Chainfeeds 導讀：
也許正是生生不息的將各類標的資產化的能力，才是 Crypto 的魅力所在。
文章來源：
https://mp.weixin.qq.com/s/X26-yJeqsiwTF1QYKm6j9w
文章作者：
佐爺
觀點：
佐爺：一言以蔽之，AI Agent 是 LLM 的特化。當前的 LLM 不是 AGI，即不是 OpenAI 理想中的 L5 組織者，其能力受到較大限制，比如吃多了用戶輸入信息很容易產生幻覺，其中一個重要原因在於訓練機制，比如，如果你反覆告訴 GPT 1+1=3，那麼有一定概率在接下來的交互中詢問 1+1+1=？時給出答案為 4 的可能性。因為此時 GPT 的反饋完全來自於用戶個人，如果該模型不聯網，那麼完全有可能被你的信息改變運作機制，以後就是一個只知道 1+1=3 的弱智 GPT，但是如果允許模型聯網，那麼 GPT 的反饋機制就更為多種多樣，畢竟在網絡上認為 1+1=2 的要佔據絕大多數。繼續加大難度，如果我們一定要在本地使用 LLM，那麼該如何避免此類問題？一個簡單粗暴的辦法是同時使用兩個 LLM，同時規定每次回答問題必須讓兩個 LLM 互相驗證，以此降低出錯的概率，再不行還有一些辦法，比如每次讓兩個用戶處理一個進程，一個負責問，一個負責微調問題，儘量讓語言更規範、更理性一些。當然，有時候聯網也並不能完全規避問題發生，比如 LLM 檢索到弱智吧的回答，那可能更糟糕，但是規避這些資料會導致可用數據量降低，那麼完全可以將已有數據拆分和重組，甚至依據舊數據自行生產一些新數據，以此來讓回答更可靠，其實這就是 RAG （Retrieval-Augmented Generation，檢索增強生成）的自然語言理解。人和機器需要互相理解，如果我們讓多個 LLM 相互理解和協作，本質上已經是在觸及 AI Agent 的運作模式，即人的代理去調用其他資源，甚至可以包括大模型和其他 Agent。某種意義上而言，這也是 Web3 近期的一貫風格，即代幣發行平臺比代幣值錢，Pump.Fun/Hyperliquid 都是如此，本來 Agent 應該是應用和資產，但是 Agent 發行框架竟然成為最當紅產品。其實這也是一種價值錨定思路，既然各類 Agent 並無區分度，那麼 Agent 框架反而更穩定一些，能產生資產發行的價值虹吸效應，這是目前 Crypto 和 AI Agent 結合的 1.0 版本。而 2.0 版本正在浮現，典型是 DeFi 和 AI Agent 的結合，DeFAI 的概念提出當然是熱度刺激下的市場行為，但是如果我們把以下情況考慮在內就會發現有所不同：Morpho 正在挑戰 Aave 等老借貸產品；Hyperliquid 正在取代 dYdX 的鏈上衍生品，甚至是挑戰幣安的 CEX 上幣效應；穩定幣正在成為鏈下場景的支付工具。正是在 DeFi 嬗變的大背景下，AI 正在改進 DeFi 的基本邏輯，如果之前 DeFi 最大的邏輯是驗證智能合約的可行性，那麼 AI Agent 則讓 DeFi 的製造邏輯發生改變，你並不需要理解 DeFi 才能製造 DeFi 產品，這是比鏈抽象更進一步的底層賦能。
內容來源
