Грейпфрутова шинка Що спало на думку, читаючи статтю Як і @Infinit_Labs @Lombard_Finance, друзі, які були неоднозначними щодо компенсації в золоту епоху Япін Навпаки, я відчував, що лише зараз у своїй найкращій формі. Гу Япін — > Шин Япін — поколінні зміни (?)останнім часом триває. Я не знаю... Нагорода є нагорода... Чи все так само, як раніше? У ситуації Навпаки, винагороди для друзів, які не змогли вирости в Гу Япіні (Золоте покоління), наразі стали дуже, дуже, дуже великими. ---- Навіть якщо подивитися лише на $IN винагороди, топ-500 людей приблизно вдвічі більше. $BARD компенсації також суттєво зменшено до 100 осіб на місяць, що призвело до значного зростання компенсації на душу населення. Навіть якщо обидва не змушені зменшуватися через очікування, це бізнеси, які мають реальні продукти, працюють добре і отримують прибуток Компенсація, термін і кількість людей чітко визначені, і обіцянок не порушується. (Натомість у випадку @Lombard_Finance він тягне швидше.) ---- О, я сумую за тобою... Однак я також погоджуюся зі словами Грейпфрутового Хема... Насправді, правда в тому, що винагороди досі були дивно великими. Соромно давати 10 мільйонів на місяць, а потім один мільйон на місяць. Хіба ти не даси мені лише місяць? Це знову не так, ха-ха...

Занурення в розумних ромів @SentientAGI дивлячись на таблицю лідерів, здається, що якість написаного також досить важлива. Тому я збираюся написати про ROMA, який, на мою думку, може похвалитися найвищими технологіями в Sentient. 1. ROMA – це не модель штучного інтелекту. - ROMA – це структура, в якій кілька агентів штучного інтелекту отримують найбільш надійні та точні відповіді на основі значень кожного агента ієрархічно та рекурсивно. Якщо ви подивитеся на Githet Readme, ви зазвичай можете побачити базовий органічний зв'язок коду, і ви будете вводити та використовувати API-ключ моделей штучного інтелекту, таких як GPT та Gemini, які ми зазвичай знаємо. 2. Так в чому ж сенс? - Він знаходиться в розподілі чотирьох ролей: Атомайзер, Виконавець, Планувальник і Агрегатор. Коли йому задають завдання, він вирішує, чи розглядати його як одну або кілька справ (Атомайзер), вирішує, як його вирішити (Планувальник), виконує його за планом (Виконавець), а потім агрегує його (Агрегатор) і повертає відповідь. Крім того, ви можете вибрати крок перевірки відповіді через верифікатор як опцію. 3. Чи використовується тільки одна модель? -Ні. Якщо подивитися на код Quickstart, то всі вони вказують свої моделі, крім Executor. (наприклад, gpt-4o-mini, gemini-2.5-flash) Таким чином, здається, що найкраща відповідь можна отримати, використовуючи кілька моделей, а не лише одну. 4. Чи завжди відповідь буде однаковою? - Це теж не так. Результати виконання для кожної моделі ШІ різні для окремо взятого завдання, і це залежить від того, як налаштовані параметри, тобто як провести тонке налаштування. Наприклад, найтиповіший параметр під назвою «Температура» має значення 0-2, де ближче до 0 дає послідовну відповідь, а ближче до 2 — різноманітні відповіді для кожного випробування. У підсумку, схоже, що буде велика різниця в продуктивності в залежності від того, як користувач її налаштує. Нещодавно мені випала нагода випадково розробити ШІ-агента, і я написав її, тому що вважав, що те, що я вивчав, продовжуючи працювати зі штучним інтелектом на той момент, зараз виглядає як трюк, коли я дивлюся на код комплекту :)

[@SentientAGI ] Це був проект, який свого часу увійшов в топ-10 Поріг опускається, Я не знаю, чи це блокування облікового запису внутрішнього кола чи щось таке. Mindshare не відбився, тому топ-100 був відкинутий. До речі... Після зустрічі у мене знову😢 прокололася кров Я завжди бігав важко, але намагався знову Якщо є хороші новини, я зроблю все можливе, щоб їх поширити! 🫡