Popołudniu 24 czerwca przeglądałem repozytoria GitHub OpenGradient i jedną rzecz, która mi się naprawdę spodobała, to fakt, że nie tylko rozmawiali o pomysłach, ale także tworzyli narzędzia, aby zamienić te pomysły w rzeczywistość.
Widziałem repozytorium TEE Gateway, które działa jako zabezpieczony węzeł TEE dla żądań inferencji LLM od stron trzecich.
Inny projekt, który przyciągnął moją uwagę, to Ghost, opisany jako incognito i nieocenzurowany agentyczny harness, który wydawał się wskazywać, że prywatność i wolność użytkowników stają się coraz ważniejsze przy korzystaniu z AI.
Projekt Veil również jest dość interesujący, to lokalny proxy kompatybilny z OpenAI, którego celem jest zachowanie prywatności zapytania użytkownika i jednoczesne zapewnienie możliwości weryfikacji.
SDK OpenGradient ułatwia pracę programistom. Zgodnie z dokumentacją OpenGradient, ich celem jest stworzenie bezpiecznych i weryfikowalnych wykonania AI, w których proces inferencji może być weryfikowany.
@OpenGradient #OPG $OPG
$SPCXB
Widziałem repozytorium TEE Gateway, które działa jako zabezpieczony węzeł TEE dla żądań inferencji LLM od stron trzecich.
Inny projekt, który przyciągnął moją uwagę, to Ghost, opisany jako incognito i nieocenzurowany agentyczny harness, który wydawał się wskazywać, że prywatność i wolność użytkowników stają się coraz ważniejsze przy korzystaniu z AI.
Projekt Veil również jest dość interesujący, to lokalny proxy kompatybilny z OpenAI, którego celem jest zachowanie prywatności zapytania użytkownika i jednoczesne zapewnienie możliwości weryfikacji.
SDK OpenGradient ułatwia pracę programistom. Zgodnie z dokumentacją OpenGradient, ich celem jest stworzenie bezpiecznych i weryfikowalnych wykonania AI, w których proces inferencji może być weryfikowany.
@OpenGradient #OPG $OPG
$SPCXB