Trí tuệ nhân tạo sẽ nhanh chóng chuyển từ các tác nhân đàm thoại sang các tác nhân tự trị thực hiện các quy trình kinh doanh phức tạp. Khi các doanh nghiệp đang nghiên cứu việc triển khai chúng, vấn đề chính vẫn chưa được giải quyết là làm thế nào để đánh giá chính xác liệu một tác nhân AI có sẵn sàng cho việc sử dụng trong hoạt động thực tế hay không. Tại giao lộ của trí tuệ nhân tạo (AI) và tài chính thị trường, <a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank">Pantera Capital và bộ phận tài sản kỹ thuật số của Franklin Templeton</a> đã cùng tham gia vào nhóm đầu tiên của Arena, một môi trường thử nghiệm AI được phát triển bởi công ty AI mã nguồn mở <a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">Sentient Labs.</a> Arena không chỉ đơn thuần là một hồ sơ công khai về kết quả; nó còn đóng vai trò là một điểm chuẩn để so sánh phong cách vận hành của các mô hình sản xuất và so sánh hiệu suất của từng mô hình (ví dụ: một tác nhân AI phải xử lý nhiều nguồn thông tin đa dạng, một số trong đó có thể mâu thuẫn), về cách chúng tạo ra các luận điểm phân nhánh. Nhiều công ty đang thay đổi cách họ định nghĩa và đánh giá sự sẵn sàng của AI để đưa vào sản xuất. Khách hàng ngày càng tập trung hơn vào hiệu suất của AI trong điều kiện vận hành thực tế. Ví dụ, khách hàng đánh giá mức độ AI sẽ hoạt động tốt như thế nào nếu có các ràng buộc về thời gian hoặc dữ liệu bị suy giảm kể từ lần kiểm tra điểm chuẩn gần nhất.<h2>Vấn đề đánh giá điểm chuẩn trong doanh nghiệp</h2>Phần lớn các khuôn khổ đánh giá AI hiện tại phụ thuộc vào các phép đo dựa trên các bộ dữ liệu chính xác, chẳng hạn như đánh giá khả năng suy luận, thử thách lập trình và nhiệm vụ truy xuất thông tin. Những bộ dữ liệu này phục vụ một mục đích hữu ích, nhưng trong hầu hết các trường hợp, chúng không thể tái tạo chính xác môi trường doanh nghiệp. Sự phức tạp của thế giới chuyên nghiệp tạo ra một môi trường thử nghiệm khả năng của mô hình để quản lý các tài nguyên sau: đánh giá quy trình làm việc có cấu trúc thay vì thử nghiệm trong môi trường phòng thí nghiệm; hàng ngàn trang tài liệu; các chỉ thị hoặc hướng dẫn phức tạp; các luật hoặc chỉ thị lỗi thời/không nhất quán; dữ liệu một phần/thiếu; các lo ngại về pháp lý/quy định. Các bài kiểm tra điểm chuẩn trên mô hình thường không thể đánh giá liệu một đánh giá cấp doanh nghiệp có thể đưa ra một kết luận có thể bảo vệ được với tài liệu không hoàn hảo hay không. Arena cung cấp giải pháp ban đầu bằng cách phát triển và giới thiệu một đánh giá quy trình làm việc có cấu trúc sẽ hỗ trợ mô hình dựa trên việc hỗ trợ các quy trình kinh doanh hiện có thay vì thông qua thử nghiệm mô hình AI trong phòng thí nghiệm nghiên cứu.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">Nguồn: Tác giả<h2>Điều gì làm nên sự khác biệt của Arena</h2><a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> đang tạo ra một môi trường điểm chuẩn để đánh giá năng suất AI với phương pháp tiếp cận theo kiểu sản xuất. Thay vì sử dụng các lời nhắc riêng lẻ làm đánh giá cho các tác nhân, các đánh giá sử dụng các tác vụ được tiêu chuẩn hóa dựa trên cách các công ty lớn hoạt động. Các đánh giá mô phỏng các điều kiện mà các doanh nghiệp đang hoạt động ngày nay, chẳng hạn như: -So sánh đa tài liệu-Trích xuất thông tin chi tiết có cấu trúc từ các tài liệu dài-Điều hòa nhiều nguồn thông tin mâu thuẫn-Hoạt động trong tình trạng thiếu/không đầy đủ thông tin-Khả năng tạo ra kết quả có thể kiểm toán được. Thay vì chỉ tập trung vào độ chính xác khi đánh giá các tác nhân, phương pháp này cung cấp một góc độ vận hành. Nói một cách thực tế, nếu một tác nhân có thể tạo ra khả năng suy luận một cách nhất quán theo thời gian bằng cách sử dụng phân tích dạng dài, họ sẽ có thể tái tạo cùng một logic đó khi hoạt động trong các ràng buộc của thế giới thực (không bao gồm các biến số ảnh hưởng đến hiệu suất từ một lời nhắc riêng lẻ). Việc phát triển các điểm chuẩn thông qua các quy trình kinh doanh sẽ cho phép Sentient Labs tạo ra các điểm chuẩn định nghĩa “khả năng suy luận sẵn sàng sản xuất” thực sự là gì.<h2>Tại sao sự tham gia của Pantera Capital báo hiệu sự quan tâm của các tổ chức</h2>Pantera Capital đã khẳng định mình là một nhà đầu tư vào cơ sở hạ tầng blockchain, các giao thức tài chính phi tập trung và các công nghệ tiền điện tử mới nổi. Sự tham gia của họ vào Arena thể hiện mức độ quan tâm từ các công ty đầu tư mạo hiểm trong việc giám sát sự phát triển của các tác nhân AI đang trưởng thành đặc biệt cho các hoạt động tài chính chuyên sâu về tài liệu. Các công ty đầu tư thường xuyên làm việc với: <ol><li data-list="bullet">Sách trắng kỹ thuật</li><li data-list="bullet">Mô hình kinh tế token</li><li data-list="bullet">Khuôn khổ quản trị</li><li data-list="bullet">Đánh giá rủi ro</li><li data-list="bullet">Hồ sơ quy định</li><li data-list="bullet">Tài liệu thẩm định</li></ol> Các tác nhân AI có khả năng phân tích và tổng hợp các tài liệu này sẽ tiết kiệm được rất nhiều thời gian cho các công ty; tuy nhiên, mức độ chấp nhận lỗi là tối thiểu. Nhóm người tham gia ban đầu vào Arena không đòi hỏi cam kết vốn liên quan đến chương trình nhưng thể hiện cam kết giúp định nghĩa khuôn khổ điểm chuẩn và hệ sinh thái nhà phát triển. Đối với các công ty đầu tư mạo hiểm, việc có ảnh hưởng sớm đến các tiêu chuẩn được sử dụng để đánh giá các công cụ AI mang lại cơ hội để có được cái nhìn chiến lược về những công cụ AI nào có thể bổ sung cho hoạt động của các danh mục đầu tư trong tương lai của họ.<h2>Bộ phận tài sản kỹ thuật số của Franklin Templeton và AI vận hành</h2>Với sự đổ bộ của các sản phẩm đầu tư dựa trên blockchain và tài sản được token hóa, Franklin Templeton đã phát triển mối quan hệ ngày càng tăng giữa thế giới các nhà quản lý đầu tư truyền thống và các quy trình tự động hóa dựa trên AI thông qua sự kết hợp của bộ phận tài sản kỹ thuật số của họ với Arena. Khi họ kinh doanh với nhiều nhà quản lý tài sản, bộ phận tài sản kỹ thuật số của Franklin Templeton phải tiếp cận việc làm việc với các giải pháp AI trong các môi trường được quản lý chặt chẽ. Các nhà quản lý tài sản xử lý một lượng lớn tài liệu quy định, chẳng hạn như: <ol><li data-list="bullet">Bản cáo bạch quỹ</li><li data-list="bullet">Thông tin công bố rủi ro</li><li data-list="bullet">Tài liệu tuân thủ</li><li data-list="bullet">Hồ sơ kiểm toán</li><li data-list="bullet">Tài liệu nghiên cứu thị trường</li></ol> Trong môi trường được quản lý, các nhà quản lý tài sản mong đợi độ tin cậy cực cao từ các hệ thống AI. Nếu một nhà quản lý tài sản hiểu sai một quy tắc tuân thủ hoặc bỏ sót một vấn đề quy định, họ có thể phải chịu những hình phạt tiền tệ đáng kể.Làm việc trước với Arena, bộ phận tài sản kỹ thuật số của Franklin Templeton hiện đã được định vị để chính thức thiết lập các hướng dẫn phù hợp để kết hợp khả năng suy luận của AI vào một môi trường được quản lý chặt chẽ trước khi triển khai hoàn chỉnh các hệ thống AI.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">Nguồn: Tác giả<h2>Xác định khả năng suy luận sẵn sàng sản xuất</h2>Theo Oleg Golev, giám đốc sản phẩm của Sentient Labs, các nhà phát triển của Arena tiếp tục hỗ trợ Arena bằng cách cùng nhau định hình một quy trình suy luận AI sẵn sàng sản xuất là gì cho các khối lượng công việc tài liệu nặng như phân tích, tuân thủ và quy trình vận hành.&nbsp; AI sẵn sàng sản xuất là có các khả năng sau:&nbsp; - Tính nhất quán khi thực hiện lặp lại các tác vụ tương tự&nbsp;- Đường dẫn suy luận có thể truy vết&nbsp;- Khả năng chống lại việc tạo ra kết quả/giả định không chính xác&nbsp;- Thừa nhận rằng có sự không chắc chắn trong mọi quyết định&nbsp;- Giữ lại thông tin từ ngữ cảnh qua các đầu vào dài&nbsp; Như chúng ta có thể thấy ở trên, các kiểm tra về cách các doanh nghiệp tạo ra một giải pháp dựa trên AI không thể chỉ dựa vào độ lưu loát. Các doanh nghiệp cũng phải cung cấp bằng chứng về một chuỗi suy luận có thể truy vết đằng sau mỗi giải pháp dựa trên AI.&nbsp; Trong nhiều trường hợp (ví dụ: tài chính), một doanh nghiệp sẽ yêu cầu bằng chứng tài liệu có thể chứng minh các quyết định. Khuôn khổ Arena tìm cách đảm bảo rằng nó không chỉ đo lường kết quả đầu ra của tác nhân và/hoặc giải pháp, mà còn đo lường cách tác nhân đạt được giải pháp của mình; từ đó cho phép khả năng kiểm toán trong doanh nghiệp.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">Nguồn: Tác giả<h2>Tại sao tài liệu dài và nguồn mâu thuẫn là các bài kiểm tra quan trọng</h2>Nhiều dự án doanh nghiệp liên quan đến việc tập hợp một số tài liệu không phải lúc nào cũng phù hợp. Ví dụ, nếu bạn đang thực hiện đánh giá tuân thủ, bạn có thể cần so sánh: <ol><li data-list="bullet">Khuôn khổ pháp lý.</li><li data-list="bullet">Các chính sách nội bộ của công ty bạn.</li><li data-list="bullet">Thỏa thuận tiết lộ thông tin của khách hàng.</li><li data-list="bullet">Diễn giải pháp lý bên ngoài.</li></ol> Mỗi tài liệu này có thể chứa thông tin không nhất quán, nhưng tất cả chúng cũng có thể có một số điểm chung trong nội dung của chúng. Để làm việc trong một lĩnh vực mơ hồ như vậy, các tác nhân AI sẽ cần thực hiện những điều sau: <ol><li data-list="bullet">Xác định bất kỳ mâu thuẫn nào.</li><li data-list="bullet">Xác định bất kỳ rủi ro nào có thể có.</li><li data-list="bullet">Tránh đưa ra bất kỳ giả định quá tự tin nào.</li><li data-list="bullet">Nâng cấp bất kỳ diễn giải không rõ ràng nào.</li></ol> Arena đã xây dựng khuôn khổ điểm chuẩn của mình để bao gồm các tài liệu dài với nguồn thông tin cạnh tranh như một sự việc diễn ra thường xuyên trong hoạt động hàng ngày của một doanh nghiệp. Kiểm tra cũng có thể được thực hiện đối với các loại tình huống này để xem liệu hệ thống AI có thể quản lý có trách nhiệm các tình huống mơ hồ hay không; không chỉ đơn thuần là tạo văn bản hấp dẫn.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">Nguồn: Tác giả<h2>Tham gia chiến lược không cần cam kết vốn</h2>Một trong những yếu tố chính của sáng kiến này là các công ty tham gia không đưa ra tuyên bố công khai về đầu tư tài chính liên quan đến Arena. Thay vào đó, sự tham gia của họ vào việc thiết lập hệ sinh thái đánh giá là quan trọng nhất. Điều này cho thấy một phương pháp tiếp cận có chủ ý của các tổ chức trong việc áp dụng công nghệ AI. Thay vì nhanh chóng triển khai chúng, các tổ chức đang tập trung vào: - Phát triển các tiêu chuẩn- Đánh giá rủi ro- Hợp tác với các nhà phát triển- Tiến hành các thí nghiệm có kiểm soátChiến lược này giảm thiểu rủi ro đồng thời cho phép truy cập thông tin kịp thời về hiệu suất của hệ thống AI trong môi trường vận hành.Chiến lược này cũng xác nhận niềm tin rằng bản thân các khuôn khổ điểm chuẩn đang được phát triển như một cơ sở hạ tầng chiến lược. <h2>Các tác nhân AI và tương lai của quy trình làm việc tài chính</h2>Sự hội tụ tài sản kỹ thuật số và trí tuệ nhân tạo tiếp tục tăng tốc với tốc độ cực kỳ nhanh chóng. Thị trường tài chính liên tục hướng tới việc định hướng dữ liệu nhiều hơn, chuyên sâu về tài liệu và kết nối toàn cầu. Sự ra đời của công nghệ blockchain bổ sung thêm một cấp độ phức tạp khác cho các thực thể này bằng cách cung cấp các hợp đồng thông minh, chứng khoán được token hóa và cấu trúc quản trị phi tập trung. Các tác nhân trí tuệ nhân tạo (AI) có thể phân tích chính xác các môi trường nói trên sẽ có thể thực hiện nhiều tác vụ, bao gồm: <ol><li data-list="bullet">Giám sát các đề xuất quản trị</li><li data-list="bullet">Đánh giá các thông tin công bố của hợp đồng thông minh</li><li data-list="bullet">Tự động hóa việc so sánh tuân thủ giữa các khu vực pháp lý</li><li data-list="bullet">Soạn thảo bản ghi nhớ đầu tư có cấu trúc</li><li data-list="bullet">Xác định sự không nhất quán về rủi ro trên các bộ dữ liệu</li></ol> Để có thể triển khai các hệ thống AI này, trước tiên chúng ta phải cảm thấy thoải mái với khả năng suy luận của chúng.Arena đang được phát triển như một địa điểm để đánh giá thực tế các hệ thống AI trong một môi trường an toàn trước khi tích hợp vào thế giới thực.<h2>Một bước ngoặt trong đánh giá AI cho doanh nghiệp</h2>Khi các tác nhân AI chuyển đổi từ giai đoạn thử nghiệm sang sử dụng trong hoạt động thực tế, cần có sự thay đổi trong cách chúng ta đánh giá chúng. Các điểm chuẩn được Arena sử dụng để đánh giá khả năng sản xuất được thiết kế với sự hiểu biết mới về ý nghĩa của “sẵn sàng cho doanh nghiệp”; điều gì cấu thành “sẵn sàng cho doanh nghiệp” không thể chỉ phụ thuộc vào các chỉ số học thuật như chúng ta đã định nghĩa truyền thống. Để thực sự đủ điều kiện là “sẵn sàng cho doanh nghiệp”, các tác nhân AI phải thể hiện: - Khả năng phục hồi trước sự mơ hồ- Tính nhất quán trong các quy trình làm việc mở rộng của tổ chức- Suy luận minh bạch và rõ ràng- Khả năng chống lại thông tin sai lệch- Khả năng kiểm toán trong các ngành công nghiệp được quản lý Việc Pantera Capital và nhóm tài sản kỹ thuật số của Franklin Templeton chọn Arena làm một phần trong nhóm đầu tiên của họ cho thấy rằng AI cấp doanh nghiệp đòi hỏi đánh giá cấp doanh nghiệp. Trong những năm qua, danh mục tác nhân AI hiệu quả nhất sẽ không phải là những tác nhân có thuộc tính đàm thoại tiên tiến nhất, mà là những tác nhân có khả năng chịu đựng những phức tạp gia tăng và trách nhiệm liên quan của việc thực hiện các hoạt động tài chính trong thế giới thực. Arena đã thực hiện một bước đầu tiên quan trọng để đạt được mục tiêu này thông qua khuôn khổ này.

Pantera Capital và Franklin Templeton tham gia nhóm đầu tiên của Sentient Arena để đánh giá chuẩn độ sẵn sàng sản xuất của các đại lý AI doanh nghiệp trong quy trình làm việc tài chính nhiều tài liệu và được quản lý.

Pantera Capital và Franklin Templeton Tham Gia Sentient Arena để Định Nghĩa Lại Việc Kiểm Thử Đại Lý AI Doanh Nghiệp

/media/contribution/carb265f42771b94a009f4171dd21d6ef04/n33_0315104628763.stxt

Sở hữu Phân đoạn Tác phẩm Nghệ thuật và Đồ sưu tầm: Cách RWAs Giúp Tiếp cận Tác phẩm Triệu Đô

/media/contribution/car69e2c0c3a41f4e2b808c6d703e8911ca/woh_0315103716502.stxt

Tác Động của Quy Định MiCA lên Thị Trường Crypto Châu Âu: Những Điều Nhà Giao Dịch Cần Biết

/media/contribution/car81576cf7abd049b7b15b2bf7be5e5a92/5ck_0315101150979.stxt

Tokeny và Securitize: Cơ sở hạ tầng tuân thủ cho Tài sản Thực trong Crypto 2026

/media/contribution/car4b21cc8d46714f89aed7c049905a9e53/vgj_0315100821718.stxt

BlackRock BUIDL: Dẫn Đầu Token hóa Tài Sản Thực Phiên Bản Thể Chế Trên Blockchain 2026

/media/contribution/carde246a23442d45fb9ace7a54d658e5c6/ubo_0315100254184.stxt

Centrifuge RWA: Tạo Token cho Tín Dụng Tư Nhân Quy Mô Lớn — Hướng Dẫn Blockchain 2026

/media/contribution/car9b3fcef8d39745ffb947df2557f7c256/hsc_0315095923528.stxt