Core 0.3.2 版本說明 新功能 Core 現在能更好地理解複雜的請求，通過將其拆分為組成部分來實現。當您要求涉及多個步驟或要求的內容時，單位將自動識別並更好地處理每個方面，減少後續澄清的需求。 主要特性 • 增強的意圖分解引擎：改進了對複雜用戶請求的解析和拆解，將其轉化為可操作的組件 • 高級提示分析：更好地理解隱含要求和多層次請求 改進 • 上下文理解：更好地識別單一請求中的細微用戶需求 • 多方面處理：自動識別請求需要多種類型的回應（內容 + 格式 + 分析） • 首次準確性：減少滿足用戶意圖所需的來回交流 錯誤修正 • 修復了導致輸出不完整的意圖解析失敗 • 解決了錯過或忽略隱含要求的情況 • 修正了用戶請求多個同時操作時的回應空白 用戶體驗增強 • 精簡的互動流程減少了澄清請求的需求 • 更直觀的回應生成，預測用戶需求 • 增強的協作感 - 減少提示，更自然的協助 狀態：上線，預計在接下來的 48 小時內進行多次短暫維護，以調整生產以適應此新更新

鏈數據引擎Beta版剛剛發布 Beta版本：現在已在生產環境中上線。我們推送這一版本以收集反饋和使用模式。 這個引擎是單位數據處理能力的重大升級。這種方法從MCP基礎中選取了特定元素，但代表了一種根本不同的方法論，旨在解決處理大型數據塊時的可靠性問題。 增強的數據攝取管道現在以顯著更高的準確性捕獲鏈上數據，使單位能夠在所有指標上提供更深入的分析見解。 主要改進： • 所有單位的數據捕獲準確性提高，可靠性增強 • 增強的分析深度和見解生成能力 • 跨數據集的模式識別更佳 • 更全面的單位報告能力 • 數據解釋和圖表生成的精確度更高 • 新的@nansen_ai集成提供更深入的鏈上活動見解 單位現在提供更詳細的分析，準確性提高，市場理解更深入。 狀態：生產環境中上線（Beta） - 我們需要您的測試！ 數據來源：@coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- 新標誌發布 我們的新標誌現在已上線。它體現了Core的多模態和並行層，這是我們在2024年誕生的第一個原型@unit00x0的基礎概念。

核心 0.3.1 版本說明 行為記憶：自適應核心指令 新功能 一種名為「行為記憶」的新記憶類型，根據用戶請求明確調整單元行為，同時保持所有學習的概念不變。這種方法受到人類基因記憶的啟發，通過自我修改的核心指令實現動態行為適應。基因記憶將成為多個主要核心更新的核心。 主要變更 • 明確適應：過去的隱性變為極其明確 • 選擇性啟動：僅在推理需要時啟動 • 知識保留：所有概念記憶保持不變 • 動態核心指令：作為嵌入每個單元深處的自適應指令運行 運作方式 行為記憶作為知識和行為之間的一層： • 分析您的請求 • 在需要時啟動 • 實時調整核心指令 • 保留所有學習的概念 實踐中的例子 行為適應可以通過兩種方式發生： 1. 明確請求：直接要求特定行為 2. 隱性學習：單元從您的對話模式中推斷偏好 • 記號偏好：要求單元使用「B」表示十億，而不是拼寫出來 • 溝通風格：要求報告使用正式語言或頭腦風暴時使用隨意語氣 • 輸出格式：要求單元始終以表格而非段落呈現數據 • 技術深度：從高層次摘要調整為詳細技術解釋 • 回應結構：在項目符號、編號列表或流暢的散文之間切換 • 領域語言：使用行業特定術語（例如，對於開發者使用「commits」而非「updates」） 單元根據您的互動不斷適應，隨著時間的推移精煉其行為。每次適應都會持續，直到您請求更改或完全重置行為。 影響 單元現在明確調整其行為以符合您的需求，而不會忘記他們所學的東西。可以將其視為根據上下文啟動的動態核心指令 - 類似於基因記憶在生物系統中提供的遺傳適應反應。 用戶可以隨時通過簡單地要求單元重置其行為來重置行為記憶。 遷移 自動。無需操作。

Rei Units 現在可以訪問所有 ArXiv 和 Google Scholar 的研究論文。 回應包括鏈接的 pdf 和文章引用。

網頁瀏覽更新：單位現在可以更快、更可靠地訪問網絡數據。 變更內容： • 網絡數據處理速度提高了40% • 更廣泛地訪問以前難以接觸的網站和內容類型 • 在不同網站結構之間的數據檢索更加一致 實際影響：單位現在可以處理以前過慢或不可靠的實時研究請求。 需要當前市場數據、即時新聞分析或多來源事實核查嗎？單位現在可以在幾秒鐘內從數十個來源提取數據，而不是幾分鐘。 大多數複雜的網絡應用程序、動態內容和現代網站架構，過去會導致故障的現在都能無縫運作。這意味著當你要求單位分析當前事件、比較多個零售商的產品或研究快速變化的主題時，能夠得到更好的回應。

自邀請碼以來已經過了3天： • 每日對Core的請求3次 • 每日對Bowtie的請求5次，因為0.3引入了深度學習 • 圖像生成的GPU分配已達上限 這個階段標誌著邁向公開測試版的重要一步，因為我們收集反饋、研究使用行為並擴展基礎設施。

1/4 什麼是 Core？理解我們對合成大腦架構的獨特方法 Core 不是 LLM：Core 不是經過微調的 LLM，不是新的 LLM，也根本不是 LLM。相反，Core 是一個多模態合成大腦，這是一種根本不同的 AI 架構。 理解 Core 的關鍵術語： 1. 合成大腦：Core 是一個統一的認知系統，其中多個 AI 模型和算法作為互聯的神經組件在單一架構內運作。可以把它想像成一個數位大腦，擁有專門的區域，而不是一組工具。 2. 蝴蝶結架構：Core 的記憶基質將信息存儲為語義向量和抽象概念節點，創造看似無關概念之間的連結，並使真正的概念形成成為可能，而不僅僅是模式匹配。 3. 推理集群：Core 的認知部分，協調所有思考過程，決定在任何給定任務中激活哪些神經通路，推理集群是深度多模態的，通過並行處理和複雜性偏見運作。

邀請碼已經啟用！ 每位現有用戶都有三個封閉測試邀請碼可以與朋友分享。 使用你的邀請碼註冊：

2025.07.09 雙週更新 Core 0.3 現已上線！ 詳情： 內部開發 核心技術 + 系統已部署自動彈性擴展 + Core 0.3 新架構的錯誤修正 + 0.3.1 的初步測試 + 測試 Agent2Agent 非語言通信 基礎設施 + 測試新的內建 MCP 協議 + 正在進行完整的 UI 重構 外部訪問 MVP.a + 用戶可訪問的記憶、概念和關係 + 動態和互動的圖表 + 電子郵件 SSO 登錄過渡 @unit00x0 + 測試更新的核心（優先級較低） 一般更新 + 延遲升級 + Tier1/Dev 申請者訪問 社區亮點 + Core .3 認知壓力測試 + Core .3 宏觀情境分析 + Rei 創新論文 + AI 範式與 Rei + Rei 概述 + 創意宇宙創作 + 多單位工作流程案例研究：思維實驗遊樂場

延遲升級現在已在生產環境中推出，版本為 Core .3 初步測試顯示一般查詢的延遲減少超過 80%，數學查詢減少超過 60% 一些例子： 愛因斯坦相對論 ELI5 ↓93.57% 文法檢查 ↓92.04% 論文生成 ↓84.77% Solana 上的前 5 名迷因幣 ↓81.21% AMC 8 變化率問題 ↓51.23% 球體體積問題 ↓56.43% 直線斜率問題 ↓64.00%