Presunto de toranja: O que veio à mente enquanto lia o artigo Como @Infinit_Labs @Lombard_Finance, amigos que eram ambíguos quanto à compensação na era de ouro do Yaping Pelo contrário, senti que só agora estava no auge. Mudança geracional de Gu Yaping-> Shin Yaping (?)tem estado em andamento ultimamente. Eu não sei... Uma recompensa é uma recompensa... Ainda está igual a antes? Na Situação Pelo contrário, as recompensas das temporadas 2 e 3 dos amigos que não cresceram em Gu Yaping (Geração Dourada) se tornaram muito, muito, muito grandes até agora. ---- Mesmo olhando apenas para as recompensas $IN, as 500 pessoas mais altas são cerca de duas vezes maiores. $BARD compensação também foi drasticamente reduzida para 100 pessoas por mês, resultando em um grande aumento da remuneração per capita. Mesmo que nenhum dos dois seja forçado a encolher de antecipação, são negócios que têm produtos reais, funcionam bem e estão obtendo lucro Compensação, período e número de pessoas são claramente determinados, e não há quebra de promessas. (Na verdade, no caso de @Lombard_Finance, ele é puxado mais rápido.) ---- Ah, sinto sua falta... No entanto, também concordo com as palavras do Grapefruit Ham... Na verdade, é verdade que as recompensas têm sido estranhamente grandes até agora. É constrangedor doar 10 milhões por mês e depois doar um milhão por mês. Você não me dá só um mês? Não é o caso de novo, ha ha...

Investigando a ROMA senciente @SentientAGI olhar para a tabela de classificação, parece que a qualidade da escrita também é muito importante. Então, vou escrever sobre ROMA, que acho que possui a mais alta tecnologia em Sentient. 1. A ROMA não é um modelo de IA. - ROMA é uma estrutura na qual vários agentes de IA derivam as respostas mais confiáveis e precisas com base nos valores de cada agente hierárquica e recursivamente. Se você olhar para o Githet Readme, geralmente poderá ver a relação orgânica básica do código e entrará e usará a chave de API de modelos de IA, como GPT e Gemini, que comumente conhecemos. 2. Então, qual é o ponto? - Está na divisão de quatro funções: Atomizador, Executor, Planejador e Agregador. Quando recebe uma tarefa, ele decide se deve lidar com ela como uma ou várias coisas (Atomizador), decide como resolvê-la (Planejador), executa-a conforme planejado (Executor) e, em seguida, agrega-a (Agregador) e retorna a resposta. Além disso, você pode escolher a etapa de verificação da resposta por meio do Verificador como opção. 3. Apenas um modelo é usado? -Não. Se você observar o código de Início Rápido, todos eles especificam seus próprios modelos, exceto o Executor. (ex. gpt-4o-mini, gemini-2.5-flash) Desta forma, parece que a melhor resposta é derivada usando vários modelos em vez de apenas um modelo. 4. A resposta será sempre a mesma? - Isso também não é. Os resultados de execução de cada modelo de IA são diferentes para uma única tarefa e dependem de como os parâmetros são ajustados, ou seja, como fazer o ajuste fino. Por exemplo, o parâmetro mais típico chamado Temperatura tem um valor de 0 a 2, com mais perto de 0 dando uma resposta consistente e mais perto de 2, dando uma variedade de respostas para cada tentativa. No final, parece que haverá uma grande diferença no desempenho dependendo de como o usuário o configura. Recentemente, tive a oportunidade de desenvolver um agente de IA por acaso, e o escrevi porque pensei que o que havia estudado enquanto continuava a executar a IA naquela época agora parece um truque quando olho para o código do kit :)

[@SentientAGI ] Foi um projeto que já foi para o top 10 O limiar é reduzido, Não sei se é um bloqueio de conta do círculo interno ou algo assim. O mindshare não foi refletido, então o top 100 foi descartado. A propósito... Após o encontro, meu sangue foi perfurado novamente😢 Eu sempre corri muito, mas tentei de novo Se houver boas notícias, farei o possível para divulgá-las! 🫡