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...

Разбор ROMA от Sentient Смотрю на лидерборд @SentientAGI, и кажется, что качество текста тоже довольно важно. Поэтому я напишу о ROMA, который, по моему мнению, обладает наивысшей технологией в Sentient. 1. ROMA не является AI моделью. - ROMA — это точно Multi-agent, то есть несколько AI-агентов, которые иерархически и рекурсивно ссылаются на значения друг друга, чтобы получить наиболее надежный и точный ответ. В Readme на GitHub обычно можно увидеть основные взаимосвязи кода, и мы используем API ключи таких AI моделей, как GPT, Gemini. 2. Так в чем же суть? - Суть заключается в разделении ролей на 4 части: Atomizer, Executor, Planner, Aggregator. Когда возникает задача, сначала решается, будет ли она обрабатываться одной или несколькими частями (Atomizer), затем определяется, как ее решить (Planner), после чего выполняется план (Executor), и в конце собирается ответ (Aggregator). Дополнительно можно выбрать этап проверки ответа (Verifier) как опцию. 3. Используется ли только одна модель? - Нет. Если посмотреть на код Quickstart, то, кроме Executor, все модели указаны отдельно (например, gpt-4o-mini, gemini-2.5-flash). Таким образом, используется не одна модель, а несколько, чтобы получить наилучший ответ. 4. Будет ли ответ всегда одинаковым? - Тоже нет. У каждой AI модели результаты выполнения одной и той же задачи различаются, и это зависит от того, как настраиваются параметры, то есть от fine-tuning. Например, самый известный параметр Temperature имеет значения от 0 до 2, где чем ближе к 0, тем более последовательные ответы, а чем ближе к 2, тем более разнообразные ответы на каждом запуске. В конечном итоге, как пользователь настроит это, так и будет разница в производительности. Недавно у меня была возможность случайно заняться разработкой AI агента, и тогда, изучая, как это работает, я понял, что теперь, глядя на код GitHub, это кажется более понятным, поэтому я и написал об этом:)

[@SentientAGI ] Это был проект, который когда-то входил в десятку лучших, но порог снизился, и не знаю, связано ли это с блокировкой аккаунта в Инерсакле или чем-то другим, но доля мнений не была учтена, и он выбыл из сотни. Но... после митапа снова все наладилосьㅠㅠ Я всегда усердно работал, но снова постараюсь, чтобы если будут хорошие новости, я их активно распространю! 🫡