案例基本内容和执行情况
行业痛点:数据资源的流动性和可获取性是大数据应用和产业发展的基础,但这里面存在很多困难的点,包括用什么样的数据标准去衡量数据质量,怎么样对数据进行定价,以及在数据交换和共享过程中实现隐私的保护。
解决思路:
基于区块链技术的可信数据交换方案,结合区块链链上能力与链下能力,在链上存储数据目录和数据授权,在链下通过构建安全可信的数据传输通道、安全多方计算等平台,实现数据的可信计算、可信传输。
作为以区块链技术为支撑的可信数据交换平台,可信数据交换方案精准连接数据使用方、数据提供方、建模服务方、监管方等,实现身份数据、数据目录(数据定义)、数据授权(线上协议)、共享数据的链上操作。可信数据交换方案支持多种数据交换模式,可以支持加密密文数据交换和共享,支持基于数据目录、数据授权的共享,也支持基于数据模型、数据计算的数据共享。

案例主要经济成效和社会成效分析
本项目成果正在用于某市的政府部门间数据交换项目。
1. 可信数据交换平台为数据开放共享、数据交换提供了一种可信、公正、透明的执行环境,让数据交换不再依赖第三方权威机构和运营方。
2. 利用区块链、大数据等技术,打通政务、医疗、保险等领域存在的数据孤岛顽疾,解决数据流通难的行业痛点,让数据产生价值。
3. 通过打通可信数据上链、可信数据授权、可信数据计算、可信数据交换等环节,有利于构建以数据为核心的分布式信用社会。
为何采用区块链技术,说明区块链在其中的不可替代性:
(1)数据权属。数据上链即确权,同时通过智能合约约定数据共享范围,执行数据权属的有序转让与流动。
(2)数据质量衡量。通过智能合约以及业务共识,可信数据交换方案提供一种一致的、基于规则的数据质量衡量方式;
(3)数据定价。方案支持通过智能合约实现复杂的定价模型,支持数据交换或有价使用,并实现高效、安全的多方利益分配机制;
(4)数据安全与隐私保护。差分隐私、同态加密等加密技术可以实现对个人数据信息保护的前提下,实现数据计算任务。同时,方案具备透明日志记录以及可追溯、不可篡改的特性,支持安全、透明的追溯审计。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。