2023 年 4 月 7 日 21:00，「ChainBreaker Podcast」播客活动第四十六期拉开帷幕。本期直播潘致雄（ChainFeeds Co-Founder）连线区块先生 Mr. Block Chris、Mest Founder Ashu Chan、Max（Adaverse Asia Ecosystem Head），围绕「AIGC 在 Web3的诈骗」伸开深度究诘。

内容摘录：

阿树：

咱们曾在Crypto Wallet行业职责了五六年，一直碰到怎样向用户抒发链上数据的困扰。因此，咱们花了好多时辰接洽怎样使用天然说话等文本色式抒发不同类型的链上数据。Crypto Wallet不错承载多种类型的链上数据，举例DID、财富、NFT和DeFi。这些类型的数据很难在一个单一的窗口中抒发。因此，咱们一直在追求天然说话抒发的处分有策画。直到ChatGPT出现，咱们觉得这个东西变得比拟可行。MEST想要处分的问题是怎样使用天然说话抒发链上数据，而ChatGPT是一个好的妥洽点。但早期，Mest主要在作念内容分发，ChatGPT还莫得出现。

要是莫得ChatGPT，咱们可能会使用更愚顽的形貌模拟天然说话的抒发体式，但这种体式可能并不好，而咱们的职责，高出是看成链上数据居品的职责，不错更专注于怎样生成有价值的链上数据。咱们之前作念了好多器具，如Dashboard，但当今皆备转向了说话交互这种体式，这是咱们的一个试点。

在咱们的贯穿中，这两者是两种不同的类型。咱们觉得它们都有特定的诈骗场景。图形界面高出适用于过程性场景，举例转站。它并不相宜用天然说话抒发。然则，一朝波及多种类型的数据信息抒发，天然说话即是最相宜的场景。最基本的例子是，当你想看一些数据时，现存的电商数据居品只可用图表或表格抒发，但在一个大型Dashboard中，很难识别任何信息。在一些组合居品中，你也可能会感到很复杂，因为它们要承载太多东西。然则，天然说话历害常相宜的。因此，对咱们来说，这种使用信息传达技能的递次可能会有所不同。对于过程性的东西，咱们通过图形界面处分；对于信息传达和数据传达，天然说话的上风历害常彰着的。这对于区块链这个场景十分适用。

区块链的脾气是公开，数据都在那里。委果的问题是怎样诈骗这些数据，再行整合来找到所需要的谜底。Dune Analytics在Defi Summer变得十分的好用，因为群众驱动知说念它在链上想要找什么数据。在Defi之前，Dune依然存在了，但群众并不会高出用Dune往返取得它想要的一些资讯。当今群众可能会透过MakerDAO的合约来了诠释MakerDAO从2021年到当今的区块高度内部Minting Fee赚了几许钱，然后不错交叉比对它跟Liquidity这种相识币所生成的Minting Fee诀别有几许。用户不错用这些资讯去佐证他的一些揣摸，考据他的一些投资的原因。但相通的，这个出现了一个问题，即是一个门槛，用户可能有一些想法，但他可能不会写MySQL，是以就无法创造出我方的一个Dune Dashboard。ChatGPT的问世后，让好多东说念主究诘出来一种形貌，致使不错用ChatGPT来写合约，致使用ChatGPT来作念Unity的游戏，或是一个通俗生成一个HTML Browser的Game。

是否不错异日通过天然说话去查询一些数据，生成一个Dune Page？有些器具刚好夸口了这个要求，不错用天然说话去查询一个数据。但有个问题，即是这些数据高质地的这些表是从那儿来的？必须有东说念主去把它从区块链这些无序的、可能莫得价值信息中索取有价值的数据，智力用天然说话去生成有价值的一个策画出来。我觉得这是永久是一个十分可行，然则在中短期，像数据劳动商不错在中间缔造一个将这些区块链公开数据大体量的数据去抽取出有价值的策画出来，去供用户去调停，这个是目下比拟可行的事情。咱们将当今去链上数据有价值策画，

要是将来有一又友对这方面感趣味趣味，最初要处分一个问题，那即是你要有专有的内容。完成了第一步之后，咱们要去给这些业务数据打标签，因为惟有这些业务数据有有余多的说话信息描述，当用户输入天然说话时，咱们智力知说念怎样找到这个样的一个数据去整合给他复返。在这里，会有一个办法叫作念embedding，即是在GPT中，它有一个叫作念向量的办法，它将文本的说话改造成一个高维度的数字，然后进行匹配。目下统共主流的对话式处理有策画都是按照这个想路进行的，最初给我方的数据打好多标签，这些标签或API需要标识上好多问题，比如“我有几许NFT”的问题，这个策画可能需要咱们写上20条大致300条问法，咱们还不错用GPT匡助咱们生成100条访佛的问法，去把它给标识。惟有这么，用户问任何一个对于NFT的问题，咱们智力很高概率地匹配上这么的一个数据。这是目下统共作念对话式处理的中期阶段。

要是到了后期的话，比拟盼望的情况下，咱们有了数据，有了浩荡标识的内容，那么可能咱们会但愿在已有的模子上进行微调，比如在一个开源模子或GPT模子之上进行微调，让它成为一个专属规模的AI。我觉得咱们可能会按照这个想路分三个阶段去终了，第一阶段是稀有据，第二阶段是标识数据，第三阶段是向量匹配，然后再进行微调。

临了，咱们也在想考异日的发展，包括阿里巴巴也出了大说话模子，异日也会有更多这么的大说话模子。咱们正在跟踪这些发展，包括Facebook等都有一些开源的说话模子，诚然后果上和GPT还有些差距，然则看当今这个发展的速率和智力，他们也有契机和智力能达到GPT3或3.5的水平。

统共作念链上数据居品的东说念主当今濒临的窘境是，群众都基于公开数据拓荒出莫得摩擦的居品。是以我觉得，当你提议这个问题时，它的复杂度和逻辑复杂度可能会缓缓增长，可能会包含七种条目和一些嵌套的逻辑。在这种情况下，即使是GPT4也无法准确地得到一个百分之百准确的限度，它可能还需要作念一些调停智力皆备贯穿用户体的问题。是以，在一些层面上，咱们还有越过的空间。

皇冠hg86a

当今只可作念到六七十分的气象，咱们需要斟酌的是这些词的向量模子，举例Word2Vec。怎样把柄区块链规模的特质对它们进行调停？这可能亦然Mest会碰到的问题之一。我其实想要聊聊Word Embedding，你们怎样暗示区块链关联的词，以及在搜索方面怎样更好地推论。

最初，咱们确定需要我方浩荡的东说念主工参加，模拟用户可能会问的问题，然后匡助咱们生成一些问题，打上标签，然后无间参加出产，让用户在这个过程中去交互，发现一些问题大致取得更多的数据，赞成咱们去优化这个标签，让匹配度更高。

潘致雄：

7月9日，东风风神正式发布4挡电混长续航SUV皓瀚，新车提供PHEV与HEV两个版本，并开启盲订。官方表示，皓瀚搭载了马赫电混DH-i混动技术，是东风风神正式打响新能源转型的“第一枪”。

我想共享一下咱们使用ChatGPT的一些感受。咱们依然调研了接近两个月，并尝试作念一些基于ChatGPT的表层器具链或诈骗。要是将ChatGPT瞎想成一个有扩写智力的东说念主，给他一些主题，他就不错生成一些著作。对于内容创作来说，这可能会提供一些匡助。然则，对于深度的接洽或新兴行业的分析，它仍然存在许多不及之处，因为它枯竭信息库。因此，咱们使用ChatGPT更多地是为了将信息浓缩，需要给它有余多的落魄文、联系或常识。当咱们给它这些常识后，再进行发问或抽取某些信息库中的信息，它的后果十分好。咱们目下使用了两个相对流行的开源库：LlamaIndex。此外，咱们也在使用一个基于ChatGPT的平台，不错匡助咱们构建我方的数据库，举例PDF和其他费力和数据。在和ChatGPT对话时，咱们不错对数据进行预分类和预筛选，教训ChatGPT的后果。

我想举个例子来证明，假定咱们需要回应一个用户对于某个具体问题的猜疑，比如 ERC-4337 是什么。咱们最初需要从数据库中找到关联著作或内容，并对它们进行切分。举例，一个著作可能被切分红 2000 或 3000 Token 为一个单位。当用户提议问题时，咱们需要匹配每个单位和问题的关联度，并找到关联性较高的部分进行发问和回应。然自后匹配单位和问题，以得出相瞄准确度较高的部分。然后，咱们使用 ChatGPT 进行发问和回应，并从中回来得出谜底。

这种递次适用于常识类问题。然则要是用户问的是对于 Twitter 这么的短内容，咱们只可将问题与每条推特的镶嵌式限度进行匹配，并把柄与问题关联性较高的推特进行发问和回应，并让 ChatGPT 进行回来。通过这种递次，咱们不错得出谜底。

目下大多数东说念主工常识库和 ChatGPT 的大主见都是这么的递次。天然，这种递次也存在一些问题，举例同义词的处理。为了教训准确性，不错使用向量暗示法进行匹配和回来。在咱们的调试过程中，咱们发现了许多这么的问题，举例当一个问题波及到 ERC-4337 时，可能在其他著作中出现了 ERC-20 和 4337 这些数字。这就可能导致搜索限度不够准确，因为匹配的是诞妄的内容。

对于 ChainBreaker

由 @mrblocktw、 @nake13、@momoxi17 专揽的 ChainBreaker 播客，每周五晚上8点直播。

ChainBreak 播客主要和群众共享加密规模的热门话题，加密技能的发展探讨皇冠比分--皇冠赔率与足球比分2合1，以及加密宇宙的八卦等。