三週前我不知道@OpenGradient 是什麼。
老實說....我偶然發現的。
這個名字一開始對我來說沒有任何意義。
然後我開始閱讀。
慢慢來。
#opg
OpenGradient試圖做一些我之前沒見過的事情。
運行AI。驗證它是否正確運行。以加密方式證明它。
不僅僅是托管模型。不僅僅是提供推論。
實際上生成一個證明，說明：這樣的事情，在這個時間發生。
他們有一個模型中心。顯然有超過2000個模型。
一個叫做MemSync的記憶工具——為需要跨會話記住事物的代理。
a16z-crypto支持，這讓我更加關注。
但我一直在思考的不是資金或模型數量。
而是所有這些下面的更簡單問題。
當AI做出重大的決策時——
誰真的知道它是否按照預期運行了？
現在，幾乎沒有人知道。
你信任提供者。你假設輸出反映了模型。然後你繼續前進。
OpenGradient似乎在詢問這個假設是否足夠好。
$OPG
我不確定是否足夠好。
我也不確定有多少人對此感到困擾。
也許這就是這種基礎設施存在一段時間的地方
解決人們尚未完全感受到的問題。
這不是批評。
這通常只是基礎事物的開始方式。
#OPG $DEXE $RESOLV
老實說....我偶然發現的。
這個名字一開始對我來說沒有任何意義。
然後我開始閱讀。
慢慢來。
#opg
OpenGradient試圖做一些我之前沒見過的事情。
運行AI。驗證它是否正確運行。以加密方式證明它。
不僅僅是托管模型。不僅僅是提供推論。
實際上生成一個證明，說明：這樣的事情，在這個時間發生。
他們有一個模型中心。顯然有超過2000個模型。
一個叫做MemSync的記憶工具——為需要跨會話記住事物的代理。
a16z-crypto支持，這讓我更加關注。
但我一直在思考的不是資金或模型數量。
而是所有這些下面的更簡單問題。
當AI做出重大的決策時——
誰真的知道它是否按照預期運行了？
現在，幾乎沒有人知道。
你信任提供者。你假設輸出反映了模型。然後你繼續前進。
OpenGradient似乎在詢問這個假設是否足夠好。
$OPG
我不確定是否足夠好。
我也不確定有多少人對此感到困擾。
也許這就是這種基礎設施存在一段時間的地方
解決人們尚未完全感受到的問題。
這不是批評。
這通常只是基礎事物的開始方式。
#OPG $DEXE $RESOLV