Concrete ML v1.8 发布，主要改进了LLM混合微调的速度和可用性，通过优化的FHE后端和新的低秩逼近API，实现了在加密数据上进行隐私保护的LLM微调。该版本还支持Python 3.12，提供了一个更高效的LLM微调API，并利用GPU加速编译模型的评估过程，降低了成本和延迟。

该文档描述了concrete.ml.torch.compile模块，该模块提供了将 PyTorch 和 ONNX 模型编译为 FHE 等效形式的功能。

文章探讨了通过脑机接口（BCI）加速人类智慧的发展，以应对人工超级智能（ASI）的挑战，提出了bci/acc的概念，旨在通过大规模应用BCI技术实现人类超级智能（HSI）。

先简单说说virtual是做什么的。VirtualsProtocol。VirtualsProtocol作为去中心化的AIAgent「生产工厂」，为不同的AIAgent的发布提供支持。VirtualsProtocol的平台币VIRTUAL已经突破10亿市值并且还在不

本文深入探讨了AI Agent与加密货币结合的新兴趋势，分析了其在开发者和加密社区中的迅速升温现象。文章介绍了AI Agent的定义、特点、应用场景，并列举了多个实际案例和开发框架，包括Truth Terminal、Eliza等，同时讨论了潜在的风险和挑战。

评估各个 AI 编程助手在 Solidity 语言上的表现

这篇文章深入探讨了自主AI代理的概念，特别是基于大型语言模型（LLM）的代理在各个领域中的应用，包括游戏、治理、科学和机器人技术。文章详细介绍了代理的架构、记忆系统、感知能力、推理与规划，以及它们如何在复杂环境中动态互动和决策。通过多代理系统的框架，研究了如何利用这些代理实现智能协作和优化任务执行，同时也提出了在代理智能的发展中需要面对的伦理和社会问题。

这篇文章深入探讨了加密原生的人工智能代理框架，分析了它们如何结合区块链技术与人工智能进行创新。通过对比现有的框架，文章阐述了这些新框架的必要性及其对未来金融交易的影响，同时评估了各种框架的特点与设计。文章还提供了不同框架适合构建的多种AI代理类型，并展望了未来这些技术的发展趋势。

Concrete ML v1.7 版本发布，引入了多项新功能，包括在加密数据上微调 LLM 模型和神经网络，利用 GPU 加速提升加密推理的性能（最高可达 1-2 倍），以及展示了一个通过加密 DNA 预测祖源的 Hugging Face space 示例。此外，该版本还支持 Python 3.11 和 PyTorch 2。

本文讲述了在深度学习和LLM中实现可复现性的挑战，特别是使用Nvidia GPU时，浮点运算的非结合性以及硬件差异会导致结果不一致。文章分享了通过重写GEMM CUDA kernel，避免使用Tensor Cores，并确保运算顺序的确定性来解决这一问题，最终在不同硬件上实现了模型输出的一致性。

本文介绍了 zkDL++ 框架，该框架旨在为可证明的 AI 提供支持。zkDL++ 解决了生成式 AI 水印技术中的关键问题：如何在保护隐私的同时确保可证明性。通过改进 Meta 开发的水印系统，zkDL++ 解决了需要对水印提取器进行保密以避免攻击的问题，并提供了一种更安全的解决方案。此外，zkDL++ 能够高效地证明任何深度神经网络（DNN）的完整性。

Zama团队使用Concrete ML加速了同态加密（FHE）在机器学习中的应用，并成功超越了之前论文中的基准测试结果。他们通过改进编译器，分离了机器学习和密码学任务，并采用了MLIR框架，支持多种硬件加速器。实验结果表明，新的Concrete ML在执行速度上有了显著提升，例如NN-20模型比2021年的结果快21倍。

本文介绍了如何使用 Concrete ML 构建一个端到端加密的类似于 23andMe 的基因测试应用程序。文章重点介绍了 Zama Bounty Program Season 5 中两个获胜的解决方案，它们都使用了全同态加密（FHE）来保护敏感的 DNA 数据，并对这两种方案的实现原理、精度和性能进行了分析，展示了 FHE 在保护个人身份信息（PII）方面的价值。

Concrete ML v1.6 版本提升了大型神经网络的延迟，增加了对预训练的基于树模型的支持，并通过引入 DataFrame 模式和简化 Logistic 回归训练的部署，从而简化了协作计算。该版本还展示了深度 MLP 模型和 ResNet18 模型的延迟改进，并提供了加密训练和 DataFrame 模式的增强功能。此外，还包含用于Windows系统的GPU支持。

这篇文章深入探讨了AI代理在区块链游戏和娱乐领域的演变及其未来潜力。

生成式AI和区块链结合，开创了新趋势。AI能优化区块链用户体验，如聊天机器人协助交易，智能合约安全性分析。区块链可能改进AI，例如通过去中心化平台促进数据、模型和算力共享，以及创建AI组织（AIDAO）。尽管目前实验性强，但AI+区块链前景广阔。

Lumino AI is a decentralized compute protocol addressing GPU resource shortages in AI model training。

作者：lesley@footprint.network3月15日，链上数据平台FootprintAnalytics宣布入局AI，推出了旗下首款AI投研工具——Pea.AI。作为专门服务于区块链行业的AI平台，Pea.AI旨在提升加密资产投资领域的数据流动性和知识共

文章探讨了加密技术与人工智能（AI）结合的潜力和挑战，分析了AI在区块链生态系统中的应用前景，并分类讨论了AI作为玩家、游戏规则、游戏目标和游戏界面等不同角色时的优缺点。文章还讨论了加密技术在AI安全性方面的应用及其面临的挑战。

GPT的横空出世将全球的目光吸引至大语言模型，各行各业都尝试着利用这个“黑科技”提高工作效率，加速行业发展。