Hoy, de hecho, trabajé un poco, pero leer artículos me da pereza, así que le pedí a GPT que buscara < un artículo sobre este tema~ >. Pero si no hay, debería decirlo claramente, ¿verdad? Sin embargo, sigue creando títulos que no existen, jajaja. ¡Justo eso, con la sensación que quiero! ¡Que parezca creíble! ¡Que parezca que podría existir! De verdad, esto es muy frustrante porque podría ser que la IA esté conectando enlaces incorrectamente, así que tengo que buscar en Google Scholar o Sci Hub, y si no aparece, si realmente hay una referencia, tengo que consultarla o revisar el IF del artículo, y si se superponen demasiado, tengo que pensar en qué identidad podría tener, o cambiar mi tema; ¿Y al buscar? ¡Todo era un engaño! En momentos como este, realmente siento que necesito la tecnología de reducción de alucinaciones de @Mira_Network. En el caso de Mira Network, adoptaron la verificación de múltiples modelos basada en consenso para reducir la tasa de alucinaciones y asegurar la confiabilidad y transparencia a través de una capa de verificación basada en blockchain. De manera similar, @AlloraNetwork está desarrollando una red de inteligencia de máquina distribuida basada en zkML para reducir esta 'falsa certeza' de la IA. Este sistema tiene una estructura de evaluación basada en la percepción del contexto + función de pérdida predictiva. Con esta tecnología, las IAs se evalúan entre sí y tienen una estructura de auto-mejora (self-improving). A través de una estructura donde la IA valida a la IA, tienen un objetivo común de minimizar la información incorrecta o las respuestas ficticias (alucinaciones), y creo que esta dirección es el camino para resolver el verdadero problema de la IA que enfrentamos ahora. Este texto fue escrito después de realizar una investigación a través de la plataforma de investigación en cripto @Surf_Copilot. Este video fue producido a través de @Everlyn_ai. @auz2or @subijjjang @iinging747