Yupp Đã Gây Quỹ Vốn Mồi $33M Triệu Dưới Sự Hỗ Trợ Của a16z Để Xây Dựng Mạng Lưới Đánh Giá Mô Hình AI Dựa Trên Blockchain

Startup AI blockchain Yupp đã công bố hoàn tất vòng gọi vốn mồi trị giá $33 triệu, với sự hỗ trợ từ đồng sáng lập của a16z Chris Dixon và đối tác đầu tư Liz Harkavy. Sự bổ sung vốn này định vị Yupp như một nhân tố chủ chốt trong việc tạo ra hạ tầng không tin cậy cho việc cải thiện AI và xác minh dữ liệu huấn luyện.

**Đổi Mới Cốt Lõi: Biến Phản Hồi Người Dùng Thành Tài Sản Có Thể Xác Thực**

Yupp vận hành một nền tảng độc đáo cho phép người dùng so sánh nhiều mô hình AI cùng lúc một cách tự do. Quá trình rất đơn giản: người dùng gửi các yêu cầu giống nhau và quan sát cách các hệ thống AI khác nhau phản hồi. Khi người dùng chọn ra kết quả ưa thích, nền tảng sẽ tổng hợp lựa chọn này thành một "gói dữ liệu sở thích"—một bản ghi có thể xác thực bằng mật mã về đánh giá của con người đối với hiệu suất của AI.

Dữ liệu sở thích này phục vụ hai mục đích. Đối với các nhà phát triển AI, nó cung cấp bộ dữ liệu huấn luyện xác thực cho quá trình đào tạo sau và việc hoàn thiện liên tục mô hình. Đối với người dùng, nó trở thành một tài sản tạo phần thưởng. Bằng cách chuyển các tín hiệu sở thích của con người lên blockchain, Yupp loại bỏ sự mơ hồ thường thấy trong việc cung cấp dữ liệu huấn luyện AI và các phương pháp đánh giá.

**Chu Trình Phát Triển Tự Củng Cố**

Thiết kế kinh tế của nền tảng tạo ra một chu trình thuận lợi: nhiều người dùng hoạt động hơn tạo ra bộ dữ liệu sở thích phong phú hơn → các mô hình được huấn luyện tốt hơn xuất hiện → chất lượng mô hình được cải thiện thu hút thêm người dùng và nhà phát triển. Hiệu ứng mạng lưới này định vị Yupp như cả một kênh phân phối cho người tiêu dùng AI và một nhà cung cấp hạ tầng dữ liệu cho các nhà xây dựng.

Sự tham gia của Liz Harkavy cùng với Chris Dixon thể hiện niềm tin của a16z vào mô hình này. Sự hỗ trợ này nhấn mạnh sự công nhận ngày càng tăng của các tổ chức về khả năng của hạ tầng đánh giá AI minh bạch dựa trên blockchain có thể định hình lại cách các mô hình nền tảng được huấn luyện và xác nhận.