🎉【Gate 3000万纪念】晒出我的Gate时刻,解锁限量好礼!
Gate用户突破3000万!这不仅是数字,更是我们共同的故事。
还记得第一次开通账号的激动,抢购成功的喜悦,或陪伴你的Gate周边吗?
📸 参与 #我的Gate时刻# ,在Gate广场晒出你的故事,一起见证下一个3000万!
✅ 参与方式:
1️⃣ 带话题 #我的Gate时刻# ,发布包含Gate元素的照片或视频
2️⃣ 搭配你的Gate故事、祝福或感言更佳
3️⃣ 分享至Twitter(X)可参与浏览量前10额外奖励
推特回链请填表单:https://www.gate.com/questionnaire/6872
🎁 独家奖励:
🏆 创意大奖(3名):Gate × F1红牛联名赛车模型一辆
👕 共创纪念奖(10名): 国际米兰同款球员卫衣
🥇 参与奖(50名):Gate 品牌抱枕
📣 分享奖(10名):Twitter前10浏览量,送Gate × 国米小夜灯!
*海外用户红牛联名赛车折合为 $200 合约体验券,国米同款球衣折合为 $50 合约体验券,国米小夜灯折合为 $30 合约体验券,品牌抱枕折合为 $20 合约体验券发放
🧠 创意提示:不限元素内容风格,晒图带有如Gate logo、Gate色彩、周边产品、GT图案、活动纪念品、活动现场图等均可参与!
活动截止于7月25日 24:00 UTC+8
3
Manus突破性成绩引发AI发展路径与安全争议 FHE或成Web3关键解决方案
Manus在GAIA基准测试中取得突破性成绩
近期,Manus在GAIA基准测试中取得了突破性的成绩,其性能超越了同层次的大型语言模型。这意味着Manus能够独立完成复杂的任务,如跨国商业谈判,涉及合同条款分解、策略预判、方案生成,甚至协调法务和财务团队。
Manus的优势主要体现在三个方面:动态目标拆解能力、跨模态推理能力以及记忆增强学习能力。它能将大型任务分解成数百个可执行子任务,同时处理多种类型的数据,并通过强化学习不断提升自身决策效率,降低错误率。
这一进展再次引发了业内对AI演化路径的讨论:未来是AGI一统天下,还是MAS协同主导?Manus的设计理念暗含两种可能性:一是通过持续提升单体智能水平,逼近人类综合决策能力的AGI路径;二是作为超级协调者,指挥数千个垂直领域Agent协同作战的MAS路径。
这场争论实际上反映了AI发展中效率与安全如何平衡的核心矛盾。单体智能越接近AGI,其决策黑箱化风险越高;而多Agent协同虽能分散风险,却可能因通信延迟错失关键决策时机。
Manus的进化也放大了AI发展的固有风险,如数据隐私、算法偏见和对抗攻击等问题。例如,在医疗场景中,Manus需要实时访问患者基因组数据;在金融谈判时,可能触及企业未公开财报信息。在招聘谈判中,可能对特定族裔候选人给出低于平均水平的薪资建议;在法律合同审核时,对新兴行业条款的误判率可能接近一半。此外,黑客还可能通过植入特定语音频率,使Manus在谈判中误判对手报价区间。
这些挑战凸显了一个严峻的现实:越智能的系统,其攻击面也越广。
在Web3领域,安全一直是备受关注的话题。基于V神提出的不可能三角(区块链网络无法同时实现安全性、去中心化和可扩展性)框架,衍生出了多种加密方式:
零信任安全模型:核心理念是"不信任任何人,总是进行验证",强调对每个访问请求进行严格的身份验证和授权。
去中心化身份(DID):一套标识符标准,使实体能够以可验证和持久的方式获得识别,无需集中式注册表。
全同态加密(FHE):允许在不解密数据的情况下,对加密数据执行任意计算,适用于云计算和数据外包等场景。
其中,全同态加密被认为是解决AI时代安全问题的有力工具。它可以在以下几个层面发挥作用:
数据层面:用户输入的所有信息(包括生物特征、语音语调)在加密状态下被处理,连AI系统自身也无法解密原始数据。
算法层面:通过FHE实现"加密模型训练",连开发者都无法窥探AI的决策路径。
协同层面:多个Agent通信采用门限加密,单个节点被攻破不会导致全局数据泄露。
在Web3安全领域,一些项目已经开始探索这些技术:
尽管这些安全项目可能不如一些投机性项目受关注,但它们对于构建安全的Web3生态系统至关重要。
随着AI技术不断接近人类智能水平,非传统的防御体系变得越发重要。FHE等技术不仅能解决当前的安全挑战,还为未来的强AI时代奠定基础。在通向AGI的道路上,这些安全技术不再是可选项,而是生存的必需品。