# REI Network

> REI网络是一个以人工智能为中心的平台，具有创新的架构和生态系统，以Bowtie架构和推理集群为特色。

- Canonical URL: https://iq.wiki/zh/wiki/rei-network
- Categories: Organizations
- Tags: Layer 1, AI Token, Developer, Infrastructure
- Created: 2025-04-22T19:50:33.907Z
- Last updated: 2025-04-22T20:25:53.968Z
- Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki)

---

**REI网络**是一个去中心化的人工智能研究和开发平台，专注于通过一种新颖的架构和协作生态系统来推进通用人工智能（AGI）。它旨在为人工智能研究创造一个可持续的环境，同时确保与人类价值观和伦理考量保持一致。[[1]](#cite-id-jxGFYmVqno)

## 概述

REI网络是一个以研究为中心的组织，通过科学和认知原则而非传统的计算机科学方法来探索人工智能。他们的工作强调从生物和认知模型中提取的新型神经架构，旨在超越标准的统计方法。

他们的主要创新之一是通用连接层，允许[AI代理](https://iq.wiki/wiki/ai-agents)跨各种系统进行交互，而不受固定操作约束的限制。这种通用适配器设计使[代理](https://iq.wiki/wiki/ai-agents)能够在与不同的外部架构集成时保持核心功能。

该架构包括一种转换机制，可将见解转换为标准化格式，从而支持更广泛的应用和适应性。该系统旨在作为开发人员构建交互式系统、分析工具或全新形式应用程序的基础框架。[[2]](#cite-id-xC8D3LUW7g)

![](https://ipfs.everipedia.org/ipfs/QmSCZmYxkQhbops1HmEJ1hakq1SR9jMcdYuLqU2fcLJqmT)

## 核心

Core是一个围绕三个主要组件构建的人工智能架构：Bowtie架构、推理集群和模型编排。它为人工智能系统如何处理、解释和随信息演变引入了一个新的框架。

Core被设计为一个基础平台，支持各种应用程序的开发——从交互式系统到分析工具——而不规定具体的使用案例。其开放式架构旨在促进更广泛的开发社区的采用、适应和持续创新。

Core的结构强调模块化推理和灵活集成，旨在扩展智能代理的能力，同时保持在不同环境中的适应性。[[3]](#cite-id-nbpWIYYUI9)

### Bowtie架构

![](https://ipfs.everipedia.org/ipfs/QmcPsF2gBuFW2qHmnax3os9FKgn5ftkgYDXhUaUytVr7SC)

Bowtie架构是一个由三个集成组件组成的记忆和概念形成系统：左侧的语义处理、中心的核概念提炼和右侧的抽象向量匹配。该结构通过将信息存储在语义向量和抽象概念[节点](https://iq.wiki/wiki/node)中来管理信息，从而实现超越基本模式识别的细致理解。

该系统在保留关键向量特征的同时删除冗余文本，从而支持记忆的双重表示方法。右侧组件处理可以与类似记忆组合的抽象、未锚定的向量特征，通过数学相似性而非语义对齐来揭示隐藏的关系。

当这些元素通过中心组件进行交互时，新的连接自然形成，使系统能够随着时间的推移演变其理解。这种设计允许以模仿认知过程的方式进行持续学习和适应，从而培养新兴的知识和洞察力。[[3]](#cite-id-nbpWIYYUI9)

### 推理集群

![](https://ipfs.everipedia.org/ipfs/QmdhevJfu1LAyNHg8DMMEvAbvCzDEXoBVsP2KNtdMYBzm9)

推理集群充当Core架构中的中央处理单元，管理认知操作并指导模型选择。它使用Bowtie架构，使用决策树来确定每个查询最合适的模型，并在生成的记忆之间形成连接。

该系统维护一个概念图，该概念图随着新信息的引入而演变。它应用复杂性偏差来优先考虑平衡效率和有效性的模型选择。处理过程跨多个模型并行发生，使系统能够在保持一致性能的同时保持适应性。[[3]](#cite-id-nbpWIYYUI9)

### 模型编排

![](https://ipfs.everipedia.org/ipfs/QmRbD8SJqzBmRdxhqmx7XENRTfn9PZmVut2sHwvPJDGeLe)

Core中的模型编排管理跨多个专用模型的任务分配。它使用动态查询分解来分解复杂问题并将组件分配给适当的模型，从而实现高效处理，同时支持新功能的模块化集成。

该系统协调三类模型：用于预测、分类和时间序列分析等任务的统计模型；用于处理视觉、音频和传感器数据的感知模型；以及针对行业或特定应用需求量身定制的领域特定模型。每个模型都在一个灵活的框架内运行，从而为系统的整体功能做出贡献。

编排层通过分析查询以识别所需功能、相应地分配任务以及维护每个模型的性能配置文件来优化性能。这种方法支持高效的资源使用，并为持续改进奠定基础。[[3]](#cite-id-nbpWIYYUI9)

### 进化

进化是Unit架构中的一个基本原则，允许它通过持续的交互来发展。每次交互都存储为记忆，并随着时间的推移为Unit的自适应行为做出贡献。

记忆分为短期记忆（包括最近的交流）和长期记忆（包括较旧的信息）。随着时间的推移，相关的长期记忆会形成模式，代表进化学习的第一阶段。这些模式基于相似性进行聚类，频繁且相似的记忆会相互加强，并增加形成新连接的可能性。

随着记忆的积累，它们被抽象成概念——底层特征的稳定表示。与长期记忆不同，概念不会消失，但它们仍然可以修改。它们通过类似的聚类和模式形成来组织，尽管具有更复杂的相似性评估。

该系统的记忆框架会随着每次用户交互而更新，从而塑造Unit的行为和内部逻辑。这种进化最终可能会加强或偏离其原始行为设置，从而反映出持续的认知发展。[[4]](#cite-id-7YekBDwTmQ)

## 特点

### 目录

目录是基于Transformer的模型的集合，每个模型都专为特定任务而设计。这些模型中的大多数都旨在开源，允许开发人员免费访问和使用它们。[API](https://iq.wiki/wiki/apis)可用于将这些模型顺利地集成到现有系统中。目录还可以连接到Core，从而提高工作流程的性能和效率。[[5]](#cite-id-L2hXGuliE0)

#### Hanabi-1

![](https://ipfs.everipedia.org/ipfs/QmfVzTrMuP6Fykt434euzLsXAv7SUG9EqRuALPnUmcJufV)

Hanabi-1是第一个专注于金融预测的目录系列模型。与大型通用模型不同，Hanabi-1采用紧凑的、特定于领域的设计，专为金融时间序列分析需求量身定制，优先考虑速度、效率和特定于任务的准确性。

该模型由跨8个具有多头注意力的Transformer层的1640万个参数组成，保持384维的隐藏状态。它包括用于预测方向、波动率、价格变化和价差的专用路径。批量归一化取代了层归一化，以改善训练动态，而焦点损失用于管理类不平衡。

Hanabi-1结合了多种时间聚合方法来丰富特征表示，捕获最近的状态、平均趋势和注意力加权信号。方向预测路径使用具有LeakyReLU激活和Xavier初始化的批量归一化全连接层。相比之下，波动率、价格和价差的回归路径是独立优化的，以针对特定任务，而无需不必要的复杂性。

该模型的多任务框架鼓励Transformer编码器开发通用、鲁棒的表示。其紧凑的架构支持实时推理，使其适用于高频金融环境。Hanabi-1突出了专注、高效模型在金融预测中的有效性，并代表了朝着构建更高级的系统以用于该领域的初步步骤。[[6]](#cite-id-mlPc5vlZHM)

### REI API

REI充当基础架构平台，支持[AI代理](https://iq.wiki/wiki/ai-agents)的运行和交互。它通过运行自己的模型和架构来提供传统AI [API](https://iq.wiki/wiki/apis)的替代方案，将自己定位为现有基础设施解决方案之下的基础层系统。

其认知架构[API](https://iq.wiki/wiki/apis)是REI产品的核心。这些[API](https://iq.wiki/wiki/apis)定义了系统如何解释和处理信息。这些[API](https://iq.wiki/wiki/apis)代表了控制代理推理的底层逻辑，使其成为无法通过添加外部工具轻松复制的核心元素。此核心层塑造了构建在其上的所有应用程序的功能。

REI的系统包括几个关键组件：基础设施级别的认知引擎、主流AI [API](https://iq.wiki/wiki/apis)的替代方案以及支持REI和[ETH](https://iq.wiki/wiki/ethereum)令牌的灵活支付模型，并为两者提供定价激励。可以通过多个入口点访问该平台，包括软件开发工具包（SDK）和Web界面，以适应各种集成要求。它还支持开放的构建器生态系统，鼓励开发人员为平台的功能做出贡献并扩展平台的功能。[[7]](#cite-id-I90g2nuzE3)

#### 增长反馈循环

REI上的**开发者循环**是一个自我强化的系统。随着构建者在该平台上开发工具和应用程序，他们会扩展其功能并改进底层基础设施。这些增强功能吸引了更多的开发人员，他们贡献了其他工具和改进。这种持续的循环稳步加强了平台，并鼓励持续的增长和创新。

**构建者循环**是一个循环，其中构建者活动驱动平台令牌的效用和价值，从而产生支持进一步开发的资源。这些资源为吸引更多构建者和扩大平台用例的改进提供资金，从而促进可持续的经济增长。

**网络效应循环**是由REI上更多应用程序的启动驱动的，这导致用户采用率的提高。随着用户群的扩大，网络的价值增长，吸引更多的构建者在该平台上进行开发。引入新的应用程序会吸引更多的用户，从而进一步加强网络。[[7]](#cite-id-I90g2nuzE3)

## REI

![](https://ipfs.everipedia.org/ipfs/QmTpu6sR4uArRBZ7s5QKF4fBtX9YDd59GsX3NH9piX9nkh)

$REI充当REI网络和Unit 00的生态系统令牌。它提供对平台SDK和[API](https://iq.wiki/wiki/apis)的访问，并将支持未来的功能，例如部署用户创建的代理。它的总供应量为10亿个令牌，并具有以下分配：[[8]](#cite-id-l11BgPlDLE)
- **公开捐赠活动**：54%
- **基础流动性**：30%
- **额外流动性**：6%
- **赠款/实验**：5%
- **团队**：5%