لحم الجريب فروت ما الذي خطر ببالي أثناء قراءة المقال مثل @Infinit_Labs @Lombard_Finance، أصدقاء كانوا غامضين بشأن التعويض في العصر الذهبي ليابينغ على العكس، شعرت أنني فقط الآن في أوج عطائه. غو يابينغ-> شين يابينغ تغيير جيلي.كان الأمر جاريا مؤخرا. لا أعلم... المكافأة هي مكافأة... هل لا يزال كما كان من قبل؟ في الوضع على العكس، أصبحت مكافآت الأصدقاء في الموسمين الثاني والثالث الذين لم يستطيعوا النمو في غو يابينغ (الجيل الذهبي) ضخمة جدا جدا حتى الآن. ---- حتى لو نظرت إلى مكافآت $IN فقط، فإن أفضل 500 شخص يمثلون حوالي ضعف العدد. كما تم تقليل $BARD التعويض بشكل كبير إلى 100 شخص شهريا، مما أدى إلى زيادة كبيرة في تعويض نصيب الفرد. حتى لو لم يضطر كلاهما إلى الانكماش بتوقع، فهما شركات تمتلك منتجات حقيقية، وتعمل بشكل جيد، وتحقق أرباحا التعويض، والفترة المحددة، وعدد الأشخاص كلها محددة بوضوح، ولا يوجد خرق للوعود. (بل، في حالة @Lombard_Finance، يتم سحبه بشكل أسرع.) ---- أوه، أشتاق إليك... ومع ذلك، أتفق أيضا مع كلمات جريب فروت هام... في الواقع، صحيح أن المكافآت كانت كبيرة بشكل غريب حتى الآن. من المحرج أن تعطي 10 ملايين شهريا ثم تعطي مليون شهريا. ألن تعطيني شهرا فقط؟ هذا ليس صحيحا مرة أخرى، ها ها...

البحث في Sentient ROMA @SentientAGI النظر إلى لوحة المتصدرين ، يبدو أن جودة الكتابة مهمة جدا أيضا. لذلك سأكتب عن روما ، والتي أعتقد أنها تفتخر بأعلى التقنيات في Sentient. 1. روما ليس نموذجا للذكاء الذكاء الاصطناعي. - ROMA هو إطار عمل يستمد فيه العديد من وكلاء الذكاء الاصطناعي الإجابات الأكثر موثوقية ودقة بناء على قيم كل عامل هرميا وتكراريا. إذا نظرت إلى Githet Readme ، يمكنك عادة رؤية العلاقة العضوية الأساسية للكود ، وستدخل وتستخدم مفتاح واجهة برمجة التطبيقات لنماذج الذكاء الاصطناعي مثل GPT و Gemini ، والتي نعرفها بشكل عام. 2. إذن ما هي الفائدة؟ - إنه في تقسيم أربعة أدوار: البخاخة ، والمنفذ ، والمخطط ، والمجمع. عندما يتم تكليفه بمهمة ، فإنه يقرر ما إذا كان سيتعامل معها كشيء واحد أو عدة أشياء (Atomizer) ، ويقرر كيفية حلها (Planner) ، وينفذها كما هو مخطط له (Executor) ، ثم يجمعها (Aggregator) ويعيد الإجابة. بالإضافة إلى ذلك ، يمكنك اختيار خطوة التحقق من الإجابة من خلال المدقق كخيار. 3. هل يتم استخدام نموذج واحد فقط؟ -لا. إذا نظرت إلى كود التشغيل السريع ، فجميعهم يحددون نماذجهم الخاصة ، باستثناء المنفذ. (على سبيل المثال gpt-4o-mini ، gemini-2.5-flash) بهذه الطريقة ، يبدو أن أفضل إجابة يتم اشتقاقها باستخدام نماذج متعددة بدلا من نموذج واحد فقط. 4. هل ستكون الإجابة هي نفسها دائما؟ - هذا ليس كذلك. تختلف نتائج التنفيذ لكل نموذج الذكاء الاصطناعي بمهمة واحدة ، ويعتمد ذلك على كيفية ضبط المعلمات ، أي كيفية الضبط الدقيق. على سبيل المثال ، المعلمة الأكثر شيوعا تسمى درجة الحرارة لها قيمة 0-2 ، مع ما يقرب من 0 يعطي إجابة متسقة ، وأقرب إلى 2 ، مما يعطي مجموعة متنوعة من الإجابات لكل تجربة. في النهاية ، يبدو أنه سيكون هناك فرق كبير في الأداء اعتمادا على كيفية إعداد المستخدم له. لقد أتيحت لي الفرصة مؤخرا لتطوير وكيل الذكاء الاصطناعي بالصدفة ، وكتبته لأنني اعتقدت أن ما درسته مع الاستمرار في تشغيل الذكاء الاصطناعي في ذلك الوقت يبدو الآن وكأنه خدعة عندما ألقي نظرة على كود المجموعة :)

[@SentientAGI ] لقد كان مشروعا ذهب ذات مرة إلى أفضل 10 يتم تخفيض العتبة ، لا أعرف ما إذا كان قفل حساب الدائرة الداخلية أو شيء من هذا القبيل. لم ينعكس Mindshare ، لذلك تم إسقاط أفضل 100. بالمناسبة... بعد اللقاء ، تم ثقب دمي مرة أخرى😢 كنت أركض دائما بقوة ، لكنني حاولت مرة أخرى إذا كانت هناك أخبار جيدة ، فسأبذل قصارى جهدي لنشرها! 🫡