人工智慧將迅速從對話代理轉變為執行複雜業務流程的自主代理。隨著企業研究其部署，尚未解決的首要問題是如何準確評估AI代理是否已為實際操作使用做好準備。 在人工智慧（AI）與市場金融的交匯處，<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 和富蘭克林坦伯頓（Franklin Templeton）的</a>數位資產部門均已加入由開源<a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">AI公司 Sentient Labs</a> 開發的AI測試環境 Arena 的首批參與者行列。 Arena 不僅僅是一個公開的結果記錄；它還是一個基準，用於比較生產模型的操作風格，並比較每個模型（例如，AI代理必須處理許多不同的資訊來源，其中一些可能相互矛盾）在產生分支推理方式方面的表現。 許多公司正在改變他們定義和評估其AI生產就緒度的方式。客戶比以往任何時候都更關注AI在實際操作條件下的表現。例如，客戶會評估如果在時間限制或上次基準測試後數據退化的情況下，AI的表現如何。<h2>企業基準測試問題</h2>目前大多數AI評估框架都依賴於基於精確數據集的測量，例如推理評估、程式設計挑戰和資訊檢索任務。這些數據集有其用途，但在大多數情況下，未能準確重現企業環境。 專業世界的複雜性創造了一個環境，該環境測試模型管理以下資源的能力：結構化工作流程評估而非實驗室環境測試；數千頁的文件；複雜的指令或指示；過時/或不一致的法律或指令；部分/遺漏的日期；法律/監管問題。對模型的基準測試通常無法評估企業級評估是否能在不完善的文件下提供有力的結論。 Arena 提供初步解決方案，透過開發並引入結構化的工作流程評估，該評估將基於現有業務流程的支持來支援模型，而非透過研究實驗室對AI模型進行測試。<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">來源：作者<h2>Arena 的獨特之處</h2><a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> 正在建立一個基準環境，以生產風格的方法來評估AI的生產力。評估並非使用孤立的提示作為代理的評估方式，而是採用基於大型公司運作方式的標準化任務。 這些評估模仿了當今企業運作的條件，例如： -多文件比較-從冗長文件中提取結構化見解-協調多個相互矛盾的資訊來源-在資訊遺失/不完整的情況下運作-能夠產生可稽核的輸出。 與僅專注於評估代理的準確性不同，這種方法提供了一個操作性的視角。 實際而言，如果一個代理能夠在長時間分析中始終如一地建立推理，那麼它們就能在現實世界的限制下（排除影響孤立提示效能的變數）複製相同的邏輯。 透過業務工作流程開發基準，將使 Sentient Labs 能夠建立定義「生產就緒推理」究竟是什麼的基準。<h2>Pantera Capital 的參與為何預示著機構興趣</h2>Pantera Capital 已成為區塊鏈基礎設施、去中心化金融協議和新興加密技術的投資者。他們參與 Arena 代表了風險投資公司對於監控專為文件密集型金融操作而成熟的AI代理演進的興趣程度。 投資公司例行處理： <ol><li data-list="bullet">技術白皮書</li><li data-list="bullet">代幣經濟模型</li><li data-list="bullet">治理框架</li><li data-list="bullet">風險評估</li><li data-list="bullet">監管文件</li><li data-list="bullet">盡職調查文件</li></ol> 能夠分析和綜合這些文件的AI代理將為公司節省大量時間；然而，錯誤容忍度極低。 Arena 的首批參與者並未涉及與該計畫相關的資本承諾，但確實代表了協助定義基準測試框架和開發者生態系統的承諾。 對於風險投資公司而言，及早影響用於評估AI工具的標準，提供了獲得策略性洞察的機會，了解哪些AI工具可能與其未來投資組合的操作相結合。<h2>富蘭克林坦伯頓數位資產部門與營運AI</h2>隨著區塊鏈投資產品和代幣化資產的湧入，富蘭克林坦伯頓透過其數位資產部門與 Arena 的結合，在傳統投資經理世界與基於AI的自動化流程之間建立了日益緊密的關係。 由於他們與許多資產經理合作，富蘭克林坦伯頓的數位資產部門必須在高度監管的環境中處理與AI解決方案的合作。資產經理處理大量監管文件，例如： <ol><li data-list="bullet">基金公開說明書</li><li data-list="bullet">風險揭露書</li><li data-list="bullet">合規文件</li><li data-list="bullet">稽核記錄</li><li data-list="bullet">市場研究文件</li></ol> 在受監管的環境中，資產經理期望AI系統具有極高的可靠性。如果資產經理錯誤解讀合規規則或錯過監管事項，他們可能會遭受重大的金錢罰款。透過事先與 Arena 合作，富蘭克林坦伯頓的數位資產部門現在能夠在全面實施AI系統之前，正式建立將AI推理納入高度監管環境的適當準則。<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">來源：作者<h2>定義生產就緒推理</h2>根據 Sentient Labs 產品總監 Oleg Golev 的說法，Arena 的開發者們透過共同努力塑造適用於分析、合規和營運流程等大量文件工作負載的生產就緒AI推理流程，來持續支援 Arena。&nbsp; AI生產就緒關乎具備以下能力：&nbsp; - 重複執行類似任務時的一致性&nbsp;- 可追溯的推理路徑&nbsp;- 抵抗產生不準確結果/假設的能力&nbsp;- 承認每個決策都存在不確定性&nbsp;- 在冗長輸入中從上下文保留資訊&nbsp; 如上所述，企業如何建立基於AI的解決方案的檢查不能僅基於流暢性。企業還必須提供證據，證明每個基於AI的解決方案背後都有可追溯的推理鏈。&nbsp; 在許多情況下（例如，金融），企業將要求有文件證明的證據來證實決策。Arena 框架旨在確保它不僅衡量代理和/或解決方案的輸出，還會衡量代理如何得出其解決方案；從而允許企業內部進行可稽核性。<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">來源：作者<h2>為何冗長文件和衝突來源是關鍵測試</h2>許多企業專案涉及彙集多份並不總是保持一致的文件。 舉例來說，如果您正在進行合規性審查，您可能需要比較： <ol><li data-list="bullet">監管框架。</li><li data-list="bullet">貴公司的內部政策。</li><li data-list="bullet">客戶揭露協議。</li><li data-list="bullet">外部法律解釋。</li></ol> 這些文件可能各自包含不一致的資訊，但它們在內容上也可能存在一些共通點。 要在如此模棱兩可的領域中工作，AI代理需要做到以下幾點： <ol><li data-list="bullet">識別任何矛盾之處。</li><li data-list="bullet">識別可能存在的任何風險。</li><li data-list="bullet">避免做出任何過於自信的假設。</li><li data-list="bullet">升級任何不清晰的解釋。</li></ol> Arena 已經建立其基準測試框架，將包含競爭性資訊來源的冗長文件納入企業日常營運的標準情況。 也可以針對這些情況進行測試，以了解AI系統是否能負責任地管理模棱兩可的情況；而不僅僅是產生引人注目的文本。<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">來源：作者<h2>無資本承諾的策略性參與</h2>這項倡議的關鍵要素之一是，參與其中的公司並未公開聲明與 Arena 相關的財務投資。相反，他們參與建立評估生態系統才是最重要的。 這表明機構在採用AI技術方面採取了有意的策略。機構並非迅速推出這些技術，而是專注於： - 制定標準- 評估風險- 與開發者合作- 進行受控實驗該策略最大限度地降低了風險，同時能及時獲取有關AI系統在營運環境中表現的資訊。該策略也證實了基準測試框架本身正在被開發為策略性基礎設施的信念。 <h2>AI代理與金融工作流程的未來</h2>數位資產融合與人工智慧持續以極快的速度加速發展。金融市場正不斷朝著更加數據導向、文件密集和全球互聯的方向發展。區塊鏈技術的出現，透過提供智能合約、代幣化證券和去中心化治理結構，為這些實體增添了另一層複雜性。 能夠準確分析上述環境的人工智慧（AI）代理將能夠執行許多任務，包括： <ol><li data-list="bullet">監控治理提案</li><li data-list="bullet">評估智能合約的揭露資訊</li><li data-list="bullet">自動比較跨司法管轄區的合規性</li><li data-list="bullet">起草結構化投資備忘錄</li><li data-list="bullet">識別數據集中風險的不一致性</li></ol> 為了能夠實施這些AI系統，我們必須首先對其推理能力感到放心。Arena 正在被開發為一個場地，用於在將AI系統整合到現實世界之前，在安全環境中對其進行實務評估。<h2>企業AI評估的轉捩點</h2>隨著AI代理從實驗階段過渡到實際營運使用，我們需要改變評估它們的方式。Arena 用於評估生產能力的基準，是基於對「企業就緒」新理解而設計的；「企業就緒」的構成要素不能再僅僅依賴於我們傳統上定義的學術指標。 要真正符合「企業就緒」的資格，AI代理必須展現： - 對模糊性的韌性- 跨擴展組織工作流程的一致性- 透明清晰的推理- 抵抗錯誤資訊的能力- 在受監管行業中可稽核的可用性 Pantera Capital 和富蘭克林坦伯頓的<a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank"> </a>數位資產部門選擇 Arena 作為其首批參與者之一，這事實表明企業級AI需要企業級的評估。 過去幾年，最有效的AI代理類別將不會是那些擁有最先進對話功能的代理，而是那些能夠承受執行現實世界金融操作所帶來的額外複雜性和相關責任的代理。Arena 透過這個框架，朝著實現這一目標邁出了重要的第一步。

Pantera Capital 與 Franklin Templeton 加入 Sentient Arena 的首批成員，為文件繁多且受監管的金融工作流程中企業 AI 代理的生產準備度進行基準測試。

Pantera Capital與富蘭克林鄧普頓加入Sentient Arena，共同重塑企業AI代理測試

/media/contribution/car7bf79636780f4aafbede4423853baced/i60_0308230107162.stxt

比特幣期權市場悄然反映6萬美元重測 — 數據揭示了什麼

/media/contribution/carc7da4e043dcb4e10a9e8d3243909c1b0/kzp_0308233910085.stxt

加密投資產品終結五週資金淨流出，吸引10億美元資金流入

/media/contribution/caracd62e8f0d5445ec857077aa3d518c8e/j3b_0306075906245.stxt

川普關稅反彈對加密市場的影響：總統影響的類似模式

/media/contribution/car98893cca7e9141a59f6bb946a8926b46/hbw_0306081642026.stxt

VanEck 執行長 Jan van Eck 表示比特幣在四年週期結束時已接近底部

/media/contribution/carc087d2461d2246c88265373fd7e752f7/4y9_0305085149738.stxt

OpenZeppelin 指出 OpenAI EVMbench 區塊鏈安全基準方法論的缺陷

/media/contribution/card64dfa20791a4ce885f7eefffd9273be/vlo_0306080812067.stxt