Jamón de pomelo ¿Qué me vino a la mente al leer el artículo? Como @Infinit_Labs @Lombard_Finance, amigos que eran ambiguos respecto a la compensación en la edad de oro de Yaping Al contrario, sentía que solo ahora estaba en mi mejor momento. Cambio generacional de Gu Yaping-> Shin Yaping (?)ha estado en proceso últimamente. No sé... Una recompensa es una recompensa... ¿Sigue igual que antes? En la situación Al contrario, las recompensas para las temporadas 2 y 3 de los amigos que no pudieron crecer en Gu Yaping (Generación Dorada) se han vuelto muy, muy, muy grandes a día de hoy. ---- Incluso si miras solo las recompensas $IN, las 500 personas más altas son aproximadamente el doble de la cantidad. $BARD compensación también se ha reducido considerablemente a 100 personas al mes, lo que ha supuesto un gran aumento de la compensación per cápita. Aunque ninguno de los dos se vea obligado a encogerse por la anticipación, son negocios que tienen productos reales, funcionan bien y obtienen beneficios La compensación, el periodo y el número de personas están claramente determinados, y no hay incumplimiento de promesas. (Más bien, en el caso de @Lombard_Finance, se tira más rápido.) ---- Oh, te echo de menos... Sin embargo, también estoy de acuerdo con las palabras de Grapefruit Ham... De hecho, es cierto que las recompensas han sido extrañamente grandes hasta ahora. Es vergonzoso dar 10 millones al mes y luego dar un millón al mes. ¿No me das solo un mes? Eso no es así otra vez, ja ja...

Profundizando en Sentient ROMA @SentientAGI mirar la tabla de clasificación, parece que la calidad de la escritura también es bastante importante. Así que voy a escribir sobre ROMA, que creo que cuenta con la más alta tecnología en Sentient. 1. ROMA no es un modelo de IA. - ROMA es un marco en el que múltiples agentes de IA derivan las respuestas más confiables y precisas en función de los valores de cada agente de forma jerárquica y recursiva. Si observa el archivo Léame de Githet, generalmente puede ver la relación orgánica básica del código, e ingresará y usará la clave API de modelos de IA como GPT y Gemini, que comúnmente conocemos. 2. Entonces, ¿cuál es el punto? - Está en la división de cuatro roles: Atomizador, Ejecutor, Planificador y Agregador. Cuando se le asigna una tarea, decide si tratarla como una o varias cosas (Atomizador), decide cómo resolverla (Planificador), la ejecuta según lo planeado (Ejecutor) y luego la agrega (Agregador) y devuelve la respuesta. Además, puede elegir el paso de verificar la respuesta a través del Verificador como opción. 3. ¿Se utiliza un solo modelo? -No. Si observa el código de inicio rápido, todos ellos especifican sus propios modelos, excepto el ejecutor. (por ejemplo, gpt-4o-mini, gemini-2.5-flash) De esta manera, parece que la mejor respuesta se deriva mediante el uso de múltiples modelos en lugar de un solo modelo. 4. ¿La respuesta será siempre la misma? - Esto tampoco lo es. Los resultados de ejecución para cada modelo de IA son diferentes para una sola tarea, y depende de cómo se ajusten los parámetros, es decir, cómo ajustarlos. Por ejemplo, el parámetro más típico llamado Temperatura tiene un valor de 0-2, con más cerca de 0 dando una respuesta consistente, y más cerca de 2, dando una variedad de respuestas para cada prueba. Al final, parece que habrá una gran diferencia en el rendimiento dependiendo de cómo lo configure el usuario. Recientemente tuve la oportunidad de desarrollar un agente de IA por casualidad, y lo escribí porque pensé que lo que había estudiado mientras continuaba ejecutando IA en ese momento ahora parece un truco cuando miro el código del kit :)

[@SentientAGI ] Fue un proyecto que una vez llegó al top 10 Se reduce el umbral, No sé si es un bloqueo de cuenta del círculo interno o algo así. Mindshare no se reflejó, por lo que se eliminó el top 100. A propósito... Después de la reunión, mi sangre fue perforada nuevamente😢 Siempre corrí duro, pero lo intenté de nuevo Si hay buenas noticias, ¡haré todo lo posible para difundirlas! 🫡