PALM, Palmswap

，2026年FOMC票委、达拉斯联储主席洛根（Lorie Logan）敦促政策制定者在未来数月保持谨慎，重申通胀下降不一定会促使进一步降息。 洛根上周五在加利福尼亚州棕榈沙漠（Palm Desert）举行的一次主持讨论中说：“即使我们得到了更好的数据，而且看起来（通胀）确实接近2%，我认为我们也应该保持谨慎。因为如果劳动力市场和整体经济强劲，即使在这种环境下，也不一定意味着有进一步降息的空间。” 这位达拉斯联储主席的言论与她此前的言论如出一辙。洛根此前曾表示，利率可能已经接近中性——一种既不刺激也不抑制经济活动的政策立场，即使通胀减弱，近期也不需要进一步降息。

PANews 12月5日消息，AI和Web3初创公司Scrypted宣布完成150万美元的种子轮融资，由Palm Tree Crew Crypto领投，a16z crypto CSX参与投资。资金将用于开发完全去中心化的自治AI代理（AVBs）以及Inori网络，开启“读-写-拥有-行动”的Web4时代。 Inori网络旨在为AI代理提供去中心化的计算、存储、通信和金融基础设施，推动其从当前的被动工具转变为自我管理的数字生命体，应用于社交、游戏和金融等领域。Scrypted计划通过开源AI开发工具ArtemisML和SDK，助力构建去中心化AI生态，并探索去中心化共识机制等技术，进一步推进Web4的实现。

，去中心化AI代理项目Scrypted宣布完成150万美元Pre-Seed轮融资，Palm Tree Crew Crypto领投，a16z crypto CSX参投。Scrypted的核心是Inori网络，旨在使AI代理成为完全自主的虚拟生物 (AVB)，新资金将用于推动其在游戏、社交平台和金融领域的潜力，并构建工具支持自主AI代理的去中心化垂直行业。

PANews 9月20日消息，据The Block报道，一部提供对Vitalik Buterin和以太坊生态系统“亲密”观察的全新纪录片将于周五上线流媒体。《Vitalik：以太坊的故事》记录了Buterin和以太坊建设者社群为开放互联网而奋斗的历程。2021年7月，《Vitalik：以太坊的故事》完成了纪录片历史上规模最大的众筹，筹集了1036枚以太币（目前价值约260万美元），用于制作预算。该片于周三在23个国家上映，由以太坊Layer 2 Base赞助。 电影预告片包含了对Buterin、他的父母以及其他艺术家和技术专家（如Dmitry Buterin、Danny Ryan、Itzel Yard和Tim O’Reilly）的采访。它追溯了Buterin的童年，并通过新的采访和档案镜头讲述了他如何帮助构建和推出以太坊的原因和过程。这部新电影将通过代币门控网站ethereumfilm.xyz播放30天，并计划于2025年在主要流媒体平台上映。 这部电影由Zach Ingrasci和Chris Temple执导，Carrie Weprin和Jenna Kelly制作。它由Optimist和Strange Design联合Lone Palm Productions、Big Beach和TIME Studios制作。

爱尔兰《通用数据保护条例》（GDPR）的监管机构数据保护委员会 (DPC) 已开始对谷歌爱尔兰有限公司进行跨境调查，以确定谷歌在开发其人工智能模型时是否遵守了欧盟数据保护法。 根据 DPC 9 月 12 日发布的声明，监管机构将调查欧盟公民个人数据在训练谷歌 Pathways 语言模型 2 (PaLM2) 中的使用情况。

欧洲隐私监管机构正在对谷歌开发的一款人工智能模型对人工数据的处理展开调查。这家科技巨头的 PaLM 2 成为爱尔兰数据保护委员会的最新审查目标。（金十）

行情显示，PALM 短线突破 0.3 USDT 新高后回落，现报 0.2665 USDT，24H 涨幅 54.5%.PaLM AI 是基于 LLM 的多平台 AI 聊天机器人，围绕 Google 的 PaLM 2 大语言模型构建，可在 WhatsApp 和 Telegram 上使用。

据 IT 之家 1 月 15 日报道，谷歌研究院日前使用自家 BIG-Bench 基准测试建立了一项“BIG-Bench Mistake”数据集，并利用相关数据集对市面上流行的语言模型“出错概率”及“纠错能力”进行了一系列评估研究。 谷歌研究人员表示，由于过去没有能够评估大语言模型“出错概率”及“自我纠错能力”的数据集，因此他们创建了一项名为“BIG-Bench Mistake”的专用基准数据集用于评估测试。 据悉，研究人员首先使用 PaLM 语言模型在自家 BIG-Bench 基准测试任务中运行了 5 项任务，之后将生成的“思维链（Chain-of-Thought）”轨迹修改加入“逻辑错误”部分，之后重新丢给模型判断思维链轨迹中哪些地方存在错误。谷歌研究人员声称，这一 BIG-Bench Mistake 数据集有利于改善模型自我纠错能力，经过相关测试任务微调后的模型，“即便是小型模型表现也通常比零样本提示的大模型更好”。

据 VentureBeat 1 月 13 日报道，富国银行 CIO Chintan Mehta 周三在旧金山参加活动时透露了该银行部署生成式人工智能应用的相关细节，包括该公司的虚拟助手应用“Fargo”自今年 3 月推出以来，已经处理了 2000 万次交互。Mehta 说：“我们认为，随着我们增加更多的对话和功能，这款应用每年实际上能够处理近 1 亿次或更多的 [交互]。” 据悉，富国银行在其“Tachyon”平台上部署了多个 LLM。Mehta 说，Fargo 是一个虚拟助手，可以帮助客户在智能手机上通过语音或文字获得日常银行业务问题的答案，也可执行支付账单、汇款和提供交易详情等任务。该应用基于谷歌 Dialogflow 开发，并使用谷歌 PaLM 2 LLM 推出。 富国银行另一款使用 LLM 的应用程序是 Livesync，可以为客户提供目标设定和规划建议。值得注意的是，富国银行还部署了其他使用开源 LLM 的应用程序，包括 Meta 的 Llama 2 模型，用于某些内部用途。

据 IT 之家 12 月 15 日报道，谷歌 DeepMind 日前公布了一种名为“FunSearch”的模型训练法，号称能够计算包含“上限级问题”、“装箱问题”在内的一系列“涉及数学、计算机科学领域的复杂问题”。 据悉，FunSearch 模型训练法主要为 AI 模型引入了一个“评估器（Evaluator）”系统，AI 模型输出一系列“创意解题方法”，“评估器”则负责评判模型输出的解题办法，反复迭代后，就能训练出数学能力更强的 AI 模型。 谷歌 DeepMind 使用 PaLM 2 模型进行测试，研究人员建立了专用“代码池”，使用代码形式为模型输入一系列问题，并设置了评估器流程，之后模型便会在每一次迭代中，自动从代码池中挑选问题，生成“具有创造性的新解法”，并交由评估器进行评估，其中“最佳解法”将会被重新加入到代码池中，重新开始另一次迭代。

据新浪财经报道，谷歌周三宣布推出一套新的医疗保健专用人工智能模型 MedLM，旨在帮助临床医生和研究人员进行复杂的研究、总结医患互动等。此举标志着谷歌将医疗保健行业人工智能工具货币化的最新尝试。MedLM 套件包括一个大型和中型 AI 模型，均基于 Med-PaLM 2 构建。Med-PaLM 2 是谷歌在今年 3 月份首次宣布的基于医疗数据训练的大型语言模型。

据 IT 之家报道，美国时间周三，谷歌宣布了一系列升级的人工智能（AI）功能，旨在为其云计算客户提供更好的服务。据悉，谷歌发布了面向企业的 Gemini Pro，允许开发者利用谷歌最新的人工智能模型构建应用程序。Gemini 是一个通过大量数据训练的大型人工智能系统，可以根据用户的要求生成新内容。 谷歌云客户可以使用 Gemini Pro 创建人工智能聊天机器人、易于查询的库存数据库以及营销演示等应用程序。该公司还强调，Gemini Pro 最初将免费提供给云客户，但有一些限制。不过，谷歌表示，最终计划确保其云人工智能产品的“价格具有竞争力”。 谷歌公布的参数显示，Gemini Pro 基于文本的功能比其 6 月份发布的上一代人工智能模型 PaLM 2 的输入成本低 4 倍，输出成本低 2 倍。

据站长之家 12 月 4 日报道，微软研究人员展示了 GPT-4 在医学知识测试中的卓越表现，特别是当结合先进的提示工程技术时，其性能超过了专业调整的 MedPaLM2。 研究结果显示，相较于费时费力的调优和模型训练，将更有效的提示工程应用于主流通用模型可能是实现更准确结果的更好途径。Medprompt 方法采用了多种提示工程技术，包括 GPT-4 生成的思维链推理和生成多个单独评分的回答，然后将最高分的答案返回给用户。尽管这种方法会增加推理的成本，因为生成了更多的标记，但结果表明，将领先的通用模型（如 GPT-4）与高级提示工程技术相结合，以评估最新性能的标准，可能是值得考虑的。 研究强调 GPT-4 生成的思维链推理相对于专家手工制作的 Med-PaLM2 提示更为优越，因为它提供了更精细的逐步推理逻辑。但是研究也指出，这一结论是特定于 GPT-4 的，而不适用于其他通用基础模型。

AI 新智界讯，11 月 22 日，Inflection AI 宣布发布 Inflection-2，官方声称仅次于 OpenAI 的 GPT-4，是全球第二代大语言模型（LLM）。 Inflection AI 表示 Inflection-2 在 5000 块英伟达 H100 GPU 上进行 FP8 混合精度训练，具有～10²⁵ FLOP。这使其与谷歌的旗舰 PaLM 2 Large 模型属于同一训练计算类别，而且在 MMLU、TriviaQA、HellaSwag 和 GSM8 k 等大多数 AI 基准测试中，该模型优于 PaLM 2。 此前 6 月报道，人工智能初创公司 Inflection AI 筹资 13 亿美元，投资人包括比尔盖茨和英伟达。

据站长之家 11 月 21 日报道，在最新的 AI 研究报道中，Google DeepMind 推出了一项名为“优化通过提示（OPRO）”的技术，将大型语言模型（LLM）作为其自身提示的优化器。该方法旨在通过自然语言描述问题，指导 LLM 生成和改进解决方案，从而提高提示性能。 DeepMind 的研究显示，OPRO 可以引导 LLM 优化其自身提示，即找到最大化特定任务响应准确性的提示，如 ChatGPT 和 PaLM。研究人员使用 PaLM 和 GPT 系列的多个 LLM 对该技术进行了评估，根据实验，所有模型都能通过迭代优化提高生成提示的性能。

据站长之家 11 月 15 日报道，谷歌云服务部今日宣布，为其全套管理型人工智能开发服务 Vertex AI 引入了新的数据存储位置功能。在诸如金融、医疗等受严格监管的行业中，企业通常需要将数据存储在产生数据的国家或地区。Google 公司介绍称，这一功能将允许客户指定使用 Vertex AI 处理的数据应存放在哪个国家或地区。目前被允许的国家包括美国、加拿大、日本、新加坡、韩国、荷兰、法国、英国、德国和比利时。 据悉，谷歌云首批推出的数据存储位置选择针对的是 Vertex AI 一系列预训练的生成式 AI 模型，包括类似于 GPT-4 的通用语言模型 PaLM-2，以及针对编码和图像生成等特定任务优化的专业神经网络。利用 Vertex AI，企业可以将这些神经网络集成到自己的应用程序中。

据机器之心 11 月 14 日报道，近日，专注于 AI 的 Vectara 平台发布大模型幻觉率排行榜。从榜单可以得知，GPT-4 的幻觉率最低，为 3%，而谷歌 Palm 的幻觉率高达 27.2%。 据悉，为了确定这个排行榜，Vectara 使用各种开源数据集对摘要模型进行了事实一致性研究，并训练了一个模型来检测 LLM 输出中的幻觉。他们使用了一个媲美 SOTA 模型，然后通过公共 API 向上述每个 LLM 输送了 1000 篇简短文档，并要求它们仅使用文档中呈现的事实对每篇文档进行总结。在这 1000 篇文档中，只有 831 篇文档被每个模型总结，其余文档由于内容限制被至少一个模型拒绝回答。利用这 831 份文件，Vectara 计算了每个模型的总体准确率和幻觉率。

Odaily星球日报讯 拉美数字金融企业Galactic Holdings宣布近日完成A轮融资，总金额达到625万美元。此次融资由Galaxy Interactive和Dragonfly领投，SHK等多家机构参与。资金注入将进一步推动Galactic Holdings旗下的TruBit钱包、TruBit Pro交易所以及墨西哥稳定币MMXN等子品牌在拉丁美洲市场发展，同时加速跨境支付服务在其他国家的拓展。 目前，TruBit已成功打通墨西哥、阿根廷、巴西等三大法币的合规通道，为用户提供直接通过银行转账进行买卖加密货币的服务；公司还推出了万事达加密货币预付卡，涵盖本地和跨境支付、现货和合约交易，以及大额场外交易等全方位的数字金融解决方案。（Cointelegraph） 此前4月消息，Galactic Holdings宣布完成1,000万美元的Pre-A轮融资。本轮由BAI Capital领投，Animoca Brands、Y2Z Ventures、Longling Capital、Head & Shoulders、TKX Digital Group、Perseverance Capital和Palm Drive Capital等参投。

金色财经报道，Polygon Labs在社交媒体上称，Palm Network已迁移至Polygon Chain开发套件(CDK)，未来将使用Polygon CDK构建。

据 IT 之家 10 月 20 日报道，斯坦福大学日前发布了 AI 基础模型“透明度指标”，其中显示指标最高的是 Meta 的 Lama 2，但相关“透明度”也只有 54%，因此研究人员认为，市面上几乎所有 AI 模型，都“缺乏透明度”。 据悉，这一研究是由 HAI 基础模型研究中心（CRFM）的负责人 Rishi Bommasani 所主导，调查了海外最流行的 10 款基础模型。Rishi Bommasani 认为，“缺乏透明度”一直是 AI 行业所面临的问题，在具体模型“透明度指标”方面，IT 之家发现，相关评估内容主要围绕“模型训练数据集版权”、“训练模型所用的运算资源”、“模型生成内容的可信度”、“模型自身能力”、“模型被诱导生成有害内容的风险”、“使用模型的用户隐私性”等展开，共计 100 项。 最终调查情况显示，Meta 的 Lama 2 以 54% 的透明度居冠，而 OpenAI 的 GPT-4 透明度只有 48%，谷歌的 PaLM 2 则以 40% 排名第五。