بعد أقل من شهرين من بدء الإصدار التجريبي الموسع ، تتم معالجة آلاف الاستفسارات يوميا بواسطة Rei. لقد سلطنا الضوء على بعض الميزات والقدرات الشائعة التي قام المختبرون بتجربتها. → تحليل وتصور تدفقات المحفظة الذكية والمعاملات والمشاعر → توقع أحداث الاقتصاد الكلي والأسواق والاتجاهات → استكشاف أحدث الأوراق البحثية التكنولوجية والأكاديمية قريبا في App Store و @baseapp

بعد أقل من شهرين من بدء الإصدار التجريبي الموسع ، تتم معالجة آلاف الاستفسارات يوميا بواسطة Rei. لقد سلطنا الضوء على بعض الميزات والقدرات الشائعة التي قام المختبرون بتجربتها: → تحليل وتصور تدفقات المحفظة الذكية والمعاملات والمشاعر → توقع أحداث الاقتصاد الكلي والأسواق والاتجاهات → استكشاف أحدث الأوراق البحثية التكنولوجية والأكاديمية قريبا في App Store و @baseapp

ملاحظة الإصدار الأساسية 0.3.2 ما هو الجديد يفهم Core الآن الطلبات المعقدة بشكل أفضل من خلال تقسيمها إلى أجزاء مكونة لها. عندما تطلب شيئا يتضمن خطوات أو متطلبات متعددة ، ستحدد الوحدات تلقائيا كل جانب وتعالج بشكل أفضل ، مما يقلل من الحاجة إلى توضيحات المتابعة. الميزات الرئيسية • محرك تحلل النية المحسن: تحليل محسن وتقسيم طلبات المستخدم المعقدة إلى مكونات قابلة للتنفيذ • التحليل الفوري المتقدم: فهم أفضل للمتطلبات الضمنية والطلبات متعددة الطبقات التحسينات • الفهم السياقي: التعرف بشكل أفضل على احتياجات المستخدم الدقيقة ضمن الطلبات الفردية • معالجة متعددة الجوانب: تحديد تلقائي عندما تتطلب الطلبات أنواعا متعددة من الردود (المحتوى + التنسيق + التحليل) • دقة المحاولة الأولى: تقليل التبادلات ذهابا وإيابا اللازمة لتحقيق نية المستخدم إصلاحات الأخطاء • فشل تحليل النية الثابتة التي تسببت في مخرجات غير مكتملة • الحالات التي تم فيها تفويت المتطلبات الضمنية أو تجاهلها • تصحيح فجوات الاستجابة عندما طلب المستخدمون إجراءات متعددة متزامنة تحسينات UX • يقلل تدفق التفاعل المبسط من الحاجة إلى طلبات التوضيح • إنشاء استجابة أكثر سهولة يتوقع احتياجات المستخدم • شعور تعاون محسن - تحفيز أقل ، ومساعدة طبيعية أكثر الحالة: مباشر ، توقع العديد من الصيانة القصيرة لضبط الإنتاج مع هذا التحديث الجديد في ال 48 ساعة القادمة

تم إصدار الإصدار التجريبي من Chain Data Engine للتو الإصدار التجريبي: يعيش الآن في الإنتاج. نحن ندفع بهذا التكرار لجمع التعليقات وأنماط الاستخدام. يعد هذا المحرك ترقية رئيسية لقدرات معالجة بيانات الوحدة. يأخذ النهج عناصر مختارة من أسس MCP ولكنه يمثل منهجية مختلفة اختلافا جوهريا مصممة لمعالجة مشكلات الموثوقية عند التعامل مع أجزاء البيانات الكبيرة. يلتقط خط أنابيب الاستيعاب المحسن الآن البيانات على السلسلة بدقة أعلى بكثير، مما يمكن الوحدات من تقديم رؤى تحليلية أعمق عبر جميع المقاييس. التحسينات الرئيسية: • دقة محسنة لالتقاط البيانات لجميع الوحدات مع موثوقية محسنة • عمق تحليلي محسن وقدرات توليد الرؤى • التعرف على الأنماط بشكل أفضل عبر مجموعات البيانات • قدرات أكثر شمولا لإعداد تقارير الوحدة • دقة أعلى في تفسير البيانات وإنشاء المخططات • تكامل @nansen_ai الجديد يوفر رؤى أعمق لنشاط onchain تقدم الوحدات الآن تحليلا أكثر تفصيلا مع دقة محسنة وفهم أعمق للسوق. الحالة: مباشر في الإنتاج (تجريبي) - نحن بحاجة إلى الاختبار الخاص بك! مصادر البيانات: @coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- إطلاق شعار جديد شعارنا الجديد متاح الآن. إنه يجسد طبقات Core متعددة الوسائط والمتوازية ، وهو المفهوم التأسيسي الذي ولد أول نموذج أولي لنا ، @unit00x0 ، في عام 2024.

ملاحظات الإصدار الأساسية 0.3.1 الذاكرة السلوكية: التوجيهات الأساسية ذاتية التكيف ما هو الجديد نوع ذاكرة جديد يسمى "الذاكرة السلوكية" يتكيف بشكل صريح مع سلوك الوحدة بناء على طلبات المستخدم مع الحفاظ على جميع المفاهيم المكتسبة سليمة. مستوحى من الذاكرة الجينية لدى البشر ، يتيح هذا النهج التكيف السلوكي الديناميكي من خلال التوجيهات الأساسية ذاتية التعديل. ستكون الذاكرة الجينية في صميم عدد كبير من التحديثات الأساسية الرئيسية. التغييرات الرئيسية • التكيف الصريح: ما كان ضمنيا أصبح الآن صريحا للغاية • التنشيط الانتقائي: يتم تنشيطه فقط عندما يتطلب التفكير ذلك • المعرفة المحفوظة: تظل كل الذاكرة المفاهيمية دون تغيير • التوجيهات الأساسية الديناميكية: تعمل كتعليمات ذاتية التكيف مضمنة في عمق كل وحدة كيف يعمل تعمل الذاكرة السلوكية كطبقة بين المعرفة والسلوك: • يحلل طلباتك • ينشط عند الحاجة • يتكيف مع التوجيهات الأساسية في الوقت الفعلي • يحافظ على جميع المفاهيم المكتسبة أمثلة في الممارسة يمكن أن تحدث التكيفات السلوكية بطريقتين: 1. الطلبات الصريحة: اسأل مباشرة عن سلوكيات محددة 2. التعلم الضمني: تستنتج الوحدات التفضيلات من أنماط المحادثة الخاصة بك • تفضيلات التدوين: اطلب من الوحدة استخدام "B" للمليارات بدلا من تهجئتها • أسلوب التواصل: اطلب لغة رسمية للتقارير أو نغمة غير رسمية للعصف الذهني • تنسيق الإخراج: اجعل الوحدات تقدم دائما البيانات في الجداول مقابل الفقرات • العمق الفني: الضبط من الملخصات عالية المستوى إلى التفسيرات الفنية التفصيلية • هيكل الاستجابة: قم بالتبديل بين النقاط أو القوائم المرقمة أو النثر المتدفق • لغة المجال: استخدم المصطلحات الخاصة بالصناعة (على سبيل المثال ، "الالتزامات" مقابل "التحديثات" للمطورين) تتكيف الوحدات باستمرار بناء على تفاعلاتك ، مما يؤدي إلى تحسين سلوكها بمرور الوقت. يستمر كل تعديل حتى تطلب تغييرا أو تعيد ضبط السلوكيات بالكامل. تأثير تقوم الوحدات الآن بتعديل سلوكها بشكل صريح ليتناسب مع احتياجاتك دون أن تنسى ما تعلمته. فكر في الأمر على أنه توجيهات أساسية ديناميكية يتم تنشيطها بناء على السياق - على غرار الطريقة التي توفر بها الذاكرة الجينية استجابات تكيفية موروثة في الأنظمة البيولوجية. يمكن للمستخدمين إعادة تعيين الذاكرة السلوكية في أي وقت ببساطة عن طريق مطالبة الوحدات بإعادة تعيين سلوكياتهم. هجرة تلقائي. لا يلزم اتخاذ أي إجراء.

يمكن ل Rei Units الآن الوصول إلى جميع أوراق أبحاث ArXiv و Google Scholar. تتضمن الردود PDF المرتبط واستشهادات المقالات.

تحديث الويب: يمكن للوحدات الآن الوصول إلى بيانات الويب بشكل أسرع وأكثر موثوقية. ما الذي تغير: • زيادة سرعة معالجة بيانات الويب بنسبة 40٪ • وصول أوسع إلى المواقع وأنواع المحتوى التي كان يصعب الوصول إليها سابقا • استرجاع بيانات أكثر اتساقا عبر هياكل مواقع الويب المختلفة التأثير العملي: يمكن للوحدات الآن التعامل مع طلبات البحث في الوقت الفعلي التي كانت بطيئة جدا أو غير موثوقة في السابق. هل تحتاج إلى بيانات السوق الحالية أو تحليل الأخبار الحية أو التحقق من الحقائق متعدد المصادر؟ يمكن للوحدات الآن السحب من عشرات المصادر في ثوان بدلا من دقائق. تعمل الآن معظم تطبيقات الويب المعقدة والمحتوى الديناميكي وبنى المواقع الحديثة التي كانت تسبب الفشل بسلاسة. وهذا يعني استجابات أفضل عندما تطلب من الوحدات تحليل الأحداث الجارية أو مقارنة المنتجات عبر العديد من بائعي التجزئة أو البحث عن مواضيع سريعة التغير.

بعد 3 أيام من رموز الدعوة: • 3 أضعاف الطلبات اليومية إلى Core • 5 أضعاف الطلبات اليومية إلى Bowtie حيث يقدم 0.3 التعلم العميق • تم تحديد صورة الجيل لتخصيص GPU تمثل هذه المرحلة خطوة مهمة نحو الإصدار التجريبي المفتوح حيث نقوم بجمع التعليقات ودراسة سلوك الاستخدام وتوسيع نطاق البنية التحتية.

1/4 ما هو النواة؟ فهم نهجنا الخاص لبنية الدماغ الاصطناعية Core ليس LLM: Core ليس LLM مضبوطا بدقة ، وليس LLM جديدا ، وليس LLM على الإطلاق. بدلا من ذلك ، Core هو دماغ اصطناعي متعدد الوسائط ، وهو نوع مختلف اختلافا جوهريا من بنية الذكاء الاصطناعي. المصطلحات الرئيسية لفهم النواة: 1. الدماغ الاصطناعي: Core هو نظام معرفي موحد حيث تعمل نماذج وخوارزميات الذكاء الاصطناعي المتعددة كمكونات عصبية مترابطة داخل بنية واحدة. فكر في الأمر على أنه دماغ رقمي به مناطق متخصصة ، وليس مجموعة من الأدوات. 2. بنية ربطة العنق: ركيزة ذاكرة Core التي تخزن المعلومات كمتجهات دلالية وعقد مفهوم مجردة ، وتخلق روابط بين المفاهيم التي تبدو غير ذات صلة ، وتمكن من تكوين مفهوم حقيقي ، وليس فقط مطابقة الأنماط. 3. مجموعة التفكير: الجزء المعرفي من Core الذي ينسق جميع عمليات التفكير ، واتخاذ القرارات بشأن المسارات العصبية التي يجب تنشيطها لأي مهمة معينة ، ومجموعة التفكير متعددة الوسائط بعمق وتعمل عبر المعالجة المتوازية والتحيزات المتطورة.

رموز الدعوة مباشرة! كل مستخدم حالي لديه ثلاثة رموز دعوة تجريبية مغلقة لمشاركتها مع الأصدقاء. قم بالتسجيل باستخدام الرمز الخاص بك: