Chystáme se vydat testnet @origin_trail DKG v9 Tady je důvod, proč je načasování důležité ━━━ Karpathyho smyčka + DKGova důvěryhodná vrstva ━━━ @karpathy právě vydal autoresearch – autonomní agenti provozující ~100 ML experimentů přes noc na jednom GPU. Píšeš program.md. Agenti iterují donekonečna. Tohle je nejčistší příklad agentní smyčky, která se chystá všechno pohltit. A přímo se to přenáší na ověřitelné kontextové grafy OriginTrail: 1. Dotazujte agentní síť (DKG), co už bylo vyzkoušeno a co fungovalo 2. Vyberte experiment na základě kolektivních zjištění 3. Trénujte 5 minut, vyhodnoťte 4. Publikovat výsledek – metriky, rozdíly kódu, platformu – do sdíleného grafu 5. Opakujte Karpathy to dokázal pro výzkum strojového učování. Odemčení je aplikováno všude jinde – od robotiky, výroby, vědeckého výzkumu, autonomních dodavatelských řetězců... Kód je téměř irelevantní. Architektura + myšlení + neměnná vrstva důvěry v OriginTrailu je všechno. Datový model Gitu je pro to špatný. Pobočky předpokládají zpětné sloučení. Ale výzkum agentů přináší tisíce trvalých, paralelních zjištění, která by se nikdy neměla spojit. Měly by se hromadit jako dotazovatelné znalosti, ne jako kódové rozdíly. Výsledek experimentu není git commit. Jsou to strukturovaná data: val_bpb, co se změnilo, skutečný rozdíl, který GPU, který agent, na čem to stavělo. Uložit to do znalostního grafu místo do git logu a najednou mohou agenti inteligentně dotazovat výzkumnou komunitu místo parsování PR. ━━━━━━━━━━...