Recientemente, @carv_official publicado un conjunto de marcos y estándares de D.A.T.A. Como su nombre indica, G.A.M.E de Virtual es un marco de desarrollo e implementación centrado en escenarios de juego, mientras que D.A.T.A es un marco de datos para escenarios generales de "cadena", que resuelve principalmente el problema de mejorar las capacidades de interacción de datos de los agentes de IA, como el procesamiento de datos entre cadenas de bloques, la computación de privacidad y la toma de decisiones automatizada. Hablemos de la comprensión de D.A.T.A en comparación con el marco G.A.M.E:
El marco G.A.M.E proporcionado por @virtuals_io es un agente de IA que ayuda a los desarrolladores a crear escenarios de juego que pueden planificar acciones y tomar decisiones de forma independiente. Su objeto de servicio principal es el modelo grande de LLM.
Permite que los grandes modelos tomen decisiones autónomas y planifiquen acciones según la entrada en lenguaje natural, a través de un conjunto de planificadores de alto nivel (HLP) y planificadores de bajo nivel (LLP) afinados, donde HLP formula estrategias y tareas, y LLP convierte las tareas en acciones concretas ejecutables. Finalmente, permite a los desarrolladores construir y desplegar rápidamente agentes de IA modularizados para entornos de producción. Por ejemplo, proporcionar decisiones inteligentes para NPC o jugadores en juegos.
Por el contrario, el marco D.A.T.A proporcionado por CARV es una infraestructura de datos para escenarios generales que tiene como objetivo proporcionar soporte de datos de alta calidad en la cadena y fuera de la cadena para los agentes de IA. Su principal objetivo es la capacidad de comunicación e interacción de datos entre cadenas de AI Agentes.
Como una cadena pública general modular y altamente escalable, su cadena SVM ha introducido un protocolo de estandarización de datos entre cadenas, lo que permite que el Agente de IA acceda y procese de manera unificada los datos de diferentes cadenas de bloques, al tiempo que el mecanismo de verificación y rastreo de la cadena de bloques garantiza la seguridad de los datos durante su transmisión y procesamiento. Además, la aplicación de la tecnología TEE y ZK asegura la privacidad. No es difícil ver que CARV define principalmente un mecanismo de adaptación e interacción entre cadenas para las operaciones de AI Agent.
¿Cómo hacerlo específicamente? El ecosistema CARV se adapta a la interacción entre cadenas para AI Agent, dividido principalmente en cuatro componentes principales: SVM Chain, marco de datos D.A.T.A, CARV_ID, CARV_Labs; ver la documentación para referencia.
SVM Chain proporciona la infraestructura básica de la cadena de bloques, que incluye el procesamiento de transacciones interconectadas, el soporte para la ejecución de contratos inteligentes, el mantenimiento del mecanismo de consenso y otras funciones básicas, que son necesarias para el funcionamiento normal del marco D.A.T.A.
El marco y los estándares D.A.T.A. incluyen la estandarización de datos entre cadenas, la agregación y el procesamiento de datos, el soporte de cálculo de privacidad, etc. Durante el proceso, se obtienen datos originales de SVM Chain y se vinculan mediante el sistema de identificación ID y el sistema de identidad de Agent, para finalmente generar datos estandarizados a nivel de aplicación.
3、El sistema de gestión de identidad CARV_ID, implementado en base al estándar ERC7231, incluye principalmente la identificación de AI Agent, autenticación de identidad, gestión de permisos, autorización de datos, etc., y trabaja en colaboración con el sistema de marco D.A.T.A para la gestión de datos.
4, CARV_Labs, principalmente a través de incubación de proyectos, implementación de aplicaciones ecológicas y apoyo a la innovación tecnológica, proporciona soporte básico para la implementación de la aplicación AI Agent, permitiendo que las aplicaciones AI Agent apoyadas por otros marcos tecnológicos puedan ser realmente implementadas.
En resumen, se puede ver claramente que la forma en que CARV ingresa al campo de los Agentes de Inteligencia Artificial es aprovechar su ventaja innata de estructura en cadena, aprovechar el 'punto funcional' de procesamiento de datos en la cadena y fuera de la cadena necesario para el funcionamiento normal del Agente de Inteligencia Artificial, agregando datos, definiendo estándares de datos, construyendo mecanismos de validación y rastreo de datos, lo que hace que CARV se convierta en una arquitectura de blockchain que puede ejecutar un Agente de Inteligencia Artificial.
Existe una diferencia esencial entre el marco G.A.M.E y D.A.T.A, uno profundiza en las capacidades autónomas de toma de decisiones y ejecución de acciones del agente de IA en la escena del juego, de modo que el agente de IA puede comprender de manera más eficiente la entrada del lenguaje natural y traducirla en acciones en la escena del juego, y el otro se extiende a ambos lados del entorno multicadena, tratando de guiarse por las necesidades de encadenamiento del agente de IA, tomando los "datos" como punto de entrada, lo que convierte a CARV en una cadena de infraestructura general que sirve primero al agente de IA.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Descifrando el marco D.A.T.A: ¿Cómo reconstruir el ecosistema de interacción multi-cadena?
Escrito por Haotian
Recientemente, @carv_official publicado un conjunto de marcos y estándares de D.A.T.A. Como su nombre indica, G.A.M.E de Virtual es un marco de desarrollo e implementación centrado en escenarios de juego, mientras que D.A.T.A es un marco de datos para escenarios generales de "cadena", que resuelve principalmente el problema de mejorar las capacidades de interacción de datos de los agentes de IA, como el procesamiento de datos entre cadenas de bloques, la computación de privacidad y la toma de decisiones automatizada. Hablemos de la comprensión de D.A.T.A en comparación con el marco G.A.M.E:
Permite que los grandes modelos tomen decisiones autónomas y planifiquen acciones según la entrada en lenguaje natural, a través de un conjunto de planificadores de alto nivel (HLP) y planificadores de bajo nivel (LLP) afinados, donde HLP formula estrategias y tareas, y LLP convierte las tareas en acciones concretas ejecutables. Finalmente, permite a los desarrolladores construir y desplegar rápidamente agentes de IA modularizados para entornos de producción. Por ejemplo, proporcionar decisiones inteligentes para NPC o jugadores en juegos.
Por el contrario, el marco D.A.T.A proporcionado por CARV es una infraestructura de datos para escenarios generales que tiene como objetivo proporcionar soporte de datos de alta calidad en la cadena y fuera de la cadena para los agentes de IA. Su principal objetivo es la capacidad de comunicación e interacción de datos entre cadenas de AI Agentes.
Como una cadena pública general modular y altamente escalable, su cadena SVM ha introducido un protocolo de estandarización de datos entre cadenas, lo que permite que el Agente de IA acceda y procese de manera unificada los datos de diferentes cadenas de bloques, al tiempo que el mecanismo de verificación y rastreo de la cadena de bloques garantiza la seguridad de los datos durante su transmisión y procesamiento. Además, la aplicación de la tecnología TEE y ZK asegura la privacidad. No es difícil ver que CARV define principalmente un mecanismo de adaptación e interacción entre cadenas para las operaciones de AI Agent.
SVM Chain proporciona la infraestructura básica de la cadena de bloques, que incluye el procesamiento de transacciones interconectadas, el soporte para la ejecución de contratos inteligentes, el mantenimiento del mecanismo de consenso y otras funciones básicas, que son necesarias para el funcionamiento normal del marco D.A.T.A.
El marco y los estándares D.A.T.A. incluyen la estandarización de datos entre cadenas, la agregación y el procesamiento de datos, el soporte de cálculo de privacidad, etc. Durante el proceso, se obtienen datos originales de SVM Chain y se vinculan mediante el sistema de identificación ID y el sistema de identidad de Agent, para finalmente generar datos estandarizados a nivel de aplicación.
3、El sistema de gestión de identidad CARV_ID, implementado en base al estándar ERC7231, incluye principalmente la identificación de AI Agent, autenticación de identidad, gestión de permisos, autorización de datos, etc., y trabaja en colaboración con el sistema de marco D.A.T.A para la gestión de datos.
4, CARV_Labs, principalmente a través de incubación de proyectos, implementación de aplicaciones ecológicas y apoyo a la innovación tecnológica, proporciona soporte básico para la implementación de la aplicación AI Agent, permitiendo que las aplicaciones AI Agent apoyadas por otros marcos tecnológicos puedan ser realmente implementadas.
En resumen, se puede ver claramente que la forma en que CARV ingresa al campo de los Agentes de Inteligencia Artificial es aprovechar su ventaja innata de estructura en cadena, aprovechar el 'punto funcional' de procesamiento de datos en la cadena y fuera de la cadena necesario para el funcionamiento normal del Agente de Inteligencia Artificial, agregando datos, definiendo estándares de datos, construyendo mecanismos de validación y rastreo de datos, lo que hace que CARV se convierta en una arquitectura de blockchain que puede ejecutar un Agente de Inteligencia Artificial.
Existe una diferencia esencial entre el marco G.A.M.E y D.A.T.A, uno profundiza en las capacidades autónomas de toma de decisiones y ejecución de acciones del agente de IA en la escena del juego, de modo que el agente de IA puede comprender de manera más eficiente la entrada del lenguaje natural y traducirla en acciones en la escena del juego, y el otro se extiende a ambos lados del entorno multicadena, tratando de guiarse por las necesidades de encadenamiento del agente de IA, tomando los "datos" como punto de entrada, lo que convierte a CARV en una cadena de infraestructura general que sirve primero al agente de IA.