Suntem pe cale să expediem testnet-ul @origin_trail DKG v9 Iată de ce contează momentul ━━━ Bucla lui Karpathy + Stratul de încredere al lui DKG ━━━ @karpathy lansat AutoResearch - agenți autonomi care rulează ~100 de experimente ML peste noapte pe o singură placă video. Scrii program.md. Agenții iterează la nesfârșit. Acesta este cel mai curat exemplu al buclei agenților care urmează să mănânce totul. Și se mapează direct pe graficele de context verificabile ale OriginTrail: 1. Interoghează rețeaua de agenți (DKG) pentru ce s-a încercat și ce a funcționat 2. Alege un experiment bazat pe rezultate colective 3. Antrenează 5 minute, evaluează 4. Publică rezultatul - metrici, diferențial de cod, platformă - pe graful partajat 5. Repetă Karpatia a demonstrat acest lucru pentru cercetarea ML. Deblocarea îl aplică peste tot, de la robotică, producție, cercetare științifică, lanțuri autonome de aprovizionare... Codul este aproape irelevant. Arhitectura + mentalitatea + stratul imuabil de încredere al OriginTrail sunt totul. Modelul de date al lui Git este greșit pentru asta. Ramurile presupun contopirea înapoi. Dar cercetarea agenților produce mii de descoperiri permanente, paralele, care nu ar trebui niciodată să se contopească. Ar trebui să se acumuleze ca cunoștințe interogabile, nu ca diferențe de cod. Un rezultat de experiment nu este un commit de tip git commit. Sunt date structurate: val_bpb, ce s-a schimbat, diferența propriu-zisă, ce GPU, ce agent, pe ce s-a construit. Stochează asta într-un graf de cunoștințe în loc de un git log și, dintr-o dată, agenții pot interoga inteligent comunitatea de cercetare în loc să analizeze PR-uri. ━━━━━━━━━━...