Kami akan mengirimkan testnet DKG v9 @origin_trail Inilah mengapa waktunya penting ━━━ Lingkaran Karpathy + Lapisan Kepercayaan DKG ━━━ @karpathy baru saja merilis riset otomatis - agen otonom yang menjalankan ~100 eksperimen ML dalam semalam pada satu GPU. Anda menulis program.md. Agen mengulangi tanpa batas waktu. Ini adalah contoh terbersih dari loop agen yang akan memakan semuanya. Dan itu memetakan langsung ke grafik konteks OriginTrail yang dapat diverifikasi: 1. Kueri jaringan agen (DKG) untuk apa yang telah dicoba dan apa yang berhasil 2. Pilih eksperimen berdasarkan temuan kolektif 3. Latih 5 menit, evaluasi 4. Publikasikan hasilnya - metrik, perbedaan kode, platform - ke grafik bersama 5. Ulangi Karpathy membuktikan hal ini untuk penelitian ML. Pembukaannya menerapkannya di tempat lain mulai dari robotika, manufaktur, penelitian ilmiah, rantai pasokan otonom... Kode itu hampir tidak relevan. Arsitektur + pola pikir + lapisan kepercayaan OriginTrail yang tidak dapat diubah adalah segalanya. Model data Git salah untuk ini. Cabang mengasumsikan penggabungan kembali. Tetapi penelitian agen menghasilkan ribuan temuan paralel permanen yang tidak boleh digabungkan. Mereka harus terakumulasi sebagai pengetahuan yang dapat dikueri, bukan perbedaan kode. Hasil eksperimen bukanlah komitmen git. Ini adalah data terstruktur: val_bpb, apa yang berubah, perbedaan aktual, GPU mana, agen mana, apa yang dibangunnya. Simpan itu dalam grafik pengetahuan alih-alih log git, dan tiba-tiba agen dapat secara cerdas menanyakan komunitas penelitian alih-alih mengurai PR. ━━━━━━━━━━...