GPT:炒作見頂，喧囂過后前路何往LDO、SSV、FXS、CNTM_Kalima Blockchain

AI的炒作已經醉生夢死，在情緒的持續持續推進下，獲利盤巨大，籌碼斷層嚴重，高位滯脹。AGIX昨日大幅回落，A股漢王科技今日低開，宣告AI行情告一段落。然而在此輪行情的獲利資金眼中，市場仍然干柴烈火。

題材很重要，但有時候題材出現的時機更重要。

數小時前，CoinbaseCEOBrianArmstrong推特稱，傳聞美國SEC希望在美國取消散戶的加密貨幣質押，一時間市場傳言美國監管層面將對加密市場重拳出擊，這種政策的前因與邏輯暫且不表。

市場層面，有危就有機，CEX質押利空，則LSD利好。下面讓我們梳理一下AI板塊的相關幣種。

LDO

以太坊流動性質押龍頭，以當前近500萬枚的ETH質押量占據市場90以上份額，其協議設計簡潔明了，存入ETH即可1:1得到stETH，作為權益衍生資產，后者在Curve上擁有不錯的流動性。

如果我們認為LSD是目前加密市場基本面最「硬」的邏輯，LDO則為中軍。在2022年下半年的熊市的數次回暖中，LDO常常是資金率先選擇的對象，當前市值23億美元。

中信銀行洪城支行開展防范虛擬貨幣交易炒作風險宣傳活動:11月22日消息，為進一步防范和處置虛擬貨幣交易炒作風險，提高社會公眾對非法虛擬貨幣交易活動危害性的認識，切實維護國家安全和社會穩定，根據《中國人民銀行南昌中心支行辦公室關于開展防范虛擬貨幣交易炒作風險宣傳工作的通知》要求，現組織全行開展防范虛擬貨幣交易炒作風險宣傳工作，中信銀行洪城支行于11初開展以“遠離虛擬貨幣，保護資金安全”為主題的宣傳活動。

此次宣傳活動向廣大金融消費者和銀行內部員工普及了虛擬貨幣交易炒作風險的相關知識，同時也提升了公眾自覺維護金融安全的意識，維護良好金融秩序奠定了堅實的基礎，體現了我行踐行社會責任擔當。（新浪江西）[2021/11/22 7:04:27]

RPL

相比于Lido全鏈擴張的打法，RocketPool專注于以太坊。LDO只具備治理功能，但在Rocket網絡，需質押一定數目的RPL以保證節點正常運行，該設計賦予RPL一定的Utility。RPL當前市值8.5億美元，今日已突破近一年高點，近三個月趨勢持續向上，漲幅已達到300%。

SSV

農發行崇仁支行宣傳防范虛擬貨幣交易炒作風險:11月12日消息，農發行崇仁縣支行積極開展防范虛擬貨幣交易炒作風險宣傳，普及虛擬貨幣交易炒作風險及危害，引導社會公眾合法進行貨幣交易活動。

活動中，該行采用日常滲透的方式，通過LED顯示屏滾動播放“虛擬貨幣不合法、資金安全無保障”等宣傳標語，進行常態化撒網式滲透宣傳，提高社會公眾對防范虛擬貨幣交易的主動性；采用重點講解的方式，通過設點搭臺的方式，將宣傳內容的要點、重點、難點對公眾進行一對一講解，進一步深化社會公眾對虛擬貨幣交易炒作危害的認識；采用發布日常推文等方式，將本次宣傳過程中收集到的公眾常見的問題進行匯總，通過網絡平臺將文件及解答進行日常推送，線上線下統籌推進公眾對虛擬貨幣交易風險的認識。（中國江西網）[2021/11/12 21:47:05]

SSV本身是一個服務于驗證人的基礎設施，但SSV并不做資產管理的工作，也就是SSV并不吸收用戶的ETH再進行組合。不像Lido一類真正的質押服務商。SSV主要服務于兩類用戶，一類是長期持倉的，需要保證資金安全，但不想自己動手的大戶；一類是以Lido、Rocketpool、Binance為首的一眾ETH質押服務商SSV的價值捕獲。SSV幫助質押運營商減少運維壓力、減少設備服務器的支出及其管理成本、減少安全風險，方便省心。

經濟日報：斬斷虛擬貨幣炒作資金鏈條:經濟日報今日發文：斬斷虛擬貨幣炒作資金鏈條。文章認為，之所以加大虛擬貨幣打擊力度，是因為近年來虛擬貨幣交易炒作活動擾亂經濟金融正常秩序，滋生非法跨境轉移資產、洗錢等違法犯罪活動風險。虛擬貨幣嚴重侵害人民群眾財產安全，風險極大。　對廣大金融消費者來說，也要增強風險意識，樹立正確的投資理念，不參與虛擬貨幣交易炒作活動，謹防個人財產及權益受損。尤其是在相關銀行和支付機構已經明確，參與虛擬貨幣交易的賬戶將被暫停交易甚至注銷并報告有關部門的情況下，消費者更需要珍惜個人銀行和支付賬戶，不要出租、出售或出借個人賬戶，防止個人利益受到損害。[2021/6/23 23:58:49]

SSV當前市值2.3億美元，截至目前日內上漲20%。

FXS

Frax以算法穩定幣而聞名，其由一連串的DeFi產品組成，包括穩定幣、借貸市場、去中心化交易平臺等。Frax介入LSD的時間并不長，目前市場份額排名第五，市值1億美元左右，與LSD概念貼合度一般，是否能得到市場的認可，還需要時間檢驗。

CNTM(connectome)

動態 | 人民時評：區塊鏈技術創新不等于炒作虛擬貨幣:人民日報評論文章指出，這段時間，“區塊鏈”成為輿論熱詞。中央局這次集體學習，專門強調“區塊鏈”，則為區塊鏈的發展和應用打開了想象空間。區塊鏈“未來已來”，但也要保持理性。區塊鏈技術創新不等于炒作虛擬貨幣，應防止那種利用區塊鏈炒作空氣幣等行為。發展區塊鏈大方向沒有錯，但是要避免一哄而上、重復建設，方能在有序競爭中打開區塊鏈的發展空間。也許，區塊鏈不只是下一代互聯網技術，更是下一代合作機制和組織形式。[2019/11/4]

Connectome是一個基于區塊鏈核心技術開發的DeFi人工智能投顧平臺，支持DeFi產品上鏈交易、理財產品去中心化AI測評、流動性挖礦、一鍵式智能投顧、智能客服等。通過大數據多維分析、AI模型演練，為用戶提供接近一站式的、定制化人工智能投資顧問服務，為理財產品發行人、投資用戶提供全方位的區塊鏈解決方案。

今天我們主要講的就是CNTM，CNTM是基于人工智能的個性化金融服務：去中心化的理財產品AI測評；通過AI模型演練為用戶提供定制化的AI顧問服務；

虛擬理財經濟人：Rachel

聲音 | 肖磊：LTC減半可能會刺激一部分存量資金做一個短期炒作:據每日經濟新聞報道，此次萊特幣減半，是否真的能像萊特幣創始人所言，可以“幫助加密貨幣抵抗目前的低迷期”？《每日經濟新聞》記者采訪了國內加密貨幣分析師肖磊，肖磊告訴記者，“減半是技術性設計，是市場的公開信息，所以對價格來說，減半的影響已經有所體現。鑒于市場目前沒有消息可炒，減半可能會刺激一部分存量資金做一個短期炒作，但主要還得看外圍資金的介入，否則需求起不來，產量減半對價格的支撐也是有限的。”[2019/8/2]

Connected2Me未來發展

基于ChatGPT的理論，創建CNTM的GPT平臺：Jinn；

為Jinn加入雙引擎結構：GPT引擎+傳統搜索引擎，從而實現Web3的AI搜索功能；

將Jinn與CNTM1.0的板塊結合，增強金融領域的AI搜索推薦功能；

Jinn=ChatGPT+Sparrow

ChatGPT目前的三個核心問題和痛點：

對于知識類型的問題，ChatGPT會給出看上去很有道理，但是事實上是錯誤答案的內容；

拓展解讀：對于這樣來說，由于ChatGPT的一部分回答很準確，而一部分看上去有道理，但事實上很離譜，而用戶并沒有足夠的能力來進行辨別，這將給用戶如何采信ChatGPT的答案帶來很多困惑。

ChatGPT目前這種基于GPT大模型基礎上進一步增加標注數據訓練的模式，對于LLM模型吸納新知識非常不友好。

拓展解讀：新知識總是在不斷出現，而出現一些新知識就去重新預訓練GPT模型是不現實的，無論是訓練時間成本還是金錢成本，都不可接受。如果對于新知識采取Fine-tune的模式，看上去可行且成本相對較低，但是很容易產生新數據的引入導致對原有知識的災難遺忘問題，尤其是短周期的頻繁fine-tune，會使這個問題更為嚴重。

ChatGPT或GPT4的訓練成本以及在線推理成本太高，無法承載超過千萬級的用戶同時使用。

拓展解讀：假設繼續采取免費策略，OpenAI無法承受，但是如果采取收費策略，又會極大減少用戶基數，無法實現規模化。

Sparrow是ChatGPT的良好補充：

sparrow在人工標注方面的質量和工作量不如ChatGPT；

Sparow的基于retrieval結果的生成結果證據展示，以及引入LaMDA系統的對于新知識采取retrieval模式，可以完美解決新知識的及時引入，以及生成內容可信性驗證兩個核心問題。

Jinn的優勢：

Jinn=ChatGPT+Sparrow

Jinn使用ChatGPT為核心框架，引入了Sparow的基于retrieval結果的生成結果證據展示，以及引入LaMDA系統的對于新知識采取retrieval模式。

所以Jinn既有有高質量的人工標注，也可以完美解決新知識的引入問題，同時又有效的內容可信性驗證功能，從而打造下一代為Web3服務的搜索引擎基礎。

應用場景類：

內容推薦：根據用戶行為和與Jinn的交互分析，為用戶推薦適合他的Web3內容與產品。

個性化金融：根據用戶行為和與Jinn的交互分析，為用戶推薦適合他的DeFi產品或根據用戶的模型來自動構建屬于用戶的科學家機器人，完成自動交易。

DAO推薦：為用戶推薦合適的DAO組織，或直接將理念類似的人連接在一起自動生成新的DAO組織。

個性化內容生成：用戶可以通過組建關鍵字，通過Jinn輸出自己需要的內容。

核心技術路線

第一階段：冷啟動階段的監督策略模型。靠GPT3.5本身，盡管它很強，但是它很難理解人類不同類型指令中蘊含的不同意圖，也很難判斷生成內容是否是高質量的結果。為了讓GPT3.5初步具備理解指令中蘊含的意圖，首先會從測試用戶提交的prompt(就是指令或問題)中隨機抽取一批，靠專業的標注人員，給出指定prompt的高質量答案，然后用這些人工標注好的數據來Fine-tuneGPT3.5模型。經過這個過程，我們可以認為GPT3.5初步具備了理解人類prompt中所包含意圖，并根據這個意圖給出相對高質量回答的能力；

第二階段：訓練回報模型。這個階段的主要目的是通過人工標注訓練數據，來訓練回報模型。在這個階段里，首先由冷啟動后的監督策略模型為每個prompt產生K個結果，人工根據結果質量由高到低排序，以此作為訓練數據，通過pair-wiselearningtorank模式來訓練回報模型。對于學好的RM模型來說，輸入，輸出結果的質量得分，得分越高說明產生的回答質量越高。

第三階段：采用強化學習來增強預訓練模型的能力。本階段無需人工標注數據，而是利用上一階段學好的RM模型，靠RM打分結果來更新預訓練模型參數。

二三階段迭代：不斷重復第二和第三階段，每一輪迭代都使得LLM模型能力越來越強。因為第二階段通過人工標注數據來增強RM模型的能力，而第三階段，經過增強的RM模型對新prompt產生的回答打分會更準，并利用強化學習來鼓勵LLM模型學習新的高質量內容，這起到了類似利用偽標簽擴充高質量訓練數據的作用，于是LLM模型進一步得到增強。

Jinn將采用傳統搜索引擎+ChatGPT的雙引擎結構，ChatGPT模型是主引擎，傳統搜索引擎是輔引擎。傳統搜索引擎的主要輔助功能有兩個：一個是對于ChatGPT產生的知識類問題的回答，進行結果可信性驗證與展示，就是說在ChatGPT給出答案的同時，從搜索引擎里找到相關內容片段及url鏈接，同時把這些內容展示給用戶，使得用戶可以從額外提供的內容里驗證答案是否真實可信，這樣就可以解決ChatGPT產生的回答可信與否的問題，避免用戶對于產生結果無所適從的局面。

傳統搜索引擎的第二個輔助功能是及時補充新知識。既然不可能隨時把新知識快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果發現具備時效性的問題，它自己又回答不了，則可以轉向搜索引擎抽取對應的答案，或者根據返回相關片段再加上用戶輸入問題通過ChatGPT產生答案，這里有一部分將參考LaMDA關于新知識處理的具體方法。

Tags：GPTCHAATGHATXGPTKalima BlockchainCatge CoinHATCHY幣

比特幣價格實時行情