不僅提供 AI 數據, 還是加入發行新型資產的行列 繼續延伸先前提過的 @OpenledgerHQ , 剛好前幾天他們也結束了一場和 @ripchillpill 的 space OpenLedger 的 3 大核心產品線 - 資料工廠 Data Factory ( 做數據收集部分 ) - 模型工廠 Model Factory (建立模型部分) - 部署層 Deployment layer (先前提過的 OpenLora, 可以大幅降低 AI 運作成本 , 鏈上 LoRA 參數即插即用) 而最近引起我興趣的是他們先前發布的 Proof of Attribution 研究論文 , Proof of Attribution 系統確保數據提供者獲得公平回報 , 細節我就不贅述了 這邊我也有透過 ai 協助我做了一點總結 核心價值在於 🔸 透明度：所有訓練來源可追溯，建立公開的歸因圖譜（ 歸因就是 attribution ） 🔸 公平性：貢獻者根據實際影響力獲得獎勵，而非數據量 🔸 可驗證性：鏈上記錄確保歸因和獎勵的防篡改性 🔸 可組合性：模塊化設計支持跨數據集和模型的複用 Infini-gram 技術能夠讓 OpenLedger 用於大型模型的數據追蹤精確至 token 級別 以往大家對於 ai 模型中的數據交互理解可能還停留在靜態的階段, 但其實根據 Openledger 的說法，他們的目標是要做到將數據從靜態輸入轉變為動態經濟資產, 如此可以運用的使用場景, 數據的「資產價值上限」都可以更高 以可組合性來說，應該是最好跟 DeFi 的概念來做類比 ✨ ----- DeFi 應用：Pendle 支援幣種 swap 成 PT token -> 作為抵押品 -> 去 @TermMaxFi 這樣的 DeFi 提高資金使用率 AI 數據應用：醫療 AI 模型 = 基礎語言模型 + 醫學 DataNet + 藥理學 DataNet + 臨床案例 DataNet ----- 一個模型的組成可以從不同資料集抓取 , 更有效率也可以按比例分配獎勵給不同層級的貢獻者 DeFi 的主要價值在於資產流動性：流動性 → 手續費分配 AI 數據的主要價值在於模型的影響力 → 獎勵分配 希望可以看到更多後續顛覆 AI 模型、資料收集流程的案例！ 🤖

複製

openledger還可以的 @MirraTerminal

openledger還可以的 @MirraTerminal

章魚快來了 @OpenledgerHQ

幣圈的ai 大多數沒啥用 實話實說😂 @MirraTerminal

是真的希望能出來一些有用的哈哈