作者:0xjacobzhao
在 6 月份的研报《Crypto AI 的圣杯:去中心化训练的前沿探索》中,我们提及联邦学习(Federated Learning)这一介于分布式训练与去中心化训练之间的「受控去中心化」方案:其核心是数据本地保留、参数集中聚合,满足医疗、金融等隐私与合规需求。与此同时,我们在过往多期研报中持续关注智能体(Agent)网络的兴起——其价值在于通过多智能体的自治与分工,协作完成复杂任务,推动「大模型」向「多智能体生态」的演进。
联邦学习以「数据不出本地、按贡献激励」奠定了多方协作的基础,其分布式基因、透明激励、隐私保障与合规实践为 Agent Network 提供