Während ich den Beitrag über Grapefruit-Schinken las, kam mir der Gedanke, dass die Freunde, die wie @Infinit_Labs und @Lombard_Finance in der goldenen Ära von Yapping unklare Belohnungen hatten, jetzt endlich in ihrer Blütezeit zu sein scheinen. Der Generationenwechsel von altem Yapping zu neuem Yapping (?) findet gerade intensiv statt, aber irgendwie... die Belohnungen sind zwar Belohnungen, aber... der alte Geschmack fehlt? In einer Situation, in der die Belohnungen für die Freunde, die in der alten Yapping-Generation (Goldene Generation) nicht aufblühen konnten, jetzt sehr, sehr, sehr groß geworden sind. ---- Wenn man nur die $IN-Belohnungen betrachtet, sind sie für die obersten 500 Personen ungefähr doppelt so hoch, und die $BARD-Belohnungen sind ebenfalls drastisch gesunken, da die Anzahl der Teilnehmer auf 100 pro Monat reduziert wurde, was letztendlich die Belohnung pro Person enorm erhöht hat. Sogar beide sind keine erzwungenen Scherze aus Erwartung, sondern es gibt tatsächlich Produkte, die gut funktionieren und Gewinne erzielen. Belohnungen, Zeitrahmen und Teilnehmer sind alle klar festgelegt, und es gab nie einen Bruch des Versprechens. (Im Gegenteil, @Lombard_Finance hat sogar schneller ausgezahlt.) ---- Ach, ich vermisse es... Aber ich stimme dem, was Grapefruit-Schinken gesagt hat, sehr zu... Tatsächlich war es bis jetzt seltsam, wie groß die Belohnungen waren. Wenn man monatlich 10.000 gibt und dann nur noch 1.000, ist man enttäuscht, aber würde man nicht trotzdem 1.000 annehmen? Das wäre dann auch nicht der Fall, haha...

Sentient ROMA entschlüsseln @SentientAGI Auf dem Leaderboard sieht es so aus, als wäre die Qualität der Beiträge ebenfalls sehr wichtig. Daher möchte ich über ROMA schreiben, das meiner Meinung nach die höchste technische Kompetenz bei Sentient aufweist. 1. ROMA ist kein AI-Modell. - ROMA ist genau genommen ein Multi-Agenten-System, bei dem mehrere AI-Agenten hierarchisch und rekursiv die Werte der einzelnen Agenten berücksichtigen, um die vertrauenswürdigste und genaueste Antwort zu liefern. Im GitHub-Readme kann man normalerweise die grundlegenden Beziehungen des Codes sehen, wobei man die API-Keys von bekannten AI-Modellen wie GPT und Gemini eingibt, um sie zu verwenden. 2. Was ist also der Kern? - Es liegt an der Rollenverteilung von vier Elementen: Atomizer, Executor, Planner und Aggregator. Wenn eine Aufgabe gestellt wird, entscheidet man, ob sie einzeln oder in mehreren Teilen bearbeitet wird (Atomizer), wie man sie lösen möchte (Planner), führt dann den Plan aus (Executor) und aggregiert schließlich die Ergebnisse (Aggregator), um die Antwort zurückzugeben. Zusätzlich kann man optional einen Verifier einfügen, um die Antwort zu validieren. 3. Wird nur ein Modell verwendet? - Nein. Wenn man den Quickstart-Code betrachtet, wird für alle außer dem Executor jeweils ein Modell angegeben (z.B. gpt-4o-mini, gemini-2.5-flash). So wird nicht nur ein Modell verwendet, sondern mehrere Modelle, um die beste Antwort zu erzielen. 4. Ist die Antwort immer gleich? - Auch das ist nicht der Fall. Jedes AI-Modell hat unterschiedliche Ausführungsergebnisse für eine bestimmte Aufgabe, und es hängt davon ab, wie man die Parameter anpasst, also wie man das Fine-Tuning durchführt. Zum Beispiel hat der am häufigsten verwendete Parameter Temperature Werte von 0 bis 2, wobei Werte näher an 0 konsistentere Antworten und Werte näher an 2 vielfältigere Antworten bei jedem Durchlauf liefern. Letztendlich wird die Leistung stark davon abhängen, wie der Benutzer dies einstellt. Kürzlich hatte ich zufällig die Gelegenheit, einen AI-Agenten zu entwickeln, und während ich dabei war, habe ich viel gelernt. Jetzt, wo ich den GitHub-Code sehe, scheint es mir, als hätte ich eine Vorstellung davon, was ich geschrieben habe :)

[@SentientAGI ] Es war einmal ein Projekt, das bis in die Top 10 kam, aber der Schwellenwert ist gesunken und ich weiß nicht, ob es an einem Inner Circle-Konto liegt oder was auch immer, aber der Mindshare wurde nicht reflektiert und es fiel aus den Top 100. Aber... nach dem Meetup hat es wieder geflossenㅠㅠ Ich habe immer hart gearbeitet, aber ich werde wieder mein Bestes geben, und wenn es gute Nachrichten gibt, werde ich sie fleißig verbreiten! 🫡