核心 0.3.2 发布说明 新功能 核心现在通过将复杂请求分解为其组成部分，更好地理解复杂请求。当您请求涉及多个步骤或要求的内容时，系统将自动识别并更好地处理每个方面，从而减少后续澄清的需要。 主要特性 • 增强的意图分解引擎：改进了复杂用户请求的解析和分解，将其转化为可操作的组件 • 高级提示分析：更好地理解隐含要求和多层次请求 改进 • 上下文理解：更好地识别单个请求中细微的用户需求 • 多方面处理：自动识别请求需要多种类型的响应（内容 + 格式 + 分析） • 首次尝试准确性：减少了满足用户意图所需的来回交流 错误修复 • 修复了导致输出不完整的意图解析失败 • 解决了遗漏或忽视隐含要求的情况 • 修正了用户请求多个同时操作时的响应间隙 用户体验增强 • 精简的交互流程减少了澄清请求的需要 • 更直观的响应生成，能够预见用户需求 • 增强的协作感 - 更少的提示，更自然的协助 状态：在线，预计在接下来的48小时内进行多次短时间的维护，以调整生产以适应此新更新

链数据引擎Beta版刚刚发布 Beta发布：现在已在生产中上线。我们正在推动这一迭代以收集反馈和使用模式。 该引擎是单位数据处理能力的重大升级。该方法从MCP基础中提取了选定元素，但代表了一种根本不同的方法论，旨在解决处理大数据块时的可靠性问题。 增强的摄取管道现在以显著更高的准确性捕获链上数据，使单位能够在所有指标上提供更深入的分析见解。 关键改进： • 所有单位的数据捕获准确性提高，可靠性增强 • 增强的分析深度和见解生成能力 • 跨数据集的模式识别能力更强 • 更全面的单位报告能力 • 数据解释和图表生成的精度更高 • 新的@nansen_ai集成提供更深入的链上活动见解 单位现在提供更详细的分析，准确性提高，市场理解更深入。 状态：生产中上线（Beta） - 我们需要您的测试！ 数据来源：@coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- 新标志发布 我们的新标志现已上线。它体现了Core的多模态和并行层，这是我们在2024年诞生的第一个原型@unit00x0的基础概念。

核心 0.3.1 发布说明 行为记忆：自适应核心指令 新功能 一种新的记忆类型称为“行为记忆”，它根据用户请求明确地调整单元行为，同时保持所有学习到的概念不变。受到人类遗传记忆的启发，这种方法通过自我修改的核心指令实现动态行为适应。遗传记忆将成为许多重大核心更新的核心。 主要变化 • 明确适应：曾经隐含的现在变得极为明确 • 选择性激活：仅在推理需要时激活 • 知识保留：所有概念记忆保持不变 • 动态核心指令：作为深嵌入每个单元的自适应指令功能 工作原理 行为记忆充当知识与行为之间的层： • 分析您的请求 • 在需要时激活 • 实时调整核心指令 • 保留所有学习到的概念 实践中的例子 行为适应可以通过两种方式发生： 1. 明确请求：直接要求特定行为 2. 隐性学习：单元从您的对话模式中推断偏好 • 符号偏好：要求单元使用“B”表示十亿，而不是拼写出来 • 沟通风格：请求正式语言用于报告或随意语气用于头脑风暴 • 输出格式：让单元始终以表格而不是段落呈现数据 • 技术深度：从高层次摘要调整为详细的技术解释 • 响应结构：在项目符号、编号列表或流畅的散文之间切换 • 领域语言：使用行业特定术语（例如，“提交”与“更新”对于开发者） 单元根据您的互动不断适应，随着时间的推移精炼其行为。每次适应都会持续，直到您请求更改或完全重置行为。 影响 单元现在明确调整其行为以匹配您的需求，而不会忘记他们所学到的内容。可以将其视为根据上下文激活的动态核心指令 - 类似于遗传记忆在生物系统中提供的遗传适应响应。 用户可以随时通过简单地要求单元重置其行为来重置行为记忆。 迁移 自动。无需采取任何行动。

Rei Units 现在可以访问所有 ArXiv 和 Google Scholar 的研究论文。 回复包括链接的 pdf 和文章引用。

网页浏览更新：单位现在可以更快、更可靠地访问网络数据。 变化内容： • 网络数据处理速度提高了40% • 更广泛地访问以前难以到达的网站和内容类型 • 在不同网站结构之间的数据检索更加一致 实际影响：单位现在可以处理以前过于缓慢或不可靠的实时研究请求。 需要当前市场数据、实时新闻分析或多来源事实核查吗？单位现在可以在几秒钟内从数十个来源提取信息，而不是几分钟。 大多数复杂的网络应用程序、动态内容和现代网站架构以前会导致失败，现在都能无缝工作。这意味着当你要求单位分析当前事件、比较多个零售商的产品或研究快速变化的主题时，响应会更好。

自邀请代码发布以来已过去3天： • 每天对Core的请求次数为3倍 • 每天对Bowtie的请求次数为5倍，因为0.3引入了深度学习 • 图像生成的GPU分配已达到上限 这一阶段标志着向公开测试版迈出了重要一步，我们正在收集反馈，研究使用行为，并扩展基础设施。

1/4 什么是Core？理解我们对合成大脑架构的独特方法 Core 不是一个 LLM：Core 不是一个微调过的 LLM，不是一个新的 LLM，也根本不是 LLM。相反，Core 是一个多模态合成大脑，一种根本不同类型的 AI 架构。 理解 Core 的关键术语： 1. 合成大脑：Core 是一个统一的认知系统，其中多个 AI 模型和算法作为相互连接的神经组件在单一架构内工作。可以把它看作是一个具有专业区域的数字大脑，而不是一组工具。 2. 蝴蝶结架构：Core 的记忆基质将信息存储为语义向量和抽象概念节点，创建看似无关概念之间的连接，并使真正的概念形成成为可能，而不仅仅是模式匹配。 3. 推理集群：Core 的认知部分，协调所有思维过程，决定在任何给定任务中激活哪些神经通路，推理集群是深度多模态的，通过并行处理和复杂性偏见进行工作。

邀请码已上线！ 每个现有用户都有三个封闭测试的邀请码可以分享给朋友。 使用你的邀请码注册：

2025.07.09 双周更新 Core 0.3 已上线！ 详情： 内部开发 核心技术 + 部署了具有自动弹性扩展的系统 + Core 0.3 新架构的错误修复 + 0.3.1 的初步测试 + 测试 Agent2Agent 非语言通信 基础设施 + 测试新的内置 MCP 协议 + 正在进行完整的 UI 重构 外部访问 MVP.a + 用户可访问的记忆、概念和关系 + 动态和互动图表 + 邮件 SSO 登录过渡 @unit00x0 + 测试更新后的核心（优先级较低） 一般更新 + 延迟升级 + Tier1/开发申请者访问 社区亮点 + Core .3 认知压力测试 + Core .3 宏观场景分析 + Rei 创新论文 + AI 范式与 Rei + Rei 概述 + 创意宇宙构建 + 多单元工作流程案例研究：思维实验游乐场

延迟升级现已在生产环境中上线，版本为 Core .3 初步测试显示，普通查询的延迟减少超过 80%，数学查询减少超过 60% 一些例子： 爱因斯坦相对论 ELI5 ↓93.57% 语法检查 ↓92.04% 论文生成 ↓84.77% Solana 上的前 5 个 meme 币 ↓81.21% AMC 8 变化率问题 ↓51.23% 球体体积问题 ↓56.43% 直线斜率问题 ↓64.00%