همکاری Bittensor با دانشگاه هاروارد: Chutes مدل‌های هوش مصنوعی را بهینه می‌کندبه اطلاع می‌رسانیم که محتوای اصلی به زبان انگلیسی است. برخی از محتوای ترجمه‌شده ما ممکن است با استفاده از ابزارهای خودکار تولید شده باشد و ممکن است کاملاً دقیق نباشد. در صورت وجود هرگونه تناقض، نسخه انگلیسی ملاک خواهد بود.

همکاری Bittensor با دانشگاه هاروارد: Chutes مدل‌های هوش مصنوعی را بهینه می‌کند

By: WEEX|2026/03/13 03:00:00
0
اشتراک‌گذاری
copy

نکات کلیدی

  • یک تیم تحقیقاتی از دانشگاه هاروارد در حال استفاده از زیرشبکه Chutes در Bittensor برای آزمایش‌های دنیای واقعی جهت افزایش کارایی مدل‌های هوش مصنوعی است.
  • از طریق یک الگوریتم جدید کش پیشوندی، صرفه‌جویی‌های قابل توجهی در قدرت محاسباتی در معماری غیرمتمرکز حاصل شده است.
  • کاربران می‌توانند از طریق یک نقطه پایانی انتخابی، داده‌ها را برای تحقیقات ارائه دهند و در عوض تخفیف‌های قابل توجهی در استفاده خود دریافت کنند.

مقدمه

اخبار مربوط به اینکه پروتکل هوش مصنوعی غیرمتمرکز Bittensor با دانشگاه هاروارد همکاری می‌کند، سر و صدای زیادی در صنعت فناوری به پا کرده است. به طور خاص، این پلتفرم محاسباتی بدون سرور Chutes است که به عنوان زیرشبکه 64 در Bittensor اجرا می‌شود و اکنون با یک تیم تحقیقاتی از این دانشگاه مشهور همکاری می‌کند. قلب این همکاری، بهینه‌سازی استنتاج مدل‌های زبانی بزرگ (LLM) از طریق روش‌های پیشرفته کش‌گذاری است که به طور فزاینده‌ای شبکه‌های غیرمتمرکز را به رقیبی جدی برای ارائه‌دهندگان ابری تثبیت‌شده تبدیل می‌کند.

خرید TAO در WEEX

همکاری Bittensor با دانشگاه هاروارد: Chutes مدل‌های هوش مصنوعی را بهینه می‌کند

همکاری Chutes با هاروارد: جزئیات همکاری

در مارس 2026، تیم توسعه پشت پلتفرم هوش مصنوعی غیرمتمرکز رسماً اعلام کرد که Chutes با یک تیم تحقیقاتی از دانشگاه هاروارد همکاری می‌کند. تحت رهبری پروفسور Juncheng Yang، متخصص سیستم‌های ذخیره‌سازی کارآمد و یادگیری ماشین در دانشکده مهندسی و علوم کاربردی هاروارد، یک الگوریتم جدید در عملیات دنیای واقعی در حال آزمایش است.

برای ارائه داده‌های تولید کافی به این کار علمی، یک نقطه پایانی ویژه ایجاد شد. کاربران پلتفرم می‌توانند داوطلبانه در این برنامه شرکت کنند و به عنوان مشوقی برای ارائه داده‌های استنتاج خود، 25 درصد تخفیف قیمت دریافت کنند.

پیشرفت تکنولوژیک از طریق کش پیشوندی

هسته فنی این همکاری، به اصطلاح کش پیشوندی است. در طول تولید متن توسط مدل‌های زبانی بزرگ (LLM)، تلاش محاسباتی قابل توجهی ایجاد می‌شود، به ویژه در مرحله آماده‌سازی. همانطور که در انتشارات علمی درباره یادگیری کش پیشوندی برای استنتاج LLM تأیید شده است، با ذخیره و استفاده مجدد از بخش‌های متنی که قبلاً پردازش شده‌اند، می‌توان تأخیر و استفاده از سخت‌افزار را به شدت کاهش داد.

در عمل، اجرای این مفهوم منجر به افزایش کارایی قابل توجهی طبق گفته تحلیلگران جامعه SubnetEdge شده است. گفته می‌شود منابع محاسباتی مورد نیاز برای استنتاج در Chutes تا 60 درصد کاهش یافته است. این امر رقابت‌پذیری زیرساخت غیرمتمرکز را به شدت تقویت می‌کند.

اهمیت برای اکوسیستم Bittensor

این واقعیت که Chutes با هاروارد همکاری می‌کند، نه تنها یک نقطه عطف برای آن زیرشبکه خاص، بلکه سیگنالی قوی برای کل شبکه Bittensor است. زیرشبکه 64 خود را به عنوان یک پروژه زیرساختی اصلی برای اجرای مدل‌های هوش مصنوعی تثبیت کرده است.

تأیید این فناوری توسط یک مؤسسه آکادمیک نخبه مانند هاروارد ثابت می‌کند که شبکه‌های غیرمتمرکز به اندازه کافی بالغ هستند تا بارهای کاری پیچیده را به روشی کارآمد از نظر منابع پردازش کنند. از آنجایی که موقوفه دانشگاه هاروارد قبلاً تمایل خود را به دارایی‌های دیجیتال مانند بیت‌کوین نشان داده است، این همکاری به طور یکپارچه با پذیرش فزاینده فناوری‌های Web3 در بخش آکادمیک مطابقت دارد.

Architecture of the partnership Bittensor (TAO) x Subnet 64 (Chutes) x Harvard University – layer model from blockchain to user/developer.

نتیجه‌گیری

همکاری مستقیم بین دانشگاه هاروارد و زیرشبکه Chutes در Bittensor، یک نقطه عطف استراتژیک عظیم برای کل پروژه است. تحقیقات فعال یک مؤسسه آیوی لیگ، اعتبار فوق‌العاده‌ای به بخش غیرمتمرکز می‌بخشد. با این کار، شبکه به طور چشمگیری ثابت می‌کند که زیرساخت‌های مبتنی بر بلاک‌چین اکنون می‌توانند به طور جدی با غول‌های ابری تثبیت‌شده برای تسلط بر بازار هوش مصنوعی رقابت کنند.


سوالات متداول (FAQ)

اخبار همکاری Bittensor با دانشگاه هاروارد به چه معناست؟

پلتفرم Chutes (زیرشبکه 64 در Bittensor) در حال همکاری با یک تیم تحقیقاتی هاروارد برای افزایش کارایی محاسباتی مدل‌های زبانی بزرگ هوش مصنوعی است.

کاربران چگونه از همکاری Chutes با هاروارد سود می‌برند؟

کسانی که داوطلبانه داده‌های خود را برای تحقیق به اشتراک می‌گذارند، 25٪ تخفیف دریافت می‌کنند. در درازمدت، این بهینه‌سازی زیرساخت هوش مصنوعی سریع‌تر و ارزان‌تری را تضمین می‌کند.

کش پیشوندی دقیقاً چیست؟

یک روش بهینه‌سازی که ورودی‌های هوش مصنوعی تکراری را کش می‌کند. از آنجایی که این موارد نیازی به محاسبه مجدد در هر بار ندارند، مقدار زیادی زمان و قدرت محاسباتی صرفه‌جویی می‌شود.


WEEX | ستاره در حال ظهور صرافی‌های ارز دیجیتال در منطقه DACH

WEEX امنیت، نوآوری و جامعه را با ویژگی‌هایی برای مبتدیان و حرفه‌ای‌ها ترکیب می‌کند:

امنیت و حفاظت

معامله و کسب درآمد

مزایا و پاداش‌ها

روندهای فعلی را در WEEX Spot کشف کنید و همین حالا شروع کنید: همین حالا ثبت‌نام کنید

سلب مسئولیت – اطلاعیه حقوقی از صرافی WEEX

WEEX و شرکت‌های وابسته به آن خدمات تبادل دارایی‌های دیجیتال، از جمله مشتقات و معاملات مارجین را تنها در جایی که قانونی است و به کاربران واجد شرایط ارائه می‌دهند. تمام محتوا اطلاعات عمومی است، نه مشاوره مالی – قبل از معامله به دنبال مشاوره مستقل باشید. معامله ارزهای دیجیتال شامل ریسک بالایی است و می‌تواند منجر به ضرر کامل شود. با استفاده از خدمات WEEX، شما تمام ریسک‌ها و شرایط مرتبط را می‌پذیرید. هرگز بیش از آنچه می‌توانید از دست بدهید، سرمایه‌گذاری نکنید. اطلاعات بیشتر را می‌توانید در شرایط خدمات و هشدار ریسک معاملات آتی ما بیابید.

WEEX را در شبکه‌های اجتماعی دنبال کنید:

X: @WEEX_Official 
Instagram: @WEEX Exchange 
TikTok: @weex_global 
YouTube: @WEEX_official 
Discord: WEEX Community 
Telegram: WeexGlobal Group

iconiconiconiconiconicon
پشتیبانی مشتری:@weikecs
همکاری تجاری:@weikecs
معاملات کمّی و بازارسازی:bd@weex.com
برنامه VIP:support@weex.com