科技行者 5月8日 北京消息 区块链是一套以几乎无法伪造或篡改的方式构建而成的数据存储数学架构,可用于存储各类有价值数据。
比特币的神秘缔造者中本聪曾表示,“我一直在研究一种完全对等的新型电子现金系统,其中不存在第三方信托机构。”在2008年10月的一封群发邮件中,他做出了这样的解释。邮件中还包含一份9页的白皮书,其中描述了一些可能会对现有金融技术体系带来颠覆的内容。
中本聪于2009年1月发布了第一批比特币,随之而来就是加密货币时代的来临。尽管其起源非常模糊,却证明了现在所谓的区块链技术确实拥有实际执行能力。中本聪将现有的密码学工具与数十年内计算机科学研究当中得出的方法加以结合,使得公共网络中的参与者不必依赖于信托机构,而是能够通过反复共识共享的账目中反映的真相。如此一来,人们几乎不可能重复花费同一枚比特币,这就解决了以往阻碍数字现金真正普及的根本问题。更重要的是,区块链的出现还消除了以中央组织作为电子货币交易调解方的需求。
Gawker曾发布一篇文章曝光“丝绸之路”地下市场利用比特币进行毒品交易,而这一消息于2011年使得比特币的受欢迎程度开始迅速增长。此时,“altcoins”模拟器亦开始出现,其通常直接使用比特币的源代码。在两年之内,流通中比特币的总价值已经超过10亿美元。
此后,技术专家们意识到区块链也可用于追踪资金之外的其它事物。2013年,19岁的Vitalik Buterin提出了以太坊(ETH)——其不仅能够记录货币交易,同时亦可记录被称为智能合约的计算机程序状态。以太坊于2015年正式上线,现已拥有众多竞争对手与模仿者。其有望在下一代应用程序当中提供与现有应用类似的使用体验,但却通过去中心化加密货币网络——而非中央服务器——作为资源支持。
1. 交易的诞生
在比特币中,交易的本质在于将加密货币由一个人(Alice)转移至另一个人(Bob)处。在以太坊中,其提供多种可用于实现自动交易的内置编程语言。Alice可以向Bob发送加密货币; 其他人也可以在区块链上部署一行代码,这就是智能合约。在此之后,Alice与Bob可以将资金汇给该程序控制的账户,以便在满足合约中的某些条件时触发运行,即实际完成资金转移。此外,智能合约还可以将交易发送至其所嵌入的区块链内。
2. 将交易广播至对等网络
还是老例子,Alice打算给Bob点钱。为此,Alice在自己的计算机上创建了一项交易,该交易必须参考过去在交易中获取的资金以执行下一步操作,同时亦要求具有Alice的私钥以及Bob的账户地址。在此之后,该交易将被发送至网络中的其它计算机或“节点”。只要此项交易遵循适当的规则,各节点就会对该交易进行验证。此后,采矿节点(第3步中将详细介绍)将接受新交易,并将其作为新区块中的一部分。
3. 创建新区块的竞赛
被称为矿工的各节点子集将有效交易组成被称为区块的列表。当前区块当中包含最近的有效交易列表以及对前一个区块的加密引用。在比特币以及以太坊这样的区块链系统当中,矿工们竞相创建新的区块——这项工作是一个解决劳动密集型数学难题的过程,且每个新区块都是独一无二的。解决这一难题的首位矿工能够获得一些加密货币作为奖励。该数据难题的本质在于随机猜测一个叫做“随机数”的数字。随机数与区块中的其它数据相结合以创建出经过加密的数字指纹,也就是哈希值。
4. 完成一个新区块
哈希值必须满足一定的条件; 如果不满足,那么矿工会尝试另一个随机数,而后再次计算哈希值。一般来讲,矿工需要进行大量尝试才能找到有效的哈希结果。这一过程的存在使得分类账极难修改,意味着黑客基本无法对区块进行篡改。虽然一部分区块链实体也在利用其它系统保护其链体,但上述被称为“工作证明”的方法才是最根本的安全实现方案。
5. 向区块链中添加新区块
这是实现分类账的最后一步。当某采矿节点成为第一个解决新区块加密问题的计算方时,其会将该区块发送至网络的其余部分接受审查,进而获得奖励数字代币。采矿难度以硬编码形式存在于区块链协议当中; 比特币与以太坊在设计上,强调随着时间的推移解决问题的难度也将逐步增加。由于每个区块亦包含对前一区块的引用,因此这些区块在数学层面被链接在一起。若要对较早的区块进行修改,则需要重复区块链内所有后续区块的工作证明过程。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。