Olemme juuri julkaisemassa @origin_trail DKG v9 -testiverkkoa Tässä syy, miksi ajoitus on tärkeä ━━━ Karpathyn silmukka + DKG:n luottamuskerros ━━━ @karpathy juuri julkaissut autonomiset agentit – autonomiset agentit, jotka ajavat ~100 ML-kokeilua yön yli yhdellä näytönohjaimella. Kirjoitat program.md. Agentit toistavat toistavan loputtomiin. Tämä on puhtain esimerkki agenttisilmukasta, joka on syömässä kaiken. Ja se vastaa suoraan OriginTrailin todennettaviin kontekstikaavioihin: 1. Kysy agenttiverkosta (DKG), mitä on kokeiltu ja mikä on toiminut 2. Valitse koe kollektiivisten tulosten perusteella 3. Harjoittele 5 minuuttia, arvioi 4. Julkaise tulokset – mittarit, koodin ero, alusta – jaetulle graafille 5. Toista Karpathy todisti tämän koneoppimisen tutkimukselle. Avaus on siinä, että sitä sovelletaan kaikkialla muualla robotiikasta, valmistuksesta, tieteellisestä tutkimuksesta, autonomisista toimitusketjuista... Koodi on lähes merkityksetön. Arkkitehtuuri + ajattelutapa + OriginTrailin muuttumaton luottamuskerros on kaikki kaikessa. Gitin datamalli ei sovi tähän. Haarat olettavat yhdistymisen takaisin. Mutta agenttitutkimus tuottaa tuhansia pysyviä, rinnakkaisia löydöksiä, jotka eivät koskaan saisi yhdistyä. Niiden tulisi kertyä kyselyttäviksi tiedoiksi, ei koodieroiksi. Kokeen tulos ei ole git-commit. Se on rakenteellista dataa: val_bpb, mitä muuttui, varsinainen differentiaali, mikä GPU, mikä agentti, mille se on rakennettu. Tallenna se tietokäyrään git-lokin sijaan, ja yhtäkkiä agentit voivat älykkäästi kysellä tutkimusyhteisöltä PR:ien jäsentämisen sijaan. ━━━━━━━━━━...