Little Octopus @OpenledgerHQ har oppdatert en viktig forklaring av proof-of-attribusjonsmekanismen, som som alltid dekker noen tekniske aspekter Jeg vet ikke om teknologi, så jeg kan bare prøve å skrive min forståelse og den praktiske betydningen av denne attribusjonsbevismekanismen på en lettfattelig måte Lærere som forstår teknologi er velkomne 🙋 Problemet med tradisjon: Tradisjonelle språkmodeller bruker n-gram (ordsekvenser med fast lengde) for å forutsi neste ord, som er raskt, men mangler kontekst for å spore kilden til prediksjonen eller bidragsyteren til dataene 📖Forklaring av Infini-gram-mekanismen: OpenLedgers OpenLedger's Proof of Attribution (PoA)-mekanisme bruker Infini-gram i stedet for det tradisjonelle n-gram, så Infini-gram bryter begrensningene til n-gram Det er en symbolsk spennmatchingsmotor basert på et ∞-grams (uendelig lengde) attribusjonsrammeverk basert på suffiksmatriser, som er i stand til å indeksere sekvenser av alle lengder i treningsdataene og støtte sanntidssporbarhet av hvert token i modellens utdata for å finne kilden. Infini-gram støtter OpenLedgers proof-of-attribusjonssystem, noe som muliggjør nøyaktig sporing fra modellrespons til treningsdata uten å måtte få tilgang til modellens interne deler, noe som holder den rask, gjennomsiktig og reproduserbar 👍 Den praktiske betydningen av denne mekanismen: (personlig tolkning, hvis det er et problem, velkommen til å korrigere) 1. Nøyaktig sporbarhet, gjennomsiktig og pålitelig: Infini-gram støtter sporing av utdataene fra AI-modellen ord for ord, og forteller deg hvilke treningsdata svaret kommer fra Det er som å sette en "kildekode" på AI for å gjøre hele prosessen klar. Brukere kan vite hva AI sa og hvorfor den sa på et øyeblikk, med full åpenhet og et komplett sporbarhetssystem 2. Rettferdig anerkjennelse av databidragsytere: For bidragsytere som leverer data, kan Infini-gram avklare hvilke data som hjelper AI med å generere svaret, og databidragsyterne kan endelig bli sett og gjenkjent Denne tilnærmingen gjør AI-økosystemet mer rettferdig og oppmuntrer flere til å dele data av høy kvalitet 3. Utvidbar + effektiv: Infini-grams rammeverk basert på suffiksmatriser kan spore kilden i sanntid uansett hvor stor datamengde, og effektiviteten er full Dessuten krever den ikke komplekse gradientberegninger, og kan skaleres til massive datasettscenarier enkelt og effektivt 4. Gjør AI mer pålitelig og kompatibel: Infini-gram kan gi et "verifiserbart ID-kort" med en AI-modell, slik at utdatainnholdet kan bestemme kilden nøyaktig Ikke bare gir dette brukerne mer tillit til AI, men det oppfyller også regulatoriske krav og gjør AI mer kompatibelt og etisk 🤔 Ovennevnte er min personlige tenkning og tolkning: for tiden har noen mennesker til hensikt å veilede AI til å gjøre feil og innpode feil informasjon og data i den, og denne funksjonen til Little Octopus har et flott praktisk bruksscenario for å hjelpe deg med å spore opprinnelsen til feildata og korrigere AI-feil Gleder meg til å se hvordan denne funksjonen fungerer i fremtiden