Leggendo il post di Grapefruit Ham, mi è venuto in mente che come @Infinit_Labs e @Lombard_Finance, i ragazzi che erano stati un po' trascurati durante l'era d'oro di Yapping, sembra che ora stiano finalmente entrando nel loro periodo di massimo splendore. Il passaggio dalla vecchia generazione di Yaping a quella nuova (?) sta avvenendo intensamente di recente, e non so come dire... le ricompense sono ricompense, ma... non hanno più quel sapore di una volta? In una situazione in cui le ricompense per i ragazzi della vecchia generazione (generazione d'oro) che non hanno potuto brillare sono diventate enormemente grandi per le attuali stagioni 2 e 3. ---- Solo guardando le ricompense di $IN, per i primi 500, la quantità è circa il doppio, e anche le ricompense di $BARD sono diminuite drasticamente a 100 persone al mese, quindi alla fine la ricompensa per persona è diventata enorme. Inoltre, entrambi non sono solo hype forzato, ma sono aziende con prodotti reali, che funzionano bene e generano profitti. Le ricompense, i tempi e il numero di persone sono tutti chiaramente definiti e non ci sono stati inadempimenti. (Anzi, nel caso di @Lombard_Finance, hanno persino anticipato le ricompense.) ---- Ah, quanto mi manca... Ma sono molto d'accordo con quello che dice Grapefruit Ham... In realtà, è vero che finora le ricompense sono state incredibilmente grandi. Se prima si davano diecimila al mese e ora solo mille, è normale sentirsi delusi. Ma non è che non lo farai solo perché ora danno mille al mese, giusto? Beh, non è così, ahah...

Esplorando ROMA di Sentient Guardando la classifica di @SentientAGI, sembra che la qualità dei contenuti sia piuttosto importante. Quindi, scriverò su ROMA, che considero il più avanzato in termini di tecnologia di Sentient. 1. ROMA non è un modello AI. - ROMA è esattamente un framework Multi-agent, cioè un insieme di agenti AI che lavorano in modo gerarchico e ricorsivo, facendo riferimento ai valori di ciascun agente per ottenere la risposta più affidabile e precisa. Nella Readme di GitHub, di solito si possono vedere le relazioni fondamentali tra i codici, dove si utilizzano le chiavi API di modelli AI come GPT e Gemini. 2. Qual è quindi il punto chiave? - È tutto nella suddivisione dei ruoli di Atomizer, Executor, Planner e Aggregator. Quando viene assegnato un compito, si decide se gestirlo in un modo o in più modi (Atomizer), si determina come risolverlo (Planner), si esegue secondo il piano (Executor) e infine si aggregano i risultati (Aggregator) per restituire la risposta. Inoltre, c'è anche la fase di verifica (Verifier) che può essere selezionata come opzione per convalidare la risposta. 3. Viene utilizzato solo un modello? - No. Se si consulta il codice Quickstart, si noterà che, ad eccezione dell'Executor, vengono specificati modelli diversi (es. gpt-4o-mini, gemini-2.5-flash). In questo modo, non si utilizza un solo modello, ma più modelli per ottenere la migliore risposta. 4. La risposta sarà sempre la stessa? - Neanche questo è vero. Ogni modello AI produce risultati diversi per lo stesso compito e varia a seconda di come si regolano i parametri, cioè come si effettua il fine-tuning. Ad esempio, il parametro più rappresentativo, la Temperature, varia da 0 a 2, dove valori più vicini a 0 producono risposte coerenti, mentre valori più vicini a 2 forniscono risposte diverse ad ogni esecuzione. Alla fine, sembra che la differenza di prestazioni dipenda molto da come l'utente imposta questi parametri. Recentemente ho avuto l'opportunità di sviluppare un agente AI e, mentre studiavo, mi sembrava che ora, guardando il codice di GitHub, tutto fosse più chiaro, quindi ho deciso di scriverlo :)

[@SentientAGI ] Era un progetto che era arrivato fino alla top 10, ma con la diminuzione della soglia non so se sia un blocco degli account dell'inner circle o cosa, ma la mindshare non è stata riflessa e siamo usciti dalla top 100. Tuttavia... dopo il meetup, sembra che ci sia di nuovo un flusso positivoㅠㅠ Ho sempre lavorato duramente, ma farò di nuovo del mio meglio e se ci saranno buone notizie, le condividerò con impegno! 🫡