区块链中的仲裁机器人和优先燃气拍卖所带来的威胁及其对 Etheruem 的影响。

Apr, 2019

对具有可信承诺机制的可靠多主体协作的研究表明，存在隐私、完整性和对策略行为的脆弱性等局限性。本文以去中心化和最大可提取价值 (MEV) 文献为例，阐述了合作人工智能中潜在的安全问题，并呼吁扩大对去中心化承诺的研究，以提高在开放环境中通过实际承诺约束进行多主体协作的能力。

Nov, 2023

利用 GPT-4 和基于 BERT 模型的多模态情绪分析，通过将表情符号转化为可量化的情绪数据，将其与 BTC 价格和 VCRIX 指数等关键市场指标相关联，从而开发出基于社交媒体元素的交易策略，帮助识别和预测市场趋势，避免重大市场下滑并促进回报稳定。

Feb, 2024

探索机器学习和自然语言处理技术在加密货币价格预测中的应用，通过分析来自 Twitter 和 Reddit 的新闻和社交媒体数据，使用深度学习的 NLP 方法研究公众情绪对加密货币估值的影响，将加密货币价格预测视为分类问题，比较不同的机器学习模型的性能，并发现含有 NLP 数据显著提升了预测性能，强调了文本分析在改善金融预测中的潜力，证明了各种 NLP 技术在捕捉细微市场情绪方面的效果。

Nov, 2023

利用机器学习在以太坊平台上检测金融机器人，建立了金融机器人分类，并提供关于当前机器人情况的额外见解。

Mar, 2024

该论文讨论了神经机器翻译系统中人工智能所面临的伦理挑战，强调开发人员确保公平性和文化敏感性的必要性。通过实证研究和文献综述，我们考察了神经机器翻译开发的各个阶段中涉及的伦理问题，包括数据处理、隐私、数据所有权和同意。此外，我们还研究了正义和公平问题，探讨了人工智能系统与人类之间责任的分配，并强调人类监督在维护神经机器翻译伦理标准方面的重要作用。最后，我们还从圣经角度讨论了神经机器翻译的社会影响以及开发者更广泛的伦理责任，将他们视为对自己创造物的社会后果负责的守护者。

Apr, 2024

区块链技术及其与大数据、机器学习和加密货币相关的数据分析的综合资源论文。

Apr, 2024

通过对 OpenAI 的 ChatGPT 进行定性研究，发现大规模语言模型的伦理风险主要包括偏见性和毒性，当前的基准测试无法解决这些问题，为了避免语言模型应用中出现伦理风险，需要制定可靠的基准测试和实施设计。

Jan, 2023

本研究探讨了不同的自然语言处理模型在社交媒体情感分析中的可用性，应用于金融市场预测，以加密货币领域为参考。我们研究了不同情感度量与比特币价格波动之间的相关性。通过实验我们发现有一个模型优于其他 20 多个公开模型，且通过 fine-tune 可以得到更好的性能，其解释性更强。因此我们证实可解释的人工智能和自然语言处理方法可能比不可解释的方法更有实际价值。最后，我们分析了不同情感度量与价格波动之间的潜在因果关系。

Apr, 2022

这项研究回顾了在过去两年中发表在 ACM 数字图书馆和 IEEE Xplore 会议记录中的研究论文，以自然语言处理 (NLP) 和文本挖掘 (TM) 的基本概念为支持，旨在了解公共部门中数据隐私、伦理、可解释性、可解释性、可信度和公平性等方面的见解，结果显示公平性是最常见的关注点，数据隐私是最不突出的主题，而可信度最突出，最后，也有可能获得关于 A.I. 在公共部门应用中的这些问题的有益见解。

Jul, 2023