Förutom Monad, som precis har avslutat TGE, @SentientAGI det att Mindshare har ökat intresset på 3:e plats. Det finns många chirashi i omlopp just nu, varav den viktigaste är Det är TGE i november. Min personliga åsikt är att november är lite tidigt. Det pratades också om sajtens egna poängprogram, men det har inte gjorts ännu, och även om det är en förköpsmeta nuförtiden finns det inget ljud. Detta är helt och hållet min personliga åsikt, och om jag gör TGE i november, Decoroll- och yapping-belöningarna ser otroligt läckra ut. Det beror på att det inte finns någon plats att spraya det förutom de två. Det är inte som Monad, men det verkar föda dig några tusen. Bland dem på topplistan verkar topplaceringarna vara värda att se fram emot. Jag hoppas att det finns goda nyheter för dem som har kommit så långt... Och jag hoppas också att jag kommer in på topplistan... samhällsägda AGI är en kännande kämpande !!

De flesta befintliga LLM:er tränas en gång och sedan i en ny miljö Den uppdateras inte av sig själv. Med andra ord bedöms den endast utifrån en fast kunskapsbas och kan inte utvecklas. Detta kallas STATISK INTELLIGENS. Tvärtom kan artificiella system som lär sig och utvecklas på egen hand i takt med den föränderliga miljön och nya data Det kallas adaptiv intelligens. @SentientAGI's MindGames Arena Detta är världens första självlärande AI-tävling som arrangeras direkt av NeurlPS. "Man måste anpassa sig till ofullständig information och människor i ständig förändring." Med målet att förråda, alliera sig och agera som riktiga människor på arenan. Detta är också det första försöket av AI att lära sig av sociala sammanhang och utveckla intelligens i relationer. Typiska AI-sårbarheter som upptäckts genom Sentients mindgames inkluderar: Misslyckande med att anpassa sig till förändringar i motståndarens strategi, misslyckande med att upprätthålla långsiktiga mål och överdrivna aggressiva tendenser. Dessa misslyckanden är dock inte nackdelar, Man kan säga att AI är ett "läkemedel som används men har en viss effekt" som tydliggör i vilken riktning det behöver förbättras. Om Sentients MINDE GAMES ARENA kan accelerera utvecklingen av AGI, som bara existerade i teorin, Det är samma sak som att bygga ett nytt paradigm från AI med statisk intelligens till AI med adaptiv intelligens. Senare är det omöjligt att föreställa sig hur mycket Sentient kommer att vara värd. Vi kan fortfarande vara mycket tidiga användare.

Den 15:e meddelade @SentientAGI att totalt fyra artiklar har antagits till NeurIPSConf, världens största AI-konferens. Bland dem förklarades LiveCodeBench Pro av Niao Zedong. OML: En primitiv metod för att förena öppen tillgång med ägarkontroll i AI-modelldistribution Låt oss förklara detta dokument på ett lättförståeligt sätt! Först och främst, om man tittar på de AI:er som för närvarande finns tillgängliga, kan de delas in i två typer. 1. Stängd AI (ChatGPT, claude, Gemini) Som namnet antyder är det en sluten AI. Användare kan inte visa eller ändra modellen direkt. Företag kan dock kontrollera modellen och tjäna pengar genom monopol. 2. Öppen AI (Lama, Mistral) OpenAI kan redigeras av vem som helst, och vem som helst kan ladda ner det. Den som skapat modellen kan dock inte förhindra piratkopiering eller tjäna pengar. Här har Sentient-forskarna Att lösa dilemmat med öppenhet och kontroll Man har presenterat ett nytt koncept som kallas OML. Det är också huvudtemat i tidningen som introduceras idag haha OML är helt enkelt en teknik som bäddar in kod i en AI-modell. Den här koden säkerställer att modellen endast fungerar korrekt med behöriga användare. Om modellen särskiljer sig och en obehörig användare ställer en fråga, Den ger konstiga svar eller saktar ner! Låt oss ta ett exempel från verkligheten. Tidigare laddades de flesta filmerna ner med hjälp av torrents. Denna torrent kan laddas ner av vem som helst och kan kopieras. Producenter tjänar inga pengar. OML-modellen är dock som Netflix, där vem som helst kan se filmen, men bara den inloggade personen kommer att spela upp den, och tittarrekordet kommer att hållas! Jag tjänar pengar! Jag hoppas att ni förstår det bra, och att vi går vidare till nästa haha I OML version 1.0 finns det en kärnteknik som kallas Fingerprinting. Det är en teknik som implanterar ett hemligt nyckelbaserat svarsmönster i själva AI-modellen. Detta gör det möjligt att spåra och verifiera olaglig användning i efterhand Det är också den praktiska implementeringsmetoden som presenteras i detta dokument! Försämrar inte prestandan att placera den här tekniken i en AI-modell? Du kanske är orolig, men det sägs att prestandaförsämringen jämfört med originalet redan bibehålls på en nivå av mindre än 1%haha Du kan också infoga tusentals unika hemliga nycklar! Visionen som Sentient presenterar genom OML är följande. 1. Öppna AI-modeller kan också användas utan dataläckage 2. Tillhandahåll en intäktsstruktur för ägare av AI-modeller 3. Bevis på ägande av AI-modeller och upptäckt av olaglig distribution Med andra ord är OML hörnstenen som gör den decentraliserade öppna AI-modellekonomin tekniskt möjlig!! Det finns begränsningar som att fullständig säkerhet fortfarande är omöjlig, och piratkopiering kan upptäckas men kan inte förhindras. För att vara ärlig har det gått ett år sedan projektet kom ut, så jag ser fram emot det!! Vad tror du?