Search Results

注意：本文档是英文原版的自动翻译。 什么是 AI 质量指标，为什么它们很重要 AI 质量指标是描述一个 AI 系统执行其任务表现如何的可度量数值——不是用营销术语，而是用带有上下文的数字来描述。在加密人工智能领域，宣称往往超前于证据，质量指标正是“我们的 AI 很强大”和“我们的模型在一个明确定义的测试集上达到 82% 准确率”之间的区别。 简而言之： 没有可度量的质量数据，AI 宣称就无法验证。DecAIHub 使用 AI_3 标志来追踪项目是否提供了真实的数字——而不仅仅是断言。 它们为什么重要 每个加密人工智...

注意：本文档是英文原版的自动翻译。 为什么营销中的人工智能不等于在运行的人工智能 营销中的 AI 与在运行的 AI 之间的鸿沟，是 DecAIHub 所要解决的核心问题。数以百计的加密项目在其品牌宣传中使用诸如“AI-powered”“built with cutting-edge AI”或“our AI engine”之类的字眼——但当你去寻找可验证的工件时，许多项目并没有代码、没有模型、没有基准测试，也没有技术文档。本页解释为什么仅有营销语言不构成证据，如何识别最常见的夸大模式，以及如何借助 DecAIHub ...

注意：本文档是英文原版的自动翻译。 作为 AI 组件的推理 作为 AI 组件的推理（inference），意味着该项目在生产环境中运行一个已训练的模型来产出结果——预测、分类、生成的文本、图像或其他结果。当 DecAIHub 项目卡片在 AI component 字段中列出与推理相关的取值时，它表明系统中某处存在一个模型，它接收输入数据并返回由 AI 驱动的结果。这是 AI 确实在运行、而不只是被承诺的最直接证据。 简而言之： 作为组件的推理意味着一个模型正在被部署和使用——这是 AI 不再停留于理论、开始产出真...

注意：本文档是英文原版的自动翻译。 算力作为 AI component 作为 AI component 的**算力（Compute）**意味着该项目为 AI 工作负载提供或编排计算资源——GPU、TPU、CPU。当 DecAIHub 项目卡片在 AI component 字段中列出与算力相关的值时，它描述的是基础设施层：使模型得以被训练或运行的硬件和调度系统。算力是让 AI 成为可能的东西，但它本身不是 AI。 **简而言之：**作为组成部分的算力意味着该项目为 AI 任务供应或管理处理能力——是机房，而不是智能...

注意：本文档是英文原版的自动翻译。 数据收集与标注 **数据收集（Data collection）**是从各种来源采集原始数据的过程。**数据标注（Data labeling，也称为标注/annotation）**是为这些数据附上正确答案或元数据的过程，以便它能用于有监督的训练。二者共同构成了将原始信息转变为可用数据集的关键流水线。 **简而言之：**收集采集原材料；标注使其对人工智能有用。没有这两者，有监督模型就无法学习。这是代币激励具有合理作用的最清晰领域之一。 为什么这是一个合理的 AI 组件 每一个有监督的...

注意：本文档是英文原版的自动翻译。 分析与排名作为 AI component 作为 AI component 的**分析与排名（analytics and ranking）**意味着项目使用 AI 或机器学习来对实体——项目、代币、钱包、风险或市场状况——进行打分、分类、排名或分析。当一张 DecAIHub 项目卡片在 AI component 字段中列出与分析相关的取值时，它描述的是一个系统：在其中，一个经过训练的模型处理数据并产出结构化输出——分数、评级、排名或信号。仅仅存在分析功能并不能使一个项目成为 AI...

注意：本文档是英文原版的自动翻译。 训练作为 AI component 作为 AI component 的**训练（Training）**意味着该项目包含一个训练 AI 模型的系统或流水线——在数据上更新模型权重，以产生学到的表示。当 DecAIHub 项目卡片在 AI component 字段中列出与训练相关的值时，它描述的是一个具体机制：项目内构建或改进模型所经由的基础设施和流程。这与什么是训练这一总体概念不同——这里的重点是把训练作为一个加密 AI 产品中可验证的组成部分。 **简而言之：**作为组成部分的...

注意：本文档是英文原版的自动翻译。 检索与知识层 **检索与知识层（retrieval and knowledge layer）**是一种存储、索引并检索相关信息的系统，使人工智能模型能够生成有依据的回答。它是为模型提供外部知识访问能力的基础设施——文档、链上数据、协议规范、市场事件——而不是仅依赖模型在训练期间记住的内容。 **简而言之：**检索层是 RAG 中的“R”。它是一种搜索并获取的机制，在模型生成回答之前找到正确的上下文。 工作原理 检索与知识层遵循一个通用的流水线： **摄取（Ingestion）。*...

注意：本文档是英文原版的自动翻译。 作为 AI component 的代理（Agents） **代理（Agents）**作为一种 AI component，意味着项目的人工智能层是围绕一个代理框架构建的——这是一个感知输入、做出决策并采取行动的系统，通常带有记忆、工具和目标。当某个 DecAIHub 项目卡片在 AI component 字段中列出与代理相关的值时，它描述的是具体的技术架构：使自主或半自主行为成为可能的运行时、编排层或框架。这不同于 什么是人工智能代理 这一总体概念，也不同于 AI/Agents ...

注意：本文档是英文原版的自动翻译。 如何阅读复合 AI 类别 DecAIHub 为每个项目分配一个**复合类别（composite category）**标签，例如 AI/Agents | DeFi 或 AI/Compute | Infra。这些标签看起来紧凑，却同时携带两条信息：项目做什么类型的 AI 工作，以及它把这项工作应用于何处。本页解释如何阅读它们。 简而言之： | 之前的部分是 AI 子类别（AI 做什么）； | 之后的部分是应用领域（在哪里使用）。当项目横跨多个领域时，有些会有三个部分。 一个复...

注意：本文档是英文原版的自动翻译。 AI/Agents AI/代理（AI/Agents）是 DecAIHub 中最大的类别。它将每一个核心 AI component 是自主或半自主代理的项目归为一组——这是一个感知数据、对其进行推理并采取行动、而无需持续人工指令的软件层。 该类别涵盖交易机器人、基础设施框架、消费者陪伴者和游戏 NPC。由于"agent"一词在加密营销中很流行，这个类别也承担着最高的 AI-washing 风险：许多项目把自己标榜为代理平台，但所提供的不过是一个聊天机器人或一个 API wrappe...

注意：本文档是英文原版的自动翻译。 AI/Compute AI/计算（AI/Compute）将提供面向人工智能工作负载的计算资源的项目归为一组——即加密人工智能的 GPU 与基础设施层。这些是去中心化算力网络、GPU 市场和编排平台，让任何人都能为训练和运行人工智能模型贡献或消费处理能力。 在 DecAIHub 注册库中，AI/计算是最大的类别之一，也是与物理基础设施关联最紧密的类别。其核心承诺很直接：用户无需从单一云提供商租用 GPU，而是通过一个由区块链协议协调的分布式算力供应商网络来获取算力。 阅读卡片时，工...

注意：本文档是英文原版的自动翻译。 AI/Inference AI/推理（AI/Inference）将专注于在生产环境中运行已训练的人工智能模型的项目归为一组——在这一阶段，模型接收输入数据并产生结果（一项预测、一次分类、一张生成的图像或一段文本响应）。这是人工智能的"最后一公里"：模型真正做有用之事的时刻。 在 DecAIHub 注册库中，专注于推理的项目常常与算力提供方和基础设施层重叠。区分的关键在于侧重点：一个 AI/推理项目专门关心的是模型如何被服务、验证并交付给用户，而不仅仅是提供原始的 GPU 算力。 ...

注意：本文档是英文原版的自动翻译。 AI/Data AI/数据归类的是那些为 AI 训练和处理收集、整理、标注或提供数据的项目。数据是每一个 AI 系统的基础输入——没有结构化、高质量的数据集，模型就无法被训练、微调或改进。 在 DecAIHub 登记库中，AI/数据项目涵盖从去中心化数据市场和标注平台，到为训练与推理工作流供给数据的专用数据管道。该类别有别于那些仅仅把数据存储在链上的项目；其重点在于专门为 AI 准备或被 AI 消费的数据。 隐私、同意和数据权利正变得日益重要：贡献者可能提供敏感或专有信息，而各协...

注意：本文档是英文原版的自动翻译。 AI/Analytics AI/分析归类的是那些使用 AI 和机器学习来分析、评分、排名或提供洞见的项目——通常关于加密市场、链上活动或项目质量。这些是把原始的区块链和市场数据转化为可付诸行动之理解的“智能层”项目。 在 DecAIHub 登记库中，AI/分析是一个较小但独具特色的类别。核心区别在于：执行分析的是一个模型——而不是人类分析师，也不是一个简单的聚合脚本。生成图表或仪表盘不是 AI；智能必须来自一个能检测模式、生成评分或做出预测的已训练模型。 该类别中的输出往往是概率...

注意：本文档是英文原版的自动翻译。 AI/Training AI/训练把聚焦于构建 AI 模型的项目归为一组——这是 AI 生命周期中的创建阶段，数据和算力在此结合以产生一个具备学到的模式的模型。如果说推理是使用一个训练好的模型的行为，那么训练就是造出它的行为。 在 DecAIHub 登记库中，AI/训练不如 AI/计算或 AI/代理常见。这反映了这一任务的难度：训练有用的模型需要大型数据集、可观的算力、专门的专业能力以及严格的评估。声称“训练 AI”很容易；展示可验证、可复现的训练结果则很难。 **简而言之：**...

注意：本文档是英文原版的自动翻译。 AI/Other AI/Other 是 DecAIHub 中的一个类别，用于那些声称涉及人工智能但无法清晰归入标准 AI 子类别的项目：Agents、Compute、Inference、Data、Analytics 或 Training。它是一个兜底类别，用于具有不寻常人工智能方法、或难以轻易分类的 AI 组件的项目。 **简而言之：**AI/Other 意味着项目经过审查，但其人工智能方向与任何标准子类别都不匹配。这并不比其他类别更好或更差——它只是不同。 这一类别为何存在 D...

注意：本文档是英文原版的自动翻译。 面向 DeFi 的代理 **面向 DeFi 的代理（Agents for DeFi）**是 DecAIHub 中的子类别 AI/Agents | DeFi。这些是应用于去中心化金融的AI 代理——能够在链上自主执行交易、管理投资组合、优化收益、寻找套利、跨链桥接资产或分析协议风险的软件。 简而言之：DeFi 代理使用 AI 在链上做出自主的财务决策。关键的核验问题在于：该代理是真的在进行推理，还是只是遵循一段固定的脚本。 DeFi 代理做什么 核心思路很简单：用一个自主的 AI...