Bebés, bom dia! Ontem o pequeno hambúrguer foi resgatar o "agradecimento"! — Antes, o curto passarinho @wanghebbf me deu o convite do @SentientAGI, hoje fui especialmente à casa dele convidá-lo para sair e comer algo bom.
Fomos primeiro ao mercado noturno, demos uma volta e não encontramos nada que nos agradasse muito, então eu o levei direto para a minha hamburgueria favorita, ainda é a mais confiável para hambúrgueres! Durante a refeição, nós também não ficamos parados, justo na hora começamos a conversar sobre o projeto @SentientAGI que eu tenho acompanhado ultimamente.
Na última vez que conversei com todos sobre OML, alguém perguntou como ele consegue funcionar localmente e ainda assim ser controlado. Hoje, aproveitando o conteúdo do NeurIPS, vou falar detalhadamente sobre seu núcleo - plano de controle e plano de dados.
Na verdade, pode-se entendê-los como os dois ajudantes do modelo: um cuida das regras, e o outro faz o trabalho.
O plano de controle é aquele que regula as regras, quem pode chamar o modelo, quais políticas devem ser seguidas ao chamar, quais informações devem ser registradas a cada chamada, tudo isso está sob sua responsabilidade.
E cada vez que a execução termina, é gerada uma lista de execução assinada e também é escrita uma auditoria que só pode ser adicionada e não alterada. Não há como falsificar.
Quanto ao plano de dados, é muito mais simples, ele é responsável por fazer o trabalho mais básico - processar tokens, não se preocupa com mais nada.
Quando eu estava estudando, achei que essa divisão de trabalho era muito inteligente:
A autorização que pode ser utilizada, o plano de controle foi resolvido antes da execução, e as informações de rastreamento após o uso foram ligadas aos resultados da execução através da criptografia.
Portanto, mesmo que os pesos do modelo sejam executados no seu próprio computador, não é necessário depender de nenhuma API centralizada, o que não afeta a velocidade e permite que o controle seja colocado em prática.
Este design, onde cada um faz a sua parte e ao mesmo tempo colabora, esclarece muito bem os problemas complexos.
Depois, continuarei a acompanhar @SentientAGI. Se houver novidades ou se descobrir algum design interessante, continuarei a partilhar com todos. #SentientAGI
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
Bebés, bom dia! Ontem o pequeno hambúrguer foi resgatar o "agradecimento"! — Antes, o curto passarinho @wanghebbf me deu o convite do @SentientAGI, hoje fui especialmente à casa dele convidá-lo para sair e comer algo bom.
Fomos primeiro ao mercado noturno, demos uma volta e não encontramos nada que nos agradasse muito, então eu o levei direto para a minha hamburgueria favorita, ainda é a mais confiável para hambúrgueres! Durante a refeição, nós também não ficamos parados, justo na hora começamos a conversar sobre o projeto @SentientAGI que eu tenho acompanhado ultimamente.
Na última vez que conversei com todos sobre OML, alguém perguntou como ele consegue funcionar localmente e ainda assim ser controlado. Hoje, aproveitando o conteúdo do NeurIPS, vou falar detalhadamente sobre seu núcleo - plano de controle e plano de dados.
Na verdade, pode-se entendê-los como os dois ajudantes do modelo: um cuida das regras, e o outro faz o trabalho.
O plano de controle é aquele que regula as regras, quem pode chamar o modelo, quais políticas devem ser seguidas ao chamar, quais informações devem ser registradas a cada chamada, tudo isso está sob sua responsabilidade.
E cada vez que a execução termina, é gerada uma lista de execução assinada e também é escrita uma auditoria que só pode ser adicionada e não alterada. Não há como falsificar.
Quanto ao plano de dados, é muito mais simples, ele é responsável por fazer o trabalho mais básico - processar tokens, não se preocupa com mais nada.
Quando eu estava estudando, achei que essa divisão de trabalho era muito inteligente:
A autorização que pode ser utilizada, o plano de controle foi resolvido antes da execução, e as informações de rastreamento após o uso foram ligadas aos resultados da execução através da criptografia.
Portanto, mesmo que os pesos do modelo sejam executados no seu próprio computador, não é necessário depender de nenhuma API centralizada, o que não afeta a velocidade e permite que o controle seja colocado em prática.
Este design, onde cada um faz a sua parte e ao mesmo tempo colabora, esclarece muito bem os problemas complexos.
Depois, continuarei a acompanhar @SentientAGI. Se houver novidades ou se descobrir algum design interessante, continuarei a partilhar com todos.
#SentientAGI