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...

Menggali ROMA Sadar @SentientAGI melihat papan peringkat, tampaknya kualitas tulisannya juga cukup penting. Jadi saya akan menulis tentang ROMA, yang menurut saya menawarkan teknologi tertinggi di Sentient. 1. ROMA bukanlah model AI. - ROMA adalah kerangka kerja di mana beberapa agen AI memperoleh jawaban yang paling andal dan akurat berdasarkan nilai setiap agen secara hierarkis dan rekursif. Jika Anda melihat Githet Readme, Anda biasanya dapat melihat hubungan organik dasar kode, dan Anda akan memasukkan dan menggunakan kunci API model AI seperti GPT dan Gemini, yang biasa kita kenal. 2. Jadi apa gunanya? - Itu dalam pembagian empat peran: Alat Penyemprot, Pelaksana, Perencana, dan Agregator. Ketika diberi tugas, ia memutuskan apakah akan menanganinya sebagai satu atau beberapa hal (Atomizer), memutuskan bagaimana menyelesaikannya (Planner), menjalankannya seperti yang direncanakan (Executor), dan kemudian mengagregasinya (Aggregator) dan mengembalikan jawabannya. Selain itu, Anda dapat memilih langkah verifikasi jawaban melalui Verifier sebagai opsi. 3. Apakah hanya satu model yang digunakan? -Tidak. Jika Anda melihat kode Mulai Cepat, semuanya menentukan modelnya sendiri, kecuali Pelaksana. (mis. gpt-4o-mini, gemini-2.5-flash) Dengan cara ini, tampaknya jawaban terbaik diperoleh dengan menggunakan beberapa model, bukan hanya satu model. 4. Apakah jawabannya akan selalu sama? - Ini juga tidak. Hasil eksekusi untuk setiap model AI berbeda untuk satu tugas, dan itu tergantung pada bagaimana parameter disesuaikan, yaitu cara menyempurnakan. Misalnya, parameter paling umum yang disebut Suhu memiliki nilai 0-2, dengan lebih dekat ke 0 memberikan jawaban yang konsisten, dan lebih dekat ke 2, memberikan berbagai jawaban untuk setiap percobaan. Pada akhirnya, tampaknya akan ada perbedaan kinerja yang besar tergantung pada bagaimana pengguna mengaturnya. Saya baru-baru ini memiliki kesempatan untuk mengembangkan agen AI secara kebetulan, dan saya menulisnya karena saya pikir apa yang telah saya pelajari saat terus menjalankan AI pada saat itu sekarang terlihat seperti trik ketika saya melihat kode kit :)

[@SentientAGI] Itu adalah proyek yang pernah masuk ke 10 besar Ambang batas diturunkan, Saya tidak tahu apakah itu kunci akun lingkaran dalam atau semacamnya. Mindshare tidak tercermin, jadi 100 besar dijatuhkan. Omong-omong... Setelah pertemuan, darahku ditusuk lagi😢 Saya selalu berlari keras, tetapi saya mencoba lagi Jika ada kabar baik, saya akan melakukan yang terbaik untuk menyebarkannya! 🫡