Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

korini
.@Lombard_Finance to udělat
Jsi si jistá
Už jsem dělal TGE a neustále to dokazuji.
Ambasadoři a tvůrci také vedou druhou sezónu.
$BARD cena sama o sobě se liší od běžných kriminalitních projektů v dnešní době.
Je to také BTCfi, které pravděpodobně v budoucnu poroste.
—
Ale jednou z bariér vstupu je práh.
Jsem taky ve Wider.
Přesto by se to mělo udělat
Někdy je řešení tohoto základního problému větší šancí než snaha o jednorázový pokus
Stejně jako teď


코루🍊26. 11. 2025
자몽햄 글을 보면서 떠오른건
@Infinit_Labs @Lombard_Finance 처럼 야핑 황금기 시대에 보상 애매했던 친구들이
오히려 현재 이제야 전성기가 될 것 같다는 느낌이 들었음
구야핑->신야핑 세대교체(?)가 최근 빡시게 진행중인데
뭐랄까... 보상은 보상이긴한데... 예전의 그맛은 없는? 상황에서
오히려 구야핑(황금세대)에 기를 못폈던 친구들의 시즌2,3 보상이 현재로썬 매우매우매우 거대해졌음
----
$IN 보상만 보더라도 상위500명 기준으론 대략 물량 2배정도고
$BARD 보상 또한 모수가 매달100명으로 엄청 줄어들어서 결과적으로 인당 보상이 엄청 커짐
심지어 둘 다 기대감으로 억지 쉴링하는게 아니라 실제 제품이 있고, 잘 작동하고, 수익을 벌 고 있는 사업들임
보상, 기간, 인원 모두 확실하게 정해져있고 약속 어긴적도 없음
(오히려 @Lombard_Finance 의 경우 더 빨리 당겨서 준거임)
----
아아 그립읍니다...
하지만 자몽햄 말씀에도 매우 동감하는바...
사실 지금까지가 이상할 정도로 보상이 컸던게 맞다.
월천만 주다가 월백만 주니까 섭섭한거지
월백만 준다고 안할꺼냐?
그건 또 아니거든 ㅋㅋ...

285
[@SentientAGI předčasná akvizice AGI Roll dokončena, jsem absolvent?]
Narazil jsem na spoustu chatů na Discordu
Uspořádejte všechny příspěvky, které jsem dosud zveřejnil.
Neustále se účastnit akcí
Všechno jsem to napsal na Notion a odeslal.
Dnes ráno jsem zkontroloval kanál Discord a zjistil jsem, že jsem byl zahrnut do raného upgradu AGI!
Jsem Yaping Ranker + Early AGI Roll Holder.
Dá se to prasknout?
@namyura_ @0xsachi


코인추천요정 | GMB LABS11. 11. 2025
Jak se ponořit do vnímavé ROMA
@SentientAGI pohledu na žebříček se zdá, že kvalita psaní je také docela důležitá. Takže budu psát o ROMĚ, která se podle mě pyšní nejmodernější technologií v Sentientu.
1. ROMA není model umělé inteligence.
- ROMA je rámec, ve kterém více agentů umělé inteligence odvozuje nejspolehlivější a nejpřesnější odpovědi na základě hodnot každého agenta hierarchicky a rekurzivně. Pokud se podíváte na Githet Readme, obvykle vidíte základní organický vztah kódu a zadáte a použijete API klíč AI modelů, jako jsou GPT a Gemini, které běžně známe.
2. Tak jaký to má smysl?
- Je v divizi čtyř rolí: Atomizer, Executor, Planner a Aggregator. Když je mu zadán úkol, rozhodne se, zda s ním bude nakládat jako s jednou nebo více věcmi (Atomizer), rozhodne se, jak jej vyřešit (Planner), provede jej podle plánu (Executor) a poté jej agreguje (Aggregator) a vrátí odpověď. Kromě toho si můžete jako možnost zvolit krok ověření odpovědi prostřednictvím ověřovače.
3. Používá se pouze jeden model?
-Ne. Pokud se podíváte na kód pro rychlý start, všechny určují své vlastní modely, s výjimkou Executoru. (např. gpt-4o-mini, gemini-2.5-flash) Tímto způsobem se zdá, že nejlepší odpověď je odvozena použitím více modelů namísto pouze jednoho modelu.
4. Bude odpověď vždy stejná?
- To také není. Výsledky provádění pro každý model AI se u jednoho úkolu liší a záleží na tom, jak jsou upraveny parametry, tedy jak je třeba doladit. Například nejtypičtější parametr nazvaný Teplota má hodnotu 0-2, přičemž blíže k 0 dává konzistentní odpověď a blíže k 2, což dává různé odpovědi pro každou zkoušku. Ve finále se zdá, že bude velký rozdíl ve výkonu v závislosti na tom, jak si to uživatel nastaví.
Nedávno jsem měl příležitost vyvinout agenta umělé inteligence náhodou a napsal jsem to, protože jsem si myslel, že to, co jsem studoval, když jsem v té době pokračoval v používání umělé inteligence, nyní vypadá jako trik, když se podívám na kód sady :)


259
ROMA v2 .@SentientAGI má strukturu, která rozděluje velké problémy na menší jednotky, z nichž každá je řešena nezávislým agentem, a poté výsledky opět spojí dohromady.
Model se tak nemusí starat o příliš mnoho informací najednou.
Každý úkol navíc pokrývá pouze potřebné informace, čímž se snižuje počet chyb a přetížení.
Vzhledem k tomu, že je paralelně zpracováváno více úloh současně, je rychlost také vyšší a návrh automaticky vybírá model potřebný pro každou úlohu, což také zvyšuje efektivitu.
Tento přístup je podobný způsobu, jakým lidé řeší složité problémy, rozdělují proces a zabývají se jím v pořadí.
Umožňuje agentům provádět dlouhodobé úkoly s mnohem větší spolehlivostí.
----
ROMA v2 výrazně snižuje zátěž na straně vývojářů.
K vytvoření konkrétního agenta specifického pro doménu nemusíte trénovat model.
Umožnili jsme ji sestavit pouze s rychlým návrhem a systematicky spravovali data a výsledky vytvořené během procesu realizace tak, aby byla opakovaně použitelná.
Díky tomu je proces spolupráce mezi agenty čistší a usnadňuje řešení složitých projektů ve více fázích.
V konečném důsledku to lze považovat za krok vpřed od škálování multiagentní spolupráce.


냐옹쩌둥Ⓜ️Ⓜ️T28. 10. 2025
[@SentientAGI ]
Byl to projekt, který se kdysi dostal do top 10
Práh je snížen,
Nevím, jestli je to zámek účtu vnitřního kruhu nebo tak něco.
Mindshare se neprojevil, takže top 100 bylo vypuštěno.
Mimochodem... Po meetupu mi byla krev znovu😢 propíchnuta
Vždycky jsem běžela tvrdě, ale zkusila jsem to znovu
Pokud jsou dobré zprávy, udělám vše pro to, abych je šířil! 🫡

169
Top
Hodnocení
Oblíbené