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...

Sentient ROMA entschlüsseln @SentientAGI Auf dem Leaderboard sieht es so aus, als wäre die Qualität der Beiträge ebenfalls sehr wichtig. Daher möchte ich über ROMA schreiben, das meiner Meinung nach die höchste technische Kompetenz bei Sentient aufweist. 1. ROMA ist kein AI-Modell. - ROMA ist genau genommen ein Multi-Agenten-System, bei dem mehrere AI-Agenten hierarchisch und rekursiv die Werte der einzelnen Agenten berücksichtigen, um die vertrauenswürdigste und genaueste Antwort zu liefern. Im GitHub-Readme kann man normalerweise die grundlegenden Beziehungen des Codes sehen, wobei man die API-Keys von bekannten AI-Modellen wie GPT und Gemini eingibt, um sie zu verwenden. 2. Was ist also der Kern? - Es liegt an der Rollenverteilung von vier Elementen: Atomizer, Executor, Planner und Aggregator. Wenn eine Aufgabe gestellt wird, entscheidet man, ob sie einzeln oder in mehreren Teilen bearbeitet wird (Atomizer), wie man sie lösen möchte (Planner), führt dann den Plan aus (Executor) und aggregiert schließlich die Ergebnisse (Aggregator), um die Antwort zurückzugeben. Zusätzlich kann man optional einen Verifier einfügen, um die Antwort zu validieren. 3. Wird nur ein Modell verwendet? - Nein. Wenn man den Quickstart-Code betrachtet, wird für alle außer dem Executor jeweils ein Modell angegeben (z.B. gpt-4o-mini, gemini-2.5-flash). So wird nicht nur ein Modell verwendet, sondern mehrere Modelle, um die beste Antwort zu erzielen. 4. Ist die Antwort immer gleich? - Auch das ist nicht der Fall. Jedes AI-Modell hat unterschiedliche Ausführungsergebnisse für eine bestimmte Aufgabe, und es hängt davon ab, wie man die Parameter anpasst, also wie man das Fine-Tuning durchführt. Zum Beispiel hat der am häufigsten verwendete Parameter Temperature Werte von 0 bis 2, wobei Werte näher an 0 konsistentere Antworten und Werte näher an 2 vielfältigere Antworten bei jedem Durchlauf liefern. Letztendlich wird die Leistung stark davon abhängen, wie der Benutzer dies einstellt. Kürzlich hatte ich zufällig die Gelegenheit, einen AI-Agenten zu entwickeln, und während ich dabei war, habe ich viel gelernt. Jetzt, wo ich den GitHub-Code sehe, scheint es mir, als hätte ich eine Vorstellung davon, was ich geschrieben habe :)

[@SentientAGI ] Es war einmal ein Projekt, das bis in die Top 10 kam, aber der Schwellenwert ist gesunken und ich weiß nicht, ob es an einem Inner Circle-Konto liegt oder was auch immer, aber der Mindshare wurde nicht reflektiert und es fiel aus den Top 100. Aber... nach dem Meetup hat es wieder geflossenㅠㅠ Ich habe immer hart gearbeitet, aber ich werde wieder mein Bestes geben, und wenn es gute Nachrichten gibt, werde ich sie fleißig verbreiten! 🫡