Little Octopus @OpenledgerHQ telah memperbarui penjelasan penting tentang mekanisme proof-of-attribution, yang seperti biasa mencakup beberapa aspek teknis Saya tidak tahu tentang teknologi, jadi saya hanya bisa mencoba menulis pemahaman saya dan signifikansi praktis dari mekanisme pembuktian atribusi ini dengan cara yang mudah dipahami Guru yang memahami teknologi dipersilakan 🙋 Masalah dengan tradisi: Model bahasa tradisional menggunakan n-gram (urutan kata dengan panjang tetap) untuk memprediksi kata berikutnya, yang cepat tetapi tidak memiliki konteks untuk melacak sumber prediksi atau kontributor data 📖Penjelasan mekanisme Infini-gram: Mekanisme Proof of Attribution (PoA) OpenLedger menggunakan Infini-gram alih-alih n-gram tradisional, sehingga Infini-gram mematahkan batasan n-gram Ini adalah mesin pencocokan rentang simbolis berdasarkan kerangka kerja atribusi ∞ gram (panjang tak terbatas) berdasarkan susunan akhiran, yang mampu mengindeks urutan dari semua panjang dalam data pelatihan dan mendukung ketertelusuran waktu nyata dari setiap token dalam output model untuk menentukan sumbernya. Infini-gram mendukung sistem proof-of-attribution OpenLedger, memungkinkan pelacakan yang akurat dari respons model hingga data pelatihan tanpa harus mengakses internal model, menjaganya tetap cepat, transparan, dan dapat direproduksi 👍 Signifikansi praktis dari mekanisme ini: (interpretasi pribadi, jika ada masalah, selamat datang untuk memperbaiki) 1. Ketertelusuran yang akurat, transparan dan andal: Infini-gram mendukung pelacakan output model AI kata demi kata, memberi tahu Anda dari data pelatihan mana jawabannya berasal Ini seperti menempatkan "tag sumber" pada AI untuk membuat seluruh proses menjadi jelas. Pengguna dapat mengetahui apa yang dikatakan AI dan mengapa dikatakan secara sekilas, dengan transparansi penuh dan sistem ketertelusuran yang lengkap 2. Pengakuan kontributor data yang adil: Untuk kontributor yang menyediakan data, Infini-gram dapat mengklarifikasi data mana yang membantu AI menghasilkan jawaban, dan kontributor data akhirnya dapat dilihat dan dikenali Pendekatan ini membuat ekosistem AI lebih adil dan memberi insentif kepada lebih banyak orang untuk berbagi data berkualitas tinggi 3. Dapat diperluas + efisien: Kerangka kerja Infini-gram berdasarkan susunan akhiran dapat melacak sumber secara real time tidak peduli seberapa besar jumlah data, dan efisiensinya penuh Selain itu, tidak memerlukan perhitungan gradien yang rumit, dan dapat diskalakan ke skenario kumpulan data besar-besaran dengan sederhana dan efisien 4. Jadikan AI lebih andal dan sesuai: Infini-gram dapat menyediakan "kartu identitas yang dapat diverifikasi" dengan model AI, memungkinkan konten keluaran untuk menentukan sumbernya secara akurat Ini tidak hanya memberi pengguna lebih banyak kepercayaan pada AI, tetapi juga memenuhi persyaratan peraturan dan membuat AI lebih patuh dan etis 🤔 Di atas adalah pemikiran dan interpretasi pribadi saya: saat ini, beberapa orang berniat membimbing AI untuk membuat kesalahan dan menanamkan beberapa informasi dan data yang salah ke dalamnya, dan fungsi Little Octopus ini memiliki skenario aplikasi praktis yang bagus untuk membantu Anda melacak asal data kesalahan dan memperbaiki kesalahan AI Menantikan untuk melihat cara kerja fitur ini di masa mendatang