Grapefruit Ham Apa yang terlintas di benak saat membaca artikel Seperti @Infinit_Labs @Lombard_Finance, teman-teman yang ambigu tentang kompensasi di zaman keemasan Yaping Sebaliknya, saya merasa bahwa baru sekarang saya berada di masa jaya saya. Perubahan generasi Gu Yaping-> Shin Yaping (?)telah berlangsung akhir-akhir ini. Saya tidak tahu... Hadiah adalah hadiah... Apakah masih sama seperti sebelumnya? Dalam Situasi Sebaliknya, hadiah untuk musim 2 dan 3 dari teman-teman yang tidak bisa tumbuh di Gu Yaping (Generasi Emas) telah menjadi sangat, sangat, sangat besar sampai sekarang. ---- Bahkan jika Anda melihat hadiah $IN saja, 500 orang teratas sekitar 2 kali lipat jumlahnya. Kompensasi $BARD juga telah sangat berkurang menjadi 100 orang per bulan, menghasilkan peningkatan besar dalam kompensasi per kapita. Bahkan jika keduanya tidak dipaksa untuk menyusut dengan antisipasi, mereka adalah bisnis yang memiliki produk yang sebenarnya, bekerja dengan baik, dan menghasilkan keuntungan Kompensasi, periode, dan jumlah orang semuanya ditentukan dengan jelas, dan tidak ada pelanggaran janji. (Sebaliknya, dalam kasus @Lombard_Finance, itu ditarik lebih cepat.) ---- Oh, aku merindukanmu... Namun, saya juga setuju dengan kata-kata Grapefruit Ham ... Faktanya, memang benar bahwa hadiahnya anehnya sejauh ini. Sangat memalukan untuk memberikan 10 juta sebulan dan kemudian memberikan satu juta sebulan. Bukankah Anda akan memberi saya hanya sebulan? Itu tidak terjadi lagi, ha ha ...

Menggali ROMA Sadar @SentientAGI melihat papan peringkat, tampaknya kualitas tulisannya juga cukup penting. Jadi saya akan menulis tentang ROMA, yang menurut saya menawarkan teknologi tertinggi di Sentient. 1. ROMA bukanlah model AI. - ROMA adalah kerangka kerja di mana beberapa agen AI memperoleh jawaban yang paling andal dan akurat berdasarkan nilai setiap agen secara hierarkis dan rekursif. Jika Anda melihat Githet Readme, Anda biasanya dapat melihat hubungan organik dasar kode, dan Anda akan memasukkan dan menggunakan kunci API model AI seperti GPT dan Gemini, yang biasa kita kenal. 2. Jadi apa gunanya? - Itu dalam pembagian empat peran: Alat Penyemprot, Pelaksana, Perencana, dan Agregator. Ketika diberi tugas, ia memutuskan apakah akan menanganinya sebagai satu atau beberapa hal (Atomizer), memutuskan bagaimana menyelesaikannya (Planner), menjalankannya seperti yang direncanakan (Executor), dan kemudian mengagregasinya (Aggregator) dan mengembalikan jawabannya. Selain itu, Anda dapat memilih langkah verifikasi jawaban melalui Verifier sebagai opsi. 3. Apakah hanya satu model yang digunakan? -Tidak. Jika Anda melihat kode Mulai Cepat, semuanya menentukan modelnya sendiri, kecuali Pelaksana. (mis. gpt-4o-mini, gemini-2.5-flash) Dengan cara ini, tampaknya jawaban terbaik diperoleh dengan menggunakan beberapa model, bukan hanya satu model. 4. Apakah jawabannya akan selalu sama? - Ini juga tidak. Hasil eksekusi untuk setiap model AI berbeda untuk satu tugas, dan itu tergantung pada bagaimana parameter disesuaikan, yaitu cara menyempurnakan. Misalnya, parameter paling umum yang disebut Suhu memiliki nilai 0-2, dengan lebih dekat ke 0 memberikan jawaban yang konsisten, dan lebih dekat ke 2, memberikan berbagai jawaban untuk setiap percobaan. Pada akhirnya, tampaknya akan ada perbedaan kinerja yang besar tergantung pada bagaimana pengguna mengaturnya. Saya baru-baru ini memiliki kesempatan untuk mengembangkan agen AI secara kebetulan, dan saya menulisnya karena saya pikir apa yang telah saya pelajari saat terus menjalankan AI pada saat itu sekarang terlihat seperti trik ketika saya melihat kode kit :)

[@SentientAGI] Itu adalah proyek yang pernah masuk ke 10 besar Ambang batas diturunkan, Saya tidak tahu apakah itu kunci akun lingkaran dalam atau semacamnya. Mindshare tidak tercermin, jadi 100 besar dijatuhkan. Omong-omong... Setelah pertemuan, darahku ditusuk lagi😢 Saya selalu berlari keras, tetapi saya mencoba lagi Jika ada kabar baik, saya akan melakukan yang terbaik untuk menyebarkannya! 🫡