripto bilgi haritası Bu sayfa, DecAIHub’ın tüm kripto açıklayıcı makalelerini birbirine bağlar ve aralarındaki ilişkileri gösterir. Bir proje kartında çözmeniz gereken bir zincir, token vey...

注意：本文档是英文原版的自动翻译。 什么是人工智能 **人工智能（AI）**是一个宽泛的术语，指执行通常需要人类智能的任务的软件系统——分析数据、做出预测、生成内容、识别模式以及支持决策。人工智能不是魔法、知觉，也不是数字大脑。它是在数据中发现模式并将其应用于新输入的软件。 把人工智能想象成一个用于模式的计算器。普通计算器接收数字并应用算术规则。一个人工智能系统接收示例——成千上万乃至数百万个——并发现连接输入与输出的规则，无需任何人手工编写这些规则。当你向语音助手提问、当垃圾邮件过滤器抓住一封钓鱼邮件，或当翻译工...

注意：本文档是英文原版的自动翻译。 什么是人工智能模型 一个人工智能模型是一种数学结构，它在数据上经过训练以产生有用的输出：预测、分类、生成的文本、图像、评分或决策。可以把它想象成一份计算机从数百万个示例中学到的、非常复杂的"配方"。正如一位人类厨师在创造自己的食谱之前会研究成千上万道菜肴一样，人工智能模型在 训练 期间从数据中吸收模式，然后在 推理 期间将这些模式应用于新的、未见过的输入。 模型本身并不是传统意义上的软件。它是一个文件（或一组文件），包含称为**权重（weights）**的数值，这些数值编码了模型...

注意：本文档是英文原版的自动翻译。 什么是机器学习（ML） **机器学习（ML）**是人工智能的一个子集，其中系统从数据中学习模式，而不是遵循手写的规则。可以把它想象成以示例教学：你不去写一份分步的食谱，而是给系统展示成千上万道做好的菜肴，让它自己琢磨出如何烹饪。与其由程序员把每一个决策都编码出来，不如向系统展示成千上万乃至数百万个示例，让它自行发现规则。 如今大多数实用 AI——从垃圾邮件过滤器和语音助手，到医学影像分析和大语言模型——都建立在机器学习之上。当一个加密项目宣称使用 AI 时，其底层技术几乎总是某种...

注意：本文档是英文原版的自动翻译。 什么是大语言模型（LLM） **大语言模型（LLM）**是一种在海量文本上训练的神经网络，使其能够理解和生成人类语言。想象一个博览群书到极致的助手，它吸收了数十亿页的书籍、文章、代码和对话。它不像人那样“知道”事物；相反，它学会了统计模式——哪些词和想法倾向于跟在哪些之后——其程度足以写出连贯的段落、回答问题、在语言之间翻译、总结文档，甚至对多步问题进行推理。 LLM 的决定性属性（也是其局限）在于它通过预测来工作。给定一个句子的开头，模型计算最可能的下一个词，然后是下一个，依此...

注意：本文档是英文原版的自动翻译。 什么是推理 **推理（inference）**是在新数据上运行一个已训练的 AI 模型以获得结果的过程。当一个模型对图像进行分类、生成一段文本、预测一个风险评分或推荐一个行动时，它就在执行推理。如果说训练是模型学习的方式，那么推理就是它工作的方式。 一个有用的类比：训练是为考试而学习——阅读教科书、解练习题、吸收规律。推理是参加考试——在真实条件下把所学应用到新问题上。每当一个 AI 系统在生产中产出输出时，那就是推理。 简而言之： 训练是为考试而学习；推理是参加考试。每当一个 ...

注意：本文档是英文原版的自动翻译。 什么是训练 **训练（Training）**是通过让 AI 模型接触数据，使其学习模式、关系和结构来教导它的过程。在训练之前，模型只是一个带有随机参数的空白结构——它无法对图像分类、生成句子或做出预测。训练之后，这些参数就编码了从数据中提取的知识。训练就是把一个空的神经网络转变为有用工具的过程。 把它想象成教某人做饭。你从一个从未拿过刀的人开始。你给他们成千上万份菜谱（数据集）、一个练习的厨房（计算），以及一位品尝每道菜并指出哪里出错的大厨（损失函数）。经过足够的练习——烧糊的饭...

注意：本文档是英文原版的自动翻译。 什么是数据集 **数据集（dataset）**是用于训练、评估或测试AI 模型的结构化数据集合。它是机器学习所依赖的原材料。没有数据集，模型就没有任何可供学习的内容，也无法衡量它是否有效。 可以把数据集想象成学生的教科书。如果教科书充满错误、缺章少节，或者用学生不懂的语言写成，那么无论学生多么有天赋，他都学不好。同样的原则也适用于人工智能：数据集的质量、规模、相关性和结构决定了任何模型所能达到的上限。在劣质数据上训练出的优秀架构只会产生劣质结果。这就是**垃圾进，垃圾出（garb...

注意：本文档是英文原版的自动翻译。 什么是基准测试和质量指标 **基准测试（benchmark）**是一种标准化测试，用于衡量一个 AI 模型在特定任务上的表现如何。**质量指标（quality metric）**是量化该表现的数值分数——准确率、F1、BLEU、困惑度、延迟等。两者结合，把模糊的 AI 宣称转变为可验证的陈述：不是“我们的模型很棒”，而是“我们的模型在 MMLU 上达到 78.3% 准确率”。 简而言之： 基准测试定义测试；指标报告分数。两者缺一，AI 性能宣称就无法验证。 给初学者的类比 把基准...

注意：本文档是英文原版的自动翻译。 什么是 AI component AI component 是项目中真正发生人工智能工作的那个具体部分——分析、生成、预测、排序或决策。它不是一个营销标签或品牌提及。在 DecAIHub 项目卡片中，AI component 字段回答一个问题：这里的人工智能究竟做什么？ **简而言之：**AI component 是数据进入、由人工智能驱动的结果产出的具体机制——而不是一个 logo、一句标语或一个路线图承诺。 给初学者的类比 把一个项目想象成一家餐厅。**用例（use case...

注意：本文档是英文原版的自动翻译。 AI component 与用例 DecAIHub 上的每张项目卡片都有两个看起来相似但回答不同问题的字段：AI component 和 Use case。前者描述项目内部的具体技术；后者描述项目为其用户做了什么。把两者混淆会让人更难评估其 AI 是否真实，以及产品是否解决了真正的问题。 简而言之： AI component 是系统内部 AI 所做的事。Use case 是用户从产品中得到的东西。一个项目可以有强大的 use case 却没有真正的 AI component——反...

注意：本文档是英文原版的自动翻译。 自动化与真正的 AI component 许多加密项目把简单的自动化标榜为"AI"。一个遵循预设规则的交易机器人、一个按 gas 价格路由交易的智能合约、一个在达到阈值时触发的通知系统——这些都是自动化，而非人工智能。本页帮助区分这两者。 简而言之： 自动化遵循固定规则；一个真正的 AI component 从数据中学习并产生概率性输出。这一区别之所以重要，是因为 DecAIHub 评估 AI 主张是否可验证——而基于规则的逻辑不是人工智能。 给初学者的类比 设想两台恒温器。第一...

注意：本文档是英文原版的自动翻译。 什么是对他人模型的 API 封装 **API wrapper（API 封装）**是指一个项目通过另一家公司的 API 调用其 AI 模型——例如 OpenAI 的 GPT、Anthropic 的 Claude 或 Google 的 Gemini——并将结果作为自身产品的一部分呈现出来。这是为产品“加上 AI”的最简单方式，也是加密 AI 项目中最常见的模式。 **简而言之：**API wrapper 把你的输入发送给别人的模型，并返回该模型的输出。AI 属于提供方，而不属于这个封...

注意：本文档是英文原版的自动翻译。 什么是 AI 代理 **AI 代理（AI agent）**是一种能够感知其环境、做出决策并采取行动以实现目标的软件系统——无需人类指挥每一个步骤。可以把它想象成计算器与私人助理之间的区别：计算器只精确回答你输入的问题，而助理理解你更宏观的目标，弄清楚该采取哪些步骤、执行它们、检查结果，并持续进行直到任务完成。 在人工智能（AI）的世界里，“代理”一词带有特定含义：该系统在一个循环中运作。它接收输入、推理出该做什么、执行一个行动、观察结果，然后决定是再迈一步还是停止。这种感知—推理...

注意：本文档是英文原版的自动翻译。 助手、副驾驶、聊天机器人和代理有什么区别 把这四个术语想象成一个遥控谱系上的不同位置。**聊天机器人（chatbot）**就像对讲机：你说话，它回话，互动到此结束。**助手（assistant）**就像一个能帮你查找信息的智能音箱。**副驾驶（copilot）**就像一个看着地图、建议转弯但从不抢方向盘的副驾。**智能体（agent）**则是自动驾驶汽车——它感知路况、做出决策并采取行动，无需等待你的批准。 加密人工智能项目几乎可以互换地使用这些标签，然而它们描述的是截然不同的能...

注意：本文档是英文原版的自动翻译。 什么是 RAG（检索增强生成） 想象一个学生在参加一场开卷考试。他不是仅凭记忆回答每一道题，而是翻阅教科书、找到最相关的页面、读完它们，然后写出一个把记忆中的知识与刚查到的事实结合起来的答案。检索增强生成（Retrieval-Augmented Generation, RAG）对大语言模型的运作方式与此相同。模型不再仅仅依赖它在训练期间记住的内容——它先搜索一个外部知识库，检索最相关的文档，并在生成回应时把它们用作额外的上下文。 这项技术之所以重要，是因为即便是最强大的 LLM ...

注意：本文档是英文原版的自动翻译。 什么是 zkML **zkML（Zero-Knowledge Machine Learning，零知识机器学习）**是一种使用零知识证明来验证机器学习模型正确运行了其推理的技术——而无需泄露模型权重、输入数据，或两者。它提供一种密码学保证：“这个输出是由这个模型在这个输入上产生的”，且任何人都能在不看到私密信息的情况下验证该证明。 简而言之： zkML 让你在不暴露模型或数据的情况下证明一个 AI 模型正确运行过。它是可验证 AI 的途径之一，为正确推理提供了一种数学（无需信任）...