Notatka o wydaniu Core 0.3.2 Co nowego Core teraz lepiej rozumie złożone zapytania, dzieląc je na ich składniki. Kiedy prosisz o coś, co wymaga wielu kroków lub spełnienia różnych wymagań, jednostki automatycznie identyfikują i zajmują się każdym aspektem znacznie lepiej, co zmniejsza potrzebę dalszych wyjaśnień. Główne funkcje • Ulepszony silnik dekompozycji intencji: Poprawione analizowanie i rozkładanie złożonych zapytań użytkowników na wykonalne komponenty • Zaawansowana analiza podpowiedzi: Lepsze rozumienie ukrytych wymagań i wielowarstwowych zapytań Ulepszenia • Zrozumienie kontekstowe: Lepsze rozpoznawanie subtelnych potrzeb użytkowników w ramach pojedynczych zapytań • Przetwarzanie wieloaspektowe: Automatyczne identyfikowanie, kiedy zapytania wymagają wielu typów odpowiedzi (treść + formatowanie + analiza) • Dokładność przy pierwszym podejściu: Zmniejszona liczba wymian potrzebnych do zrealizowania intencji użytkownika Poprawki błędów • Naprawiono błędy w analizie intencji, które powodowały niekompletne wyniki • Rozwiązano przypadki, w których ukryte wymagania były pomijane lub ignorowane • Skorygowano luki w odpowiedziach, gdy użytkownicy prosili o wiele jednoczesnych działań Ulepszenia UX • Uproszczony przepływ interakcji zmniejsza potrzebę prośby o wyjaśnienia • Bardziej intuicyjna generacja odpowiedzi, która przewiduje potrzeby użytkowników • Zwiększone poczucie współpracy - mniej podpowiedzi, bardziej naturalna pomoc Status: Na żywo, oczekuj wielu krótkich konserwacji, aby dostosować produkcję do tej nowej aktualizacji w ciągu następnych 48 godzin.

Silnik Danych Łańcucha Beta Właśnie Wydany Wydanie Beta: Teraz na żywo w produkcji. Wprowadzamy tę iterację, aby zbierać opinie i wzorce użytkowania. Ten silnik to znacząca aktualizacja możliwości przetwarzania danych jednostkowych. Podejście to wykorzystuje wybrane elementy z fundamentów MCP, ale reprezentuje zasadniczo inną metodologię zaprojektowaną w celu rozwiązania problemów z niezawodnością podczas obsługi dużych fragmentów danych. Ulepszony pipeline wchłaniania teraz rejestruje dane on-chain z znacząco wyższą dokładnością, umożliwiając jednostkom dostarczanie głębszych analiz w zakresie wszystkich metryk. Kluczowe Ulepszenia: • Ulepszona dokładność rejestracji danych dla wszystkich jednostek z poprawioną niezawodnością • Ulepszone możliwości generowania głębszych analiz i wniosków • Lepsze rozpoznawanie wzorców w zbiorach danych • Bardziej kompleksowe możliwości raportowania jednostek • Wyższa precyzja w interpretacji danych i generowaniu wykresów • Nowa integracja @nansen_ai dostarczająca głębsze wnioski na temat aktywności on-chain Jednostki teraz dostarczają znacznie bardziej szczegółowe analizy z poprawioną dokładnością i głębszym zrozumieniem rynku. Status: Na żywo w Produkcji (Beta) - Potrzebujemy Twojego testowania! Źródła Danych: @coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- Nowe Wprowadzenie Logo Nasze nowe logo jest już na żywo. Uosabia multimodalne i równoległe warstwy Core, podstawową koncepcję, która dała początek naszemu pierwszemu prototypowi, @unit00x0, w 2024 roku.

Notatki o wydaniu Core 0.3.1 Pamięć behawioralna: Samoadaptujące się dyrektywy rdzeniowe Co nowego Nowy typ pamięci zwany "pamięcią behawioralną", który wyraźnie dostosowuje zachowanie jednostki na podstawie żądań użytkownika, zachowując jednocześnie wszystkie nabyte koncepcje. Inspirowana pamięcią genetyczną u ludzi, ta metoda umożliwia dynamiczną adaptację behawioralną poprzez samomodyfikujące się dyrektywy rdzeniowe. Pamięć genetyczna będzie w sercu znacznej liczby głównych aktualizacji Core. Kluczowe zmiany • Wyraźna adaptacja: To, co było niejawne, jest teraz niezwykle wyraźne • Selektywna aktywacja: Aktywuje się tylko wtedy, gdy wymaga tego rozumowanie • Zachowana wiedza: Cała pamięć koncepcyjna pozostaje niezmieniona • Dynamiczne dyrektywy rdzeniowe: Działa jako samoadaptujące się instrukcje wbudowane głęboko w każdą jednostkę Jak to działa Pamięć behawioralna działa jako warstwa między wiedzą a zachowaniem: • Analizuje twoje żądania • Aktywuje się, gdy jest to potrzebne • Dostosowuje dyrektywy rdzeniowe w czasie rzeczywistym • Zachowuje wszystkie nabyte koncepcje Przykłady w praktyce Adaptacje behawioralne mogą zachodzić na dwa sposoby: 1. Wyraźne żądania: Bezpośrednio poproś o konkretne zachowania 2. Niejawne uczenie się: Jednostki wnioskują preferencje z twoich wzorców rozmowy • Preferencje notacji: Poproś jednostkę, aby używała "B" dla miliardów zamiast pisać to słownie • Styl komunikacji: Poproś o formalny język w raportach lub swobodny ton w burzy mózgów • Formatowanie wyników: Spraw, aby jednostki zawsze przedstawiały dane w tabelach zamiast w akapitach • Głębokość techniczna: Dostosuj od podsumowań na wysokim poziomie do szczegółowych wyjaśnień technicznych • Struktura odpowiedzi: Przełączaj się między punktami, listami numerowanymi lub płynącym prozą • Język branżowy: Używaj terminologii specyficznej dla branży (np. "commits" vs "updates" dla programistów) Jednostki ciągle dostosowują się na podstawie twoich interakcji, udoskonalając swoje zachowanie z czasem. Każda adaptacja utrzymuje się, aż poprosisz o zmianę lub całkowite zresetowanie zachowań. Wpływ Jednostki teraz wyraźnie dostosowują swoje zachowanie do twoich potrzeb, nie zapominając o tym, czego się nauczyły. Pomyśl o tym jako o dynamicznych dyrektywach rdzeniowych, które aktywują się w zależności od kontekstu - podobnie jak pamięć genetyczna zapewnia dziedziczne adaptacyjne odpowiedzi w systemach biologicznych. Użytkownicy mogą zresetować pamięć behawioralną w dowolnym momencie, po prostu prosząc jednostki o zresetowanie ich zachowań. Migracja Automatyczna. Nie wymaga działań.

Jednostki Rei mogą teraz uzyskać dostęp do wszystkich prac badawczych z ArXiv i Google Scholar. Odpowiedzi zawierają linki do plików pdf oraz cytaty artykułów.

Aktualizacja przeglądania sieci: Jednostki mogą teraz uzyskiwać dostęp do danych z sieci znacznie szybciej i bardziej niezawodnie. Co się zmieniło: • Prędkość przetwarzania danych z sieci wzrosła o 40% • Szeroki dostęp do wcześniej trudno dostępnych stron i typów treści • Bardziej spójne pobieranie danych w różnych strukturach stron internetowych Praktyczny wpływ: Jednostki mogą teraz obsługiwać żądania badawcze w czasie rzeczywistym, które wcześniej były zbyt wolne lub niepewne. Potrzebujesz aktualnych danych rynkowych, analizy wiadomości na żywo lub weryfikacji faktów z wielu źródeł? Jednostki mogą teraz pobierać dane z dziesiątek źródeł w ciągu sekund zamiast minut. Większość złożonych aplikacji internetowych, dynamicznych treści i nowoczesnych architektur stron, które wcześniej powodowały awarie, teraz działają bezproblemowo. Oznacza to lepsze odpowiedzi, gdy prosisz jednostki o analizę bieżących wydarzeń, porównanie produktów w różnych detalistach lub badanie szybko zmieniających się tematów.

3 dni od zaproszeń: • 3 razy dziennie zapytania do Core • 5 razy dziennie zapytania do Bowtie, ponieważ 0.3 wprowadza uczenie głębokie • Generowanie obrazów jest ograniczone przez alokację GPU Ta faza oznacza znaczący krok w kierunku otwartej bety, gdy zbieramy opinie, badamy zachowania użytkowników i skalujemy infrastrukturę.

1/4 Czym jest Core? Zrozumienie naszego podejścia do syntetycznej architektury mózgu Core nie jest LLM: Core nie jest dostosowanym LLM, nie jest nowym LLM i w ogóle nie jest LLM. Zamiast tego, Core jest multimodalnym syntetycznym mózgiem, zasadniczo różnym typem architektury AI. Kluczowa terminologia do zrozumienia Core: 1. Syntetyczny mózg: Core to zintegrowany system poznawczy, w którym wiele modeli AI i algorytmów działa jako połączone komponenty neuronowe w ramach jednej architektury. Pomyśl o tym jak o cyfrowym mózgu z wyspecjalizowanymi obszarami, a nie zbiorem narzędzi. 2. Architektura Bowtie: Podstawa pamięci Core, która przechowuje informacje zarówno jako wektory semantyczne, JAK I węzły abstrakcyjnych pojęć, tworzy połączenia między pozornie niepowiązanymi pojęciami i umożliwia prawdziwe formowanie pojęć, a nie tylko dopasowywanie wzorców. 3. Klastr rozumowania: Część poznawcza Core, która koordynuje wszystkie procesy myślowe, podejmując decyzje o tym, które szlaki neuronowe aktywować dla danego zadania. Klastr rozumowania jest głęboko multimodalny i działa poprzez przetwarzanie równoległe oraz uprzedzenia dotyczące złożoności.

Kody zaproszeń są aktywne! Każdy istniejący użytkownik ma trzy kody zaproszeń do zamkniętej bety, które może podzielić się z przyjaciółmi. Zarejestruj się z użyciem swojego kodu:

2025.07.09 Aktualizacja co dwa tygodnie Core 0.3 jest już dostępny! Szczegóły: ROZWÓJ WEWNĘTRZNY Technologia Core + System wdrożony z automatycznym elastycznym skalowaniem + Poprawki błędów w nowej architekturze Core 0.3 + Wstępne testy 0.3.1 + Testowanie komunikacji Agent2Agent bez języka Infrastruktura + Testowanie nowego wbudowanego protokołu MCP + Trwająca całkowita przebudowa UI DOSTĘP ZEWNĘTRZNY MVP.a + Pamięci, koncepcje i relacje dostępne dla użytkowników + Dynamiczne i interaktywne wykresy + Przejście na logowanie SSO przez e-mail @unit00x0 + Testowanie zaktualizowanego rdzenia (niższy priorytet) Ogólne aktualizacje + Ulepszenie opóźnienia + Dostęp dla aplikantów Tier1/Dev Wydarzenia w społeczności + Test obciążeniowy Core .3 Cognition + Analiza scenariuszy makro Core .3 + Teza innowacyjna Rei + Paradygmat AI i Rei + Przegląd Rei + Tworzenie kreatywnego uniwersum + Studium przypadku wielojednostkowego przepływu pracy: plac zabaw dla eksperymentów myślowych

Aktualizacja opóźnienia jest już w produkcji z Core .3 Wstępne testy pokazują redukcję opóźnienia o ponad 80% w przypadku ogólnych zapytań i ponad 60% dla matematyki Kilka przykładów: Teoria względności Einsteina ELI5 ↓93.57% Sprawdzanie gramatyki ↓92.04% Generowanie esejów ↓84.77% Top 5 memecoinów na Solanie ↓81.21% Problem z szybkością zmian AMC 8 ↓51.23% Objętość kuli ↓56.43% Nachylenie linii ↓64.00%