AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:去中心化×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
00:02
00:02berryxia@berryxia
River AI 宣布构建完全属于用户的个人AI栈,旨在打破大公司对AI模型的垄断。该项目让用户拥有自己的对话、数据和决策权,AI只按用户价值观运行,在用户控制下进化。River AI 将AI从“租来的工具”转变为“个人智能伙伴”,用户决定AI的形态和思考方式。目前团队正在招募顶尖研究员和工程师,推动这一愿景落地。这标志着个人AI时代从远景变为现实。
AI产品个人AI数据主权River AI去中心化AI产品

推荐理由:River AI 解决了AI被巨头垄断、用户数据被控制的痛点,所有关心AI主权和数据隐私的普通人、开发者和技术爱好者都值得关注。如果你厌倦了AI服务商替你决定一切,这个项目会让你看到另一种可能。
原文
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
11:02
11:02arXiv cs.AI@Ria Doshi, Tian Gao, Annie Chen, Chelsea Finn, Jeannette Bohg
多机器人协作在移动场景中面临扩展性差和部分可观测性问题。CHORUS框架利用预训练视觉-语言-动作(VLA)模型的视觉运动先验,使每个机器人仅依赖自身局部观测和身份提示即可独立运行,无需推理时通信或显式对齐。在移动测量、图书交接和洗衣篮搬运等真实实验中,CHORUS相比从零训练的分散模型提升64%性能,对队友行为的反应性提高40%,并超越集中式基线。该工作表明,共享VLA骨干网络足以实现去中心化多机器人协作,无需为每个机器人单独训练策略。
论文多机器人协作VLA模型去中心化机器人预训练

推荐理由:多机器人协作的扩展性难题被VLA模型破解了——做机器人集群部署的团队可以直接参考CHORUS的零通信方案,省去复杂的对齐和通信模块。
原文
5月18日
11:51
11:51Marc Andreessen@pmarca
Marc Andreessen 转发了一条推文,指出人们问错了问题——不应关注“AI 会摧毁哪些工作”,而应思考“一个西弗吉尼亚的 14 岁天才少年现在能做什么”。过去,他可能只能像父辈一样去煤矿工作,因为那是唯一的选择。如今,他可以在卧室里创办一家 AI 公司。Andreessen 认为,AI 工具将使系统更加精英化、民主化和去中心化,为更多人创造机会。
行业AI 机会Marc Andreessen精英化民主化去中心化

推荐理由:Andreessen 用西弗吉尼亚少年的例子戳破了 AI 焦虑论,关注机会而非失业的创业者、教育者和政策制定者值得一读。
原文
5月12日
19:11
19:11arXiv: DeepSeek@Naicheng Li, Javad Dogani, Rui Wang, Kaitai Liang, Nikolaos Laoutaris
FLTorrent提出一种去中心化的联邦学习(FL)数据分发层,使用BitTorrent协议替代传统中央聚合器,解决性能瓶颈与隐私风险。其核心创新在于“预热阶段”,通过轮前混淆、随机延迟和协调调度(tracker不参与数据传输)实现轮内源不可链接性,防止攻击者通过P2P邻居关系推断更新来源。作者推导了传输归属后验概率的上界,并提出GreedyFastestFirst启发式调度,在100-500个节点时达到带宽最优值的约92%,预热开销稳定在约12%。在Gemma-7B、DeepSeek-R1-14B等大模型测试中,相对于纯BitTorrent仅增加6-10%端到端开销,且对抗观察型本地攻击者和合谋攻击均保持鲁棒。
论文联邦学习隐私保护P2P网络BitTorrent去中心化

推荐理由:该工作首次在去中心化FL中实现轮内不可链接性与BitTorrent级效率共存,为大规模分布式机器学习隐私保护提供了实用方案,尤其适合对隐私敏感或需要弹性扩容的场景。
原文
精选全部日报登录