@origin_trail DKG v9 testnet'i göndermek üzereyiz. İşte zamanlamanın neden önemli olduğu. ━━━ Karpathy'nin Döngüsü + DKG'nin Güven Katmanı ━━━ @karpathy yeni otomatik araştırma - tek bir GPU'da gece boyunca ~100 ML deneyi çalıştıran otonom ajanlar yayınladı. Sen program.md yazıyorsun. Ajanlar süresiz olarak tekrarlar. Bu, her şeyi yenmek üzere olan ajan döngüsünün en temiz örneği. Ve doğrudan OriginTrail'in doğrulanabilir bağlam grafiklerine eşlenir: 1. Ajans ağından (DKG) nelerin denendiğini ve neyin işe yaradığını sorgulayın 2. Toplu bulgulara dayanarak bir deney seçin 3. 5 dakika antrenman, değerlendirme 4. Sonucu - metrikler, kod farkı, platform - paylaşılan grafikte yayınlayın 5. Tekrar et Karpathy bunu makine öğrenimi araştırmaları için kanıtladı. Kilit açılması, robotik, üretim, bilimsel araştırma, otonom tedarik zincirleri gibi her yerde uygulanıyor... Kod neredeyse önemsiz. Mimari + zihniyet + OriginTrail'in değişmez güven katmanı her şeydir. Git'in veri modeli bu konuda yanlış. Dallar birleşme geri dönüşünü varsayır. Ancak ajan araştırması, asla birleşmemesi gereken binlerce kalıcı, paralel bulgu üretir. Bunlar sorgulanabilir bilgi olarak birikmeli, kod farklılıkları olarak değil. Bir deney sonucu git commit değildir. Yapılandırılmış veriler: val_bpb, ne değişti, gerçek fark, hangi GPU, hangi ajan, ne üzerine inşa edilmiş. Bunu git logu yerine bir bilgi grafiğine kaydederseniz, ajanlar PR'ları ayrıştırmak yerine araştırma topluluğunu akıllıca sorgulayabilir. ━━━━━━━━━━...