由数据扩展定律驱动的大语言模型（LLM）的表现出现使得选择培训数据的选择越来越重要。但是，现有的方法依赖于有限的启发式方法和人类直觉，缺乏全面而明确的准则。为了解决这个问题，我们受到``反向思维''的启发 - 促使LLMS自我识别哪些标准有益于其性能 ...

如Web 3.0的运动和即将推出的Web 4.0，World Wide Web正在加快其步伐成一个智能和分散的生态系统 ...

随着互联网的迅速增长，人类的日常生活已被深深地束缚在互联网上。为了利用Internet上的大量数据和信息，网络架构正在不断重新发明和升级。来自Web 1的静态信息特征 ...

智能合约对于分散融资（DEFI）和区块链生态系统至关重要，但由于编码错误和复杂的攻击向量而越来越容易受到利用的影响。传统的静态分析工具和现有的漏洞检测方法通常无法全面解决这些挑战，从而导致高阳性率和无法检测动态漏洞。本文介绍了Smartllm，这是一种新型方法，利用微调的美洲驼3 ...

联合学习（FL）可以实现协作模型培训，而无需共享原始数据，保留隐私，同时利用分布式数据集。但是，传统的FL系统通常依靠集中的聚合机制，引入信任问题，单点失败以及有限的机制来激励有意义的客户贡献。这些挑战被加剧为FL量表以训练资源密集型模型，例如大型语言模型（LLMS），需要可扩展的，分散的解决方案 ...

在这个时代，行业和工具利用率的重大转变是由AI/大型语言模型（LLM）驱动的以及机器学习的进步。越来越强调机器学习操作（MLOPS）用于管理和部署这些AI模型。同时，对富裕的智能合约和链上计算的必要性正在上升 ...

区块链生态系统的快速增长以及锁定智能合约的不断增长的价值需要强大的安全措施。尽管诸如坚固性和行动之类的语言旨在提高智能合同安全性，但漏洞仍然存在。本文介绍了Smartify，这是一种新型的多代理框架，利用大型语言模型（LLMS）自动检测和修复坚固性并移动智能合约的脆弱性 ...

近年来，生成的AI，特别是大型语言模型（LLM）的活动爆炸爆炸，彻底改变了各个领域的应用。智能合约漏洞检测也不例外。由于智能合约存在于公共连锁店，并且每天可能有数十亿美元的交易，因此脆弱性检测的持续改善至关重要。这导致许多研究人员调查了生成大语言模型（LLM）的用法，以帮助检测智能合约中的脆弱性 ...