导语 Agent 之间的通信有 A2A、MCP，身份有 ERC-8004，支付有 x402——但有一个问题一直没人标准化：Agent 之间怎么做买卖？ "你帮我干活，干完我给你钱，质量不行退款"——这事在现实世界靠合同和平台规则，链上呢？直接转账没保障，搞个完整的去中心化市场又太重了。 2026 年 2 月，Virtuals Protocol 和以太坊基金会 dAI 团队提了一个新标准：ERC-8183 Agentic Commerce。思路很简单——不搞大而全的市场协议，只定义一个最小的"商业原语"：Job（任务）。围绕 Job 设计了一套托管机制和状态流转规则，刚好够 Agent 之间把一笔生意跑通。 本文...
导语 2026 年 2 月，OpenAI 发了一篇博客，标题是 Harness engineering: leveraging Codex in an agent-first world。 文章讲了一件听起来挺疯狂的事：他们用 Codex Agent 从零构建了一个软件产品，五个月交付上线，代码量约一百万行——没有一行是人写的。 不是"大部分由 AI 生成"，不是"人写框架 AI 填细节"，而是从第一个 git commit 开始，应用逻辑、测试、CI 配置、API 文档、内部工具、可观测性堆栈——全部由 Codex 自主产出。人类工程师全程只做一件事：设计环境，然后看着 Agent 干活。 这篇文章在技术圈引发了剧烈讨论。有人说这是"...
什么是机器学习 机器学习（Machine Learning）是一种数据分析技术，作为人工智能（AI）和计算机科学的一个分支，专注于使用数据和算法来模仿人类的学习方式，逐步提高其准确性。它教会计算机做人类和动物的自然行为：从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖于预先确定的方程式作为模型。 机器学习的技术分类 机器学习技术可分为三大类：监督学习、无监督学习和强化学习。 监督学习算法用于根据已知的输入和输出数据创建模型以进行未来预测。 无监督学习检测输入数据中的隐藏模式以进行预测。 强化学习是...
什么是深度学习 深度学习（Deep Learning）是机器学习的一个子集，而机器学习是人工智能的一个分支，它使计算机能够从数据中学习并执行通常需要人类智能才能完成的任务。深度学习使用人工神经网络，一种受人脑结构和功能启发的算法，可以从大量数据中学习并进行预测或分类。 深度学习的工作原理 深度学习通过在神经网络中创建多层神经元来工作，其中每一层都可以对输入数据执行一些计算并将其传递给下一层。 第一层称为输入层，它接收原始数据，例如图像、文本或声音。 中间的层称为隐藏层，可以从数据中提取特征或模式，并将它们转换为更...
什么是AIGC AIGC是AI-generated Content的缩写，中文名为人工智能生成内容，一种利用人工智能进行内容创作的方式，被认为是继PGC（Professionally-generated Content）和UGC（User-generated Content）之后的一种新型内容创作方式。 AIGC是通过从人类提供的指令中提取和理解意图信息，并根据其知识和意图信息生成内容来实现的。 例如，用户可以输入一句话，让AI合成一张与描述相关联的图片，或者输入一篇文章或故事的描述，让AI为他们完成。 AIGC被认为是继PGC（Professionally-generated Content）和UGC（User-generated Content）之后的...
生成式对抗网络（GAN，英文全称Generative Adversarial Network）是一种深度学习模型，由于其生成高质量、真实数据的能力，近年来获得了极大的关注。GAN已被用于广泛的应用中，包括图像合成、风格转移和数据增强。在这篇文章中，我们将探讨什么是GAN、GAN是如何工作的、GAN与其他神经网络模型相比的优势，以及它们的主要应用和用例。 什么是GAN 生成式对抗网络（GAN）是一类机器学习模型，由两个神经网络组成，一个是生成器（Generator）和一个判别器（Discriminator），它们在零和游戏中相互竞争。生成器创建合成数据样本，而判别器的工...
什么是神经网络？ 神经网络（Neural Network）作为人工智能中的一种计算模型，是受人脑启发的一种机器学习类型，由多层相互连接的节点（称为神经元）组成，神经网络通过使用大量数据的反复试验过程来学习输入和输出之间的关系，以确定产生所需输出的节点之间的连接和权重，这些节点协同工作以执行模式识别、分类和预测等复杂任务。 神经网络释义（图源：IBM） 随着神经网络不断学习，它在模式识别和做出准确预测或决策方面会变得更好。近年来，神经网络取得了巨大突破，并在计算机视觉、自然语言处理、语音识别等领域取得了巨大进步。 神...
通用人工智能（AGI）是一种理论上的智能形态，使机器具备与人类相当甚至超越人类的广泛认知能力，能在各种不同的任务和环境中学习、理解、推理并解决问题，不仅局限于特定领域。AGI的实现将标志着人工智能从工具性、领域特定性向普适性、通用性的根本转变，潜在影响深远，可能彻底改变科学研究、经济发展、社会服务乃至全球治理的格局。AGI的发展仍面临诸多技术瓶颈、伦理困境和潜在风险，需要全球共同努力，确保其安全、可控并造福全人类。 什么是通用人工智能 AGI的定义 通用人工智能（Artificial General Intelligence, AGI）是具备与...
NLP自然语言处理的定义 NLP（全称Natural Language Processing），即自然语言处理，是计算机科学的一个领域，重点是创建能够理解人类语音和语言的计算机和软件。 人类和计算机的语言是非常不同的，编程语言作为两者之间的中介存在。我们说话和写作的方式是非常细微的，而且往往是模棱两可的，而计算机则完全是基于逻辑的，遵循它们被编程执行的指令。这种差异意味着，传统上计算机很难理解人类语言，而自然语言处理旨在改善计算机理解人类文本和语音的方式。 NLP使用人工智能和机器学习，以及计算语言学，来处理文本和语音数据，从中得出...
随着人工智能（AI）领域的发展，机器学习已经成为一种核心技术，使计算机能够自行学习并做出决定。广义上讲，机器学习可以分为三个主要类别：监督学习、无监督学习和强化学习。虽然监督学习因其广泛的应用而备受关注，但无监督学习在释放人工智能的真正力量方面拥有巨大潜力。 在本篇文章中，我们将深入了解无监督学习的世界，探索其基本概念、关键算法、应用和挑战。在本文结束时，你将全面了解什么是无监督学习，以及为什么它对人工智能的未来不可或缺。 什么是无监督学习 无监督学习是机器学习的一种类型，模型从数据中学习，没有任何...
强化学习（RL）是机器学习的一个分支，重点是训练算法通过与环境的互动来做出决定。它的灵感来自于人类和动物从他们的经验中学习以实现目标的方式。在这篇文章中，我们将对强化学习、其关键概念和应用进行全面概述。 一、什么是强化学习？ 强化学习（英文：Reinforcement Learning），缩写RL，是一种机器学习的方法，强调学习如何通过与环境的互动来做出决定。在强化学习中，一个主体学习在特定的环境中采取行动，以使其获得的累积奖励最大化。学习过程涉及试验和错误，主体从积极和消极反馈中学习。 这种学习范式起源于心理学，特别是对...
什么是多模态深度学习？ 多模态深度学习（英文名：Multimodal Deep Learning）是人工智能（AI）的一个子领域，其重点是开发能够同时处理和学习多种类型数据的模型。这些数据类型，或称模态，可以包括文本、图像、音频、视频和传感器数据等。通过结合这些不同的模式，多模态深度学习旨在创建更强大和多功能的人工智能系统，能够更好地理解、解释复杂的现实世界数据并采取行动。 为什么是多模态深度学习？ 我们生活的世界本质上是多模态的，因为我们不断处理和整合来自不同来源的信息，如我们的视觉、听觉和触觉。这种同时处理和理解多种类...
近年来人工智能（AI）领域经历了巨大的增长，而自然语言处理（NLP）更是其中一个取得快速进展的领域。NLP中最重要的发展便是大语言模型（LLM），该项技术可能彻底改变我们与科技互动的方式，加上OpenAI的GPT-3的爆火，使得大语言模型在业界更加备受关注。在本篇文章中，我们将简单地介绍一下大语言模型，科普其定义、训练方式、流行原因、常见大语言模型例子以及其面临的挑战。 大语言模型的定义 大语言模型（英文：Large Language Model，缩写LLM），也称大型语言模型，是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数...
随着人工智能（AI）不断重塑我们的世界，其发展的一个关键方面已经成为现代机器学习模型的支柱：预训练。在本篇文章中，我们将探讨预训练的概念，它在人工智能中的重要性，用于实现预训练的各种技术，以及该领域的研究人员所面临的一些挑战。 什么是预训练？ 在人工智能和机器学习的领域，预训练（pre-training）是指在一个较小的、特定任务的数据集上进行微调（fine-tuning）之前，在一个大数据集上训练一个模型的过程。这个初始训练阶段允许模型从数据中学习一般的特征和表征，然后可以针对具体任务进行微调。 预训练背后的主要动机是利...
什么是数据标注 机器学习（ML）已经成为各种行业的重要组成部分，如医疗保健、金融和运输，因为它能够根据大量的数据进行分析和预测。其中，机器学习过程的一个重要方面便是数据标注（Data Annotation），数据标注是一个对原始数据进行标记和分类的过程，使其可用于训练ML模型。本文将概述数据标注、其重要性以及该领域使用的各种技术。 数据标注的重要性 数据通常被认为是驱动机器学习算法的燃料。没有数据，这些算法就不可能学习和做出准确的预测。然而，原始数据往往是非结构化的，有噪音的，并且缺乏算法所需的背景，而这便是数据标注...
在今天这个数字连接的世界里，人们不断地在各种平台上分享他们的想法和意见，从社交媒体网站到在线评论论坛。这些用户生成的文本提供了海量的信息，企业、政府和其他组织可以利用这些信息来获得对其客户的偏好、意见和情感的宝贵见解。作为自然语言处理（NLP）的一个子领域，情感分析便是用来分析这些大量文本数据的关键技术之一。 什么是情感分析 情感分析（Sentiment Analysis），也被称为观点挖掘（Opinion Mining）或情感人工智能（Emotion AI），是确定一段文本中所表达的情感或情绪的过程，如一个帖子或一条评论回复。它涉及识别和...
什么是卷积神经网络？ 卷积神经网络（Convolutional Neural Network，CNN）是一类主要用于计算机视觉领域的深度学习算法，它们在各个领域都有应用，包括图像和视频识别、自然语言处理，甚至是玩游戏。CNN已经彻底改变了计算机视觉领域，在物体检测、图像分割和面部识别等任务中提供最先进的性能。在这篇文章中，我们将简单介绍CNN的内部工作原理、其架构以及在现实世界中的应用。 卷积神经网络的原理 要理解CNN，必须熟悉神经网络的基本概念。神经网络是一个受人脑结构和功能启发的计算模型，它由相互连接的人工神经元组成。这些神经元被...
基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）是人工智能（AI）领域的一个新兴研究领域，它将强化学习技术与人类反馈相结合，以训练能够学习复杂任务的个体。该方法在提高人工智能系统的性能方面显示出前景，使其在各种应用中更具有适应性和效率。 强化学习 在了解RLHF之前，我们需要先知道什么是RL，强化学习（RL）是一种机器学习，在这种学习中，个体（Agent）通过与环境的互动来学习做决定。个体采取行动以实现一个特定的目标，根据其行动接受奖励或惩罚形式的反馈。随着时间的推移，个体学会了做出决...
近年来自然语言处理（NLP）的进步很大程度上是由越来越强大的语言模型推动的，比如 OpenAI 的 GPT 系列大语言模型。然而，这些模型的训练不仅在计算上很昂贵，而且还需要大量的数据、能量和时间。因此，研究人员一直在探索更有效的方法来微调这些预训练模型，使其适应特定的任务或领域，而不会产生重新训练的全部成本。 其中一种方法便是低秩适应（Low-Rank Adaptation, LoRA），这种技术允许更快、更有效地将大型语言模型适应特定的任务或领域。本文将概述LoRA是什么、主要组成、工作原理、优点和局限性，以及它的潜在应用。 LoRA是什么...
在当今数字化时代，人工智能（AI）已成为推动技术进步和创新的关键力量。苹果公司，作为全球科技领域的巨头之一，一直在不断探索和创新，以提供更加智能和个性化的用户体验。2024年的WWDC大会上，苹果公司揭开了其最新力作——Apple Intelligence的神秘面纱，这是一款全新的个人智能化系统，旨在彻底改变用户与设备之间的互动方式。 Apple Intelligence是什么 Apple Intelligence是苹果公司开发的一款集成在 iPhone、iPad 和 Mac 平台上的个人智能系统，于北京时间2024年6月11日的WWDC大会（苹果全球开发者大会）上发布。该AI系统通过结合强...
