链上格格巫
7.4k Publicaciones
链上格格巫
Verificado Plus de Binance Square币安原生博主｜新手教程｜项目投研｜坚定持有BNB｜蓝鸟会核心成员｜所有内容仅代表个人观点，不构成投资建议DYOR🔮
183 Siguiendo
51.8K+ Seguidores
60.6K+ Me gusta
Publicaciones
Cartera
Todo
Citas
Videos
Live
PINNED
¡Uy!
$币安人生
No es que cualquiera pueda vivir así...
Acabo de subirme al coche
y me vuelvo a topar con una gran caída; tuve demasiada suerte 🥲🥲
$币安人生
No es que cualquiera pueda vivir así...
Acabo de subirme al coche
y me vuelvo a topar con una gran caída; tuve demasiada suerte 🥲🥲
前同事大刘是个独立开发者，业余训了个AI文案模型挂在某平台，想着靠调用分成赚点烟钱。上个月他偶然翻后台报表，发现一个月的调用量明明涨了两倍，到手的分成反而缩水了。他咬着牙跟我说，平台那边永远只有一句“数据没出错”，连原始调用记录都不给看，摆明了想糊弄。
我喊他吃饭，饭桌上把@OpenGradient 这个结算逻辑摊开讲给他听。它的账本不是关在平台黑匣子里，而是直接铺在链上。每次推理请求从发起到结算全程留痕，哪个节点在什么时间跑了谁的模型、单次调用了多少钱、模型方和节点方各分到多少，全部可查可验。智能合约自动清账，没有中间环节可以截留或者篡改。有社区开发者做过比对测试，在类似架构的去中心化推理网络上，模型方的实际到账率稳定在九成五以上，而某些中心化平台的实际到账率常常在六到七成之间打转，中间的差额去了哪没人说得清。#OPG
大刘把筷子搁下说了句，这就是摆地摊和进商场的区别，摆地摊自己收钱自己数，进商场得看物业脸色。能明明白白看清楚每一分钱怎么来怎么去的网络，才配叫基础设施。$OPG
我喊他吃饭，饭桌上把@OpenGradient 这个结算逻辑摊开讲给他听。它的账本不是关在平台黑匣子里，而是直接铺在链上。每次推理请求从发起到结算全程留痕，哪个节点在什么时间跑了谁的模型、单次调用了多少钱、模型方和节点方各分到多少，全部可查可验。智能合约自动清账，没有中间环节可以截留或者篡改。有社区开发者做过比对测试，在类似架构的去中心化推理网络上，模型方的实际到账率稳定在九成五以上，而某些中心化平台的实际到账率常常在六到七成之间打转，中间的差额去了哪没人说得清。#OPG
大刘把筷子搁下说了句，这就是摆地摊和进商场的区别，摆地摊自己收钱自己数，进商场得看物业脸色。能明明白白看清楚每一分钱怎么来怎么去的网络，才配叫基础设施。$OPG
Ayer otra vez me fui 90 dólares…
Hoy en operaciones de 3w se me fue una pérdida de 2.89 dólares 💔💔
Solo puedo elegir ARX, la volatilidad es bastante grande…
¿Qué han estado haciendo ustedes hoy? ¿Cuánta pérdida tuvieron? 🙂↔️🙂↔️🙂↔️
El vecino, el viejo Liu, después de jubilarse se enganchó a entrenar modelos de IA; se especializó en una pequeña herramienta para reconocimiento de flores y la usa para el grupo de amigos amantes de las flores. El mes pasado descubrió algo raro: el mismo modelo, ejecutando las mismas imágenes, por la mañana el precio estaba en tres centavos, y por la tarde ya subió a ocho centavos. Preguntó al soporte y le dijeron que la plataforma estaba haciendo “precios dinámicos”. Dicho en simple: cuando la dependencia del usuario sube, suben el precio en secreto.
Ayer por la noche, al sacar al perro, me lo encontré. Nos pusimos a charlar junto al jardín y le repasé la lógica del @OpenGradient . La red Open Intelligence le quita el poder de fijar precios a la plataforma y se lo devuelve al mercado. Al desplegar el modelo, tú mismo configuras el precio mínimo de cada llamada; los nodos de toda la red, si creen que vale la pena, se lanzan a hacer los pedidos, y si no, se quedan en pausa. El precio lo determina el emparejamiento oferta-demanda. Los registros de llamadas quedan completamente registrados en cadena; el flujo de costos hacia qué transacción se asigna: una parte para el modelo y otra para el nodo. Es tan claro como el recibo de una tienda. Hay datos de pruebas que muestran que, con este mecanismo de subasta, el costo de inferencia de modelos similares es un 30–50% más bajo que en plataformas centralizadas, y la fluctuación del precio es mucho más suave; no hay esos picos violentos en horas punta de mediodía o de noche. #OPG
El viejo Liu, al terminar, cambió la correa del perro a la otra mano, asintió y dijo que esto es como comprar en el mercado: “donde está más barato, ahí se va”. No hace falta encerrar tu propio modelo en una plataforma que te trate según le convenga. Los creadores, al fin y al cabo, salen con la espalda recta de verdad… $OPG
Hoy en operaciones de 3w se me fue una pérdida de 2.89 dólares 💔💔
Solo puedo elegir ARX, la volatilidad es bastante grande…
¿Qué han estado haciendo ustedes hoy? ¿Cuánta pérdida tuvieron? 🙂↔️🙂↔️🙂↔️
El vecino, el viejo Liu, después de jubilarse se enganchó a entrenar modelos de IA; se especializó en una pequeña herramienta para reconocimiento de flores y la usa para el grupo de amigos amantes de las flores. El mes pasado descubrió algo raro: el mismo modelo, ejecutando las mismas imágenes, por la mañana el precio estaba en tres centavos, y por la tarde ya subió a ocho centavos. Preguntó al soporte y le dijeron que la plataforma estaba haciendo “precios dinámicos”. Dicho en simple: cuando la dependencia del usuario sube, suben el precio en secreto.
Ayer por la noche, al sacar al perro, me lo encontré. Nos pusimos a charlar junto al jardín y le repasé la lógica del @OpenGradient . La red Open Intelligence le quita el poder de fijar precios a la plataforma y se lo devuelve al mercado. Al desplegar el modelo, tú mismo configuras el precio mínimo de cada llamada; los nodos de toda la red, si creen que vale la pena, se lanzan a hacer los pedidos, y si no, se quedan en pausa. El precio lo determina el emparejamiento oferta-demanda. Los registros de llamadas quedan completamente registrados en cadena; el flujo de costos hacia qué transacción se asigna: una parte para el modelo y otra para el nodo. Es tan claro como el recibo de una tienda. Hay datos de pruebas que muestran que, con este mecanismo de subasta, el costo de inferencia de modelos similares es un 30–50% más bajo que en plataformas centralizadas, y la fluctuación del precio es mucho más suave; no hay esos picos violentos en horas punta de mediodía o de noche. #OPG
El viejo Liu, al terminar, cambió la correa del perro a la otra mano, asintió y dijo que esto es como comprar en el mercado: “donde está más barato, ahí se va”. No hace falta encerrar tu propio modelo en una plataforma que te trate según le convenga. Los creadores, al fin y al cabo, salen con la espalda recta de verdad… $OPG
La plaza volvió a actualizarse
¡Ahora es relativamente más fácil~
A continuación, se espera que la v amarilla se vuelva aún más común 🙃🙃
$BNB
¡Ahora es relativamente más fácil~
A continuación, se espera que la v amarilla se vuelva aún más común 🙃🙃
$BNB
Hoy, volumen de 3w
Pérdida de 2.73 USD 💔💔
La pinza de ARX por operación está un poco fuerte
Luego cambiar a QAIT va mejor
Esto todavía está bien, para que todos tomen nota
¿Ustedes qué han estado haciendo hoy? ¿Cómo va la pérdida? 🙂↔️🙂↔️🙂↔️
El junior, Xiao Jie, usó un avatar de IA para vender. La semana pasada, de repente le cortaron la transmisión: la plataforma dijo que “el contenido generado por IA podría estar infringiendo normas”. Él revisó hasta el último rincón de las reglas de la comunidad y no encontró qué punto exacto se estaba cruzando. Más tarde, se enteró por boca de alguien del sector que, en realidad, la plataforma planeaba impulsar su propio negocio de avatares digitales, así que primero debían despejar la cancha. Se quejaba diciendo que, en estos tiempos, cuando juegas en el terreno de otros, ni siquiera el motivo por el que te expulsan lo inventan con criterio…
Lo llevé frente a la computadora y le mostré cómo correr el paquete de Open <t-2/> con @OpenGradient . No depende de ninguna plataforma centralizada para orquestar modelos. Cuando despliegas la lógica de tu avatar de IA, las solicitudes de inferencia las toman directamente nodos de toda la red. Los pesos del modelo quedan anclados en la cadena, el historial de llamadas es completamente transparente: se puede verificar quién lo ejecuta, qué resultados produce y cuánto se cobra. Si quieres cambiar el frontend, o conectar con qué herramienta de streaming para directo, todo lo decides tú. La red solo se encarga de que el modelo se ejecute con la configuración original, sin carga oculta y sin desconexiones arbitrarias. Las pruebas de estrés de la comunidad muestran que, en esta arquitectura distribuida de inferencia, que un único proveedor se desconecte afecta la disponibilidad general en menos de un 3%. #OPG
Xiao Jie miró la pantalla y estuvo pensando un rato; de pronto soltó: “¿Entonces es como si yo alquilara un puesto del que nadie puede echarme?” La frase es basta, pero la idea no está mal. Pasar el interruptor del servicio de IA de las manos de la plataforma a las tuyas… probablemente sea lo más tangible que la inferencia descentralizada le da a los creadores. $OPG
Pérdida de 2.73 USD 💔💔
La pinza de ARX por operación está un poco fuerte
Luego cambiar a QAIT va mejor
Esto todavía está bien, para que todos tomen nota
¿Ustedes qué han estado haciendo hoy? ¿Cómo va la pérdida? 🙂↔️🙂↔️🙂↔️
El junior, Xiao Jie, usó un avatar de IA para vender. La semana pasada, de repente le cortaron la transmisión: la plataforma dijo que “el contenido generado por IA podría estar infringiendo normas”. Él revisó hasta el último rincón de las reglas de la comunidad y no encontró qué punto exacto se estaba cruzando. Más tarde, se enteró por boca de alguien del sector que, en realidad, la plataforma planeaba impulsar su propio negocio de avatares digitales, así que primero debían despejar la cancha. Se quejaba diciendo que, en estos tiempos, cuando juegas en el terreno de otros, ni siquiera el motivo por el que te expulsan lo inventan con criterio…
Lo llevé frente a la computadora y le mostré cómo correr el paquete de Open <t-2/> con @OpenGradient . No depende de ninguna plataforma centralizada para orquestar modelos. Cuando despliegas la lógica de tu avatar de IA, las solicitudes de inferencia las toman directamente nodos de toda la red. Los pesos del modelo quedan anclados en la cadena, el historial de llamadas es completamente transparente: se puede verificar quién lo ejecuta, qué resultados produce y cuánto se cobra. Si quieres cambiar el frontend, o conectar con qué herramienta de streaming para directo, todo lo decides tú. La red solo se encarga de que el modelo se ejecute con la configuración original, sin carga oculta y sin desconexiones arbitrarias. Las pruebas de estrés de la comunidad muestran que, en esta arquitectura distribuida de inferencia, que un único proveedor se desconecte afecta la disponibilidad general en menos de un 3%. #OPG
Xiao Jie miró la pantalla y estuvo pensando un rato; de pronto soltó: “¿Entonces es como si yo alquilara un puesto del que nadie puede echarme?” La frase es basta, pero la idea no está mal. Pasar el interruptor del servicio de IA de las manos de la plataforma a las tuyas… probablemente sea lo más tangible que la inferencia descentralizada le da a los creadores. $OPG
Hoy volumen de trading de 3w
Pérdida de 28 dólares💔💔
Opg tuvo una gran volatilidad hoy, ten cuidado😐
Pequeñas transacciones, un poco mejor
¿Qué están tradeando hoy? ¿Cómo les va con las pérdidas?🙂↔️🙂↔️
Mi ex compañero Ah Yuan es entrenador personal y ajustó un asistente de IA con sus datos de entrenamiento para ayudar a sus alumnos a planificar sus rutinas. En menos de dos días, recibió un montón de críticas—el modelo de repente empezó a recomendar un plan de sentadillas intensivo para un alumno con una lesión antigua en la rodilla, casi lo manda a rehabilitación. Él, completamente frustrado, vino a buscarme; tras investigar un buen rato, descubrió que la plataforma centralizada había sobrescrito silenciosamente sus pesos ajustados durante la actualización del modelo, lo que equivale a que las reglas de seguridad que había trabajado duramente se borraron de un golpe...
Le serví un café y le conté sobre el Open Network @OpenGradient que he estado revisando, donde la gestión de versiones de los modelos no es "sobrescribir" sino "añadir". Cada vez que se actualizan los parámetros del modelo, la red genera automáticamente un nuevo hash de anclaje; las versiones antiguas no desaparecen, y al llamarlas puedes especificar exactamente qué versión del modelo usar, incluso establecer políticas de versión para que diferentes usuarios sigan diferentes caminos. Casos existentes han demostrado que este control de versiones en la cadena puede hacer que la reversión segura de las iteraciones del modelo pase de ser impracticable a completarse en minutos. #OPG
Lo más crítico es que el cambio de versión es activado completamente por la firma criptográfica del llamador, la plataforma no tiene permiso para "actualizar automáticamente". Ah Yuan, después de escuchar, dejó el café y dijo que eso es como poder cargar un guardado de juego en cualquier momento. Cuando el poder de evolución del asistente de IA está realmente en manos de quien lo entrena, y no en la boca de la plataforma, esas locuras provocadas por la "optimización automática" podrían desaparecer. $OPG
Pérdida de 28 dólares💔💔
Opg tuvo una gran volatilidad hoy, ten cuidado😐
Pequeñas transacciones, un poco mejor
¿Qué están tradeando hoy? ¿Cómo les va con las pérdidas?🙂↔️🙂↔️
Mi ex compañero Ah Yuan es entrenador personal y ajustó un asistente de IA con sus datos de entrenamiento para ayudar a sus alumnos a planificar sus rutinas. En menos de dos días, recibió un montón de críticas—el modelo de repente empezó a recomendar un plan de sentadillas intensivo para un alumno con una lesión antigua en la rodilla, casi lo manda a rehabilitación. Él, completamente frustrado, vino a buscarme; tras investigar un buen rato, descubrió que la plataforma centralizada había sobrescrito silenciosamente sus pesos ajustados durante la actualización del modelo, lo que equivale a que las reglas de seguridad que había trabajado duramente se borraron de un golpe...
Le serví un café y le conté sobre el Open Network @OpenGradient que he estado revisando, donde la gestión de versiones de los modelos no es "sobrescribir" sino "añadir". Cada vez que se actualizan los parámetros del modelo, la red genera automáticamente un nuevo hash de anclaje; las versiones antiguas no desaparecen, y al llamarlas puedes especificar exactamente qué versión del modelo usar, incluso establecer políticas de versión para que diferentes usuarios sigan diferentes caminos. Casos existentes han demostrado que este control de versiones en la cadena puede hacer que la reversión segura de las iteraciones del modelo pase de ser impracticable a completarse en minutos. #OPG
Lo más crítico es que el cambio de versión es activado completamente por la firma criptográfica del llamador, la plataforma no tiene permiso para "actualizar automáticamente". Ah Yuan, después de escuchar, dejó el café y dijo que eso es como poder cargar un guardado de juego en cualquier momento. Cuando el poder de evolución del asistente de IA está realmente en manos de quien lo entrena, y no en la boca de la plataforma, esas locuras provocadas por la "optimización automática" podrían desaparecer. $OPG
Hoy 3w de volumen de trading
Pérdida de 1.97 dólares💔💔
Estas dos últimas días las pérdidas han aumentado...
Los airdrops los vendí todos rápidamente
¿Qué están haciendo hoy, cómo van sus pérdidas?😪😪
El compañero Ajun es un diseñador independiente, pasó medio año alimentando más de diez mil obras para entrenar su propio modelo de estilo de diseño AI. El mes pasado, la máquina virtual que alquiló se le pasó la factura tres días, y la plataforma sin aviso previo liberó la instancia, sin una sola advertencia. Con los ojos rojos me dijo que todo su esfuerzo de medio año se había borrado con un solo clic, y en ese momento entendió que no era un creador, solo un inquilino.
Lo llevé a mi oficina y le dije que podía volver a entrenar desde cero, pero necesitaba cambiar la base. @OpenGradient , esta red de Open Intelligence no resuelve el problema de almacenamiento, sino el de la propiedad. Una vez que despliegas tu modelo, el hash de peso y los parámetros de estructura se anclan directamente en la cadena, y las llamadas de inferencia pueden ejecutarse en todos los nodos de la red, no existe un administrador central que pueda borrar tu modelo unilateralmente. Mientras haya nodos compitiendo por la inferencia, tu modelo seguirá vivo.
#OPG , lo más importante es que cada llamada se liquida automáticamente, la división entre el modelo y los nodos se liquida en segundos en la cadena. Incluso si estás fuera de viaje una semana sin usar la computadora, tu modelo sigue ganando tarifas de llamada en la red. Hay un conjunto de datos comunitarios que demuestran que los modelos de AI desplegados en redes descentralizadas, una vez que la anclaje inicial se completa, hasta ahora no ha habido un solo caso que haya sido forzado a salir debido a "ajustes de políticas de la plataforma". Ajun se quedó en silencio un momento y dijo, ¿no es esto igual a darle a su modelo un certificado de propiedad que nunca se desvanece? Cuando el ciclo de vida de un modelo de AI ya no está determinado por el estado de ánimo de la plataforma, es entonces cuando el creador realmente posee su propio activo digital, ¿no es así? $OPG
Pérdida de 1.97 dólares💔💔
Estas dos últimas días las pérdidas han aumentado...
Los airdrops los vendí todos rápidamente
¿Qué están haciendo hoy, cómo van sus pérdidas?😪😪
El compañero Ajun es un diseñador independiente, pasó medio año alimentando más de diez mil obras para entrenar su propio modelo de estilo de diseño AI. El mes pasado, la máquina virtual que alquiló se le pasó la factura tres días, y la plataforma sin aviso previo liberó la instancia, sin una sola advertencia. Con los ojos rojos me dijo que todo su esfuerzo de medio año se había borrado con un solo clic, y en ese momento entendió que no era un creador, solo un inquilino.
Lo llevé a mi oficina y le dije que podía volver a entrenar desde cero, pero necesitaba cambiar la base. @OpenGradient , esta red de Open Intelligence no resuelve el problema de almacenamiento, sino el de la propiedad. Una vez que despliegas tu modelo, el hash de peso y los parámetros de estructura se anclan directamente en la cadena, y las llamadas de inferencia pueden ejecutarse en todos los nodos de la red, no existe un administrador central que pueda borrar tu modelo unilateralmente. Mientras haya nodos compitiendo por la inferencia, tu modelo seguirá vivo.
#OPG , lo más importante es que cada llamada se liquida automáticamente, la división entre el modelo y los nodos se liquida en segundos en la cadena. Incluso si estás fuera de viaje una semana sin usar la computadora, tu modelo sigue ganando tarifas de llamada en la red. Hay un conjunto de datos comunitarios que demuestran que los modelos de AI desplegados en redes descentralizadas, una vez que la anclaje inicial se completa, hasta ahora no ha habido un solo caso que haya sido forzado a salir debido a "ajustes de políticas de la plataforma". Ajun se quedó en silencio un momento y dijo, ¿no es esto igual a darle a su modelo un certificado de propiedad que nunca se desvanece? Cuando el ciclo de vida de un modelo de AI ya no está determinado por el estado de ánimo de la plataforma, es entonces cuando el creador realmente posee su propio activo digital, ¿no es así? $OPG
¿Qué está pasando?
Todo está en rojo...
¿Aún hay algo en qué jugar??
$PYTH
Todo está en rojo...
¿Aún hay algo en qué jugar??
$PYTH
Hoy 3w de volumen de trading
Pérdida de 1.79 dólares 💔💔
El airdrop de anoche se volvió a ir volando...
Es mejor que la explosión constante donde no se puede conseguir nada...
¿Qué están tradeando hoy? ¿Cómo van sus pérdidas? 🙂↔️🙂↔️🙂↔️
Mi compañero Ah Yang usó IA para entrenar un modelo de juego de compañía, pero la plataforma lo consideró un cheat y lo baneó de forma permanente... Él dice que su modelo solo analiza la pantalla para tomar decisiones de apoyo, sin inyectar memoria, pero la plataforma le respondió fríamente: “determinación del sistema, apelación inválida”. Me mandó un audio desde la escalera diciendo que no le teme a la penalización, pero quiere entender por qué, porque este tipo de decisiones opacas son más frustrantes que el baneo en sí.
Le dije que @OpenGradient la red está diseñada para llevar estos conflictos a la luz. No depende de un servidor centralizado que decida arbitrariamente; cada salida de inferencia del modelo viene acompañada de una prueba criptográfica en la cadena, permitiendo que el llamador rastree “qué se ingresó, qué se salió y qué camino de inferencia se siguió”. #OPG
Este mecanismo de trazabilidad completa hace que el proceso de inferencia sea tan transparente que puede usarse como base para auditorías, y es evidente dónde se cruzó la línea roja. Lo más importante es que la verificación es respaldada por nodos de toda la red, no es la plataforma actuando como juez y jugador al mismo tiempo. Ah Yang reflexionó un rato y dijo, ¿esto significa que cada decisión de IA tiene un expediente electrónico inalterable? Cuando la operación oscura del modelo se abre a una rendija de transparencia por medios técnicos, ¿no es hora de pasar página en esta vieja era que usa “determinación del sistema” como un salvoconducto? $OPG
Pérdida de 1.79 dólares 💔💔
El airdrop de anoche se volvió a ir volando...
Es mejor que la explosión constante donde no se puede conseguir nada...
¿Qué están tradeando hoy? ¿Cómo van sus pérdidas? 🙂↔️🙂↔️🙂↔️
Mi compañero Ah Yang usó IA para entrenar un modelo de juego de compañía, pero la plataforma lo consideró un cheat y lo baneó de forma permanente... Él dice que su modelo solo analiza la pantalla para tomar decisiones de apoyo, sin inyectar memoria, pero la plataforma le respondió fríamente: “determinación del sistema, apelación inválida”. Me mandó un audio desde la escalera diciendo que no le teme a la penalización, pero quiere entender por qué, porque este tipo de decisiones opacas son más frustrantes que el baneo en sí.
Le dije que @OpenGradient la red está diseñada para llevar estos conflictos a la luz. No depende de un servidor centralizado que decida arbitrariamente; cada salida de inferencia del modelo viene acompañada de una prueba criptográfica en la cadena, permitiendo que el llamador rastree “qué se ingresó, qué se salió y qué camino de inferencia se siguió”. #OPG
Este mecanismo de trazabilidad completa hace que el proceso de inferencia sea tan transparente que puede usarse como base para auditorías, y es evidente dónde se cruzó la línea roja. Lo más importante es que la verificación es respaldada por nodos de toda la red, no es la plataforma actuando como juez y jugador al mismo tiempo. Ah Yang reflexionó un rato y dijo, ¿esto significa que cada decisión de IA tiene un expediente electrónico inalterable? Cuando la operación oscura del modelo se abre a una rendija de transparencia por medios técnicos, ¿no es hora de pasar página en esta vieja era que usa “determinación del sistema” como un salvoconducto? $OPG
Hoy 3w en volumen de trading
Pérdida de 1.17 dólares 💔💔
Los primeros dos los vendí demasiado pronto...
No sé si el airdrop de hoy será una buena oportunidad
¿Qué están tradeando hoy? ¿Cómo les va con las pérdidas? 🙂↔️🙂↔️
Mi amiga Xiaotang trabaja en RRHH y ha creado una herramienta de optimización de currículums AI. Los clientes solo tienen que subir su currículum original y la herramienta optimiza automáticamente el lenguaje. El mes pasado casi se mete en un buen lío, un currículum de un solicitante contenía el código de un proyecto no publicado de su antigua empresa, y el modelo de la plataforma centralizada lo captó como información de entrenamiento. Aunque la información no se filtró, solo esto ya le puso los pelos de punta. Me llamó por la noche y me dijo que lo peor de esta industria es confiar en una máquina que puede estar escuchando.
Le expliqué la estrategia de @OpenGradient , esta red de Open Intelligence no solo pone una capa de papel sobre la privacidad, sino que construye un muro. Permite que el modelo realice cálculos sensibles en el borde, y el currículum original se procesa localmente, solo se envían las características vectoriales refinadas para hacer inferencias. Combinado con un entorno de ejecución confiable, ni siquiera los nodos pueden ver cómo son los datos en texto claro, es como trabajar en una caja fuerte. #OPG
Las pruebas comparativas ya han señalado que esta arquitectura de preprocesamiento local y verificación en cadena reduce la exposición de datos en casi un 95%. Xiaotang se dio cuenta de que esto significa que puede usar AI para pulir el texto sin tener que entregar su información sensible al servidor. Cuando la información sensible de los usuarios no depende de la buena voluntad de la plataforma sino que se sostiene con criptografía, las herramientas de AI pueden convertirse en verdaderos compañeros de confianza. ¿Qué opinan? $OPG
Pérdida de 1.17 dólares 💔💔
Los primeros dos los vendí demasiado pronto...
No sé si el airdrop de hoy será una buena oportunidad
¿Qué están tradeando hoy? ¿Cómo les va con las pérdidas? 🙂↔️🙂↔️
Mi amiga Xiaotang trabaja en RRHH y ha creado una herramienta de optimización de currículums AI. Los clientes solo tienen que subir su currículum original y la herramienta optimiza automáticamente el lenguaje. El mes pasado casi se mete en un buen lío, un currículum de un solicitante contenía el código de un proyecto no publicado de su antigua empresa, y el modelo de la plataforma centralizada lo captó como información de entrenamiento. Aunque la información no se filtró, solo esto ya le puso los pelos de punta. Me llamó por la noche y me dijo que lo peor de esta industria es confiar en una máquina que puede estar escuchando.
Le expliqué la estrategia de @OpenGradient , esta red de Open Intelligence no solo pone una capa de papel sobre la privacidad, sino que construye un muro. Permite que el modelo realice cálculos sensibles en el borde, y el currículum original se procesa localmente, solo se envían las características vectoriales refinadas para hacer inferencias. Combinado con un entorno de ejecución confiable, ni siquiera los nodos pueden ver cómo son los datos en texto claro, es como trabajar en una caja fuerte. #OPG
Las pruebas comparativas ya han señalado que esta arquitectura de preprocesamiento local y verificación en cadena reduce la exposición de datos en casi un 95%. Xiaotang se dio cuenta de que esto significa que puede usar AI para pulir el texto sin tener que entregar su información sensible al servidor. Cuando la información sensible de los usuarios no depende de la buena voluntad de la plataforma sino que se sostiene con criptografía, las herramientas de AI pueden convertirse en verdaderos compañeros de confianza. ¿Qué opinan? $OPG
Hoy 3w de volumen de trading
Pérdida de 0.64 dólares 😖😖😖
Estos días el air drop y el TGE son un buen carnoso de varios cientos de dólares…
¿Acaso han llegado muchos nuevos participantes?? 🙂↔️🙂↔️
¿Qué han estado haciendo hoy? ¿Cómo les va con las pérdidas…
Mi tío ha estado trabajando duro en un modelo de estrategia de trading, y después de levantar el volumen, se dio cuenta de que los beneficios en tiempo real se desvían de la curva de backtesting. Pasó medio mes buscando el bug, y al final, pidió ayuda para revisar los logs y se quedó boquiabierto: un competidor estaba espiando en el lado del gateway de la API, analizando la latencia de las llamadas y el tamaño de los paquetes de respuesta para deducir la estructura del modelo, lo que equivale a que le vieron las cartas desde detrás de la pared.
Mientras tomábamos té, le conté sobre la red Open Intelligence @OpenGradient , que en su diseño incluyó una astucia para resistir ataques de huellas dactilares de modelo. Descompone las solicitudes de inferencia en fragmentos, los distribuye aleatoriamente a diferentes nodos para que se procesen en paralelo, y cada nodo solo recibe una parte de la tarea de cómputo, sin poder reconstruir el patrón de llamadas completo. Además, antes de que los nodos devuelvan resultados, pasan por una capa de protocolo de confusión, donde la curva de correlación de entrada y salida se comprime en un ruido desordenado, así que nadie puede tratar de deducir los pesos de tu modelo a través de análisis de canal lateral.
Se mencionó en una evaluación de seguridad que el esquema #OPG de inferencia fragmentada más la capa de confusión puede reducir drásticamente la tasa de éxito de ataques de huellas dactilares de modelos a casi cero. Lo más crítico es que todo el proceso no pasa por una única ruta, ningún nodo puede ver la cadena de solicitudes completa, lo que equivale a descomponer la bóveda en piezas de rompecabezas y entregarlas a diferentes equipos de seguridad para su custodia. Mi tío, al escuchar esto, dijo: ¿Así que eso significa que se puede correr un modelo privado en la red pública sin temor a ser descubierto? Cuando el costo de robar modelos se eleva a un punto que no compensa, esos especuladores que sobreviven robando técnicas tal vez tengan que cambiar de carrera. $OPG
Pérdida de 0.64 dólares 😖😖😖
Estos días el air drop y el TGE son un buen carnoso de varios cientos de dólares…
¿Acaso han llegado muchos nuevos participantes?? 🙂↔️🙂↔️
¿Qué han estado haciendo hoy? ¿Cómo les va con las pérdidas…
Mi tío ha estado trabajando duro en un modelo de estrategia de trading, y después de levantar el volumen, se dio cuenta de que los beneficios en tiempo real se desvían de la curva de backtesting. Pasó medio mes buscando el bug, y al final, pidió ayuda para revisar los logs y se quedó boquiabierto: un competidor estaba espiando en el lado del gateway de la API, analizando la latencia de las llamadas y el tamaño de los paquetes de respuesta para deducir la estructura del modelo, lo que equivale a que le vieron las cartas desde detrás de la pared.
Mientras tomábamos té, le conté sobre la red Open Intelligence @OpenGradient , que en su diseño incluyó una astucia para resistir ataques de huellas dactilares de modelo. Descompone las solicitudes de inferencia en fragmentos, los distribuye aleatoriamente a diferentes nodos para que se procesen en paralelo, y cada nodo solo recibe una parte de la tarea de cómputo, sin poder reconstruir el patrón de llamadas completo. Además, antes de que los nodos devuelvan resultados, pasan por una capa de protocolo de confusión, donde la curva de correlación de entrada y salida se comprime en un ruido desordenado, así que nadie puede tratar de deducir los pesos de tu modelo a través de análisis de canal lateral.
Se mencionó en una evaluación de seguridad que el esquema #OPG de inferencia fragmentada más la capa de confusión puede reducir drásticamente la tasa de éxito de ataques de huellas dactilares de modelos a casi cero. Lo más crítico es que todo el proceso no pasa por una única ruta, ningún nodo puede ver la cadena de solicitudes completa, lo que equivale a descomponer la bóveda en piezas de rompecabezas y entregarlas a diferentes equipos de seguridad para su custodia. Mi tío, al escuchar esto, dijo: ¿Así que eso significa que se puede correr un modelo privado en la red pública sin temor a ser descubierto? Cuando el costo de robar modelos se eleva a un punto que no compensa, esos especuladores que sobreviven robando técnicas tal vez tengan que cambiar de carrera. $OPG
$RE
Ayer cuando lo publiqué estaba a 0.4
Subió un 60%
Está loco…🥲🥲🥲
Ayer cuando lo publiqué estaba a 0.4
Subió un 60%
Está loco…🥲🥲🥲
链上格格巫
·
--
$RE
¿Qué demonios es esto👿
¿Subió un 860% en serio?...
¿Qué demonios es esto👿
¿Subió un 860% en serio?...
Inicia sesión para explorar más contenidos