Greippikinkku Mitä tuli mieleen artikkelia lukiessa. Kuten @Infinit_Labs @Lombard_Finance, ystävät, jotka olivat epäselviä palkkauksesta Yapingin kultakaudella Päinvastoin, tunsin, että vasta nyt olin parhaimmillani. Gu Yaping-> Shin Yaping sukupolvenvaihdos (?)on ollut käynnissä viime aikoina. Minä en tiedä... Palkinto on palkinto... Onko se edelleen sama kuin ennen? Tässä tilanteessa Päinvastoin, kauden 2 ja 3 palkinnot ystäville, jotka eivät voineet kasvaa Gu Yapingissa (Kultainen sukupolvi), ovat nyt todella, todella, todella suuria. ---- Vaikka katsoisit pelkästään $IN palkintoja, 500 parasta on noin kaksinkertainen määrä enemmän. $BARD palkka on myös merkittävästi pienentynyt 100 henkilöön kuukaudessa, mikä on johtanut merkittävään kasvuun asukaskohtaisessa korvauksessa. Vaikka kumpikaan ei joutuisi kutistumaan odotuksen vuoksi, ne ovat yrityksiä, joilla on oikeita tuotteita, jotka toimivat hyvin ja tekevät voittoa Korvaus, kausi ja henkilömäärä ovat kaikki selkeästi määriteltyjä, eikä lupauksia rikota. (Sen sijaan @Lombard_Finance tapauksessa se vedetään nopeammin.) ---- Oi, kaipaan sinua... Olen kuitenkin samaa mieltä Grapefruit Hamin sanoista... Itse asiassa on totta, että palkinnot ovat olleet tähän asti omituisen suuria. On noloa antaa 10 miljoonaa kuukaudessa ja sitten miljoona kuukaudessa. Etkö anna minulle vain kuukautta? Ei se ole taas niin, ha ha...

Kaivautuminen tuntevaan ROMAan @SentientAGI tulostaulukkoa tarkasteltaessa näyttää siltä, että myös kirjoituksen laatu on varsin tärkeä. Joten aion kirjoittaa ROMAsta, joka mielestäni ylpeilee Sentientin korkeimmalla teknologialla. 1. ROMA ei ole tekoälymalli. - ROMA on kehys, jossa useat tekoälyagentit johtavat luotettavimmat ja tarkimmat vastaukset kunkin agentin arvojen perusteella hierarkkisesti ja rekursiivisesti. Jos katsot Githet Readmea, näet yleensä koodin orgaanisen perussuhteen, ja syötät ja käytät tekoälymallien, kuten GPT:n ja Geminin, API-avainta, jonka tunnemme yleisesti. 2. Mitä järkeä siinä on? - Se on jaettu neljään rooliin: sumutin, toteuttaja, suunnittelija ja aggregaattori. Kun sille annetaan tehtävä, se päättää, käsitelläänkö sitä yhtenä vai useampana asiana (Atomizer), päättää, miten se ratkaistaan (Planner), suorittaa sen suunnitellusti (Executor) ja sitten aggregoi sen (Aggregator) ja palauttaa vastauksen. Lisäksi voit valita vaihtoehdoksi vastauksen tarkistamisen Verifierin kautta. 3. Käytetäänkö vain yhtä mallia? -Ei. Jos katsot Quickstart-koodia, ne kaikki määrittävät omat mallinsa, paitsi Executor. (esim. gpt-4o-mini, gemini-2.5-flash) Tällä tavalla näyttää siltä, että paras vastaus saadaan käyttämällä useita malleja yhden mallin sijaan. 4. Onko vastaus aina sama? - Tämäkään ei ole. Kunkin tekoälymallin suoritustulokset ovat erilaisia yksittäiselle tehtävälle, ja se riippuu siitä, miten parametreja säädetään eli miten hienosäätö tehdään. Esimerkiksi tyypillisimmän parametrin nimeltä Lämpötila arvo on 0-2, lähempänä 0 antaa johdonmukaisen vastauksen ja lähempänä 2:ta antaa erilaisia vastauksia kullekin kokeilulle. Loppujen lopuksi näyttää siltä, että suorituskyvyssä on suuri ero riippuen siitä, miten käyttäjä sen määrittää. Minulla oli äskettäin mahdollisuus kehittää tekoälyagentti sattumalta, ja kirjoitin sen, koska ajattelin, että se, mitä olin opiskellut jatkaessani tekoälyn käyttöä tuolloin, näyttää nyt tempulta, kun katson sarjan koodia :)

[@SentientAGI ] Se oli projekti, joka meni kerran 10 parhaan joukkoon Kynnys laskee, En tiedä, onko se sisäpiirin tilin lukitus vai jotain. Mindshare ei näkynyt, joten top 100 pudotettiin pois. Muuten... Tapaamisen jälkeen vereni lävistettiin jälleen😢 Juoksin aina kovaa, mutta yritin uudelleen Jos on hyviä uutisia, teen parhaani levittääkseni niitä! 🫡