Бейби, добрий ранок! Вчора маленький гамбургер пішов реалізувати «подяку»! — Раніше короткий пташка @wanghebbf дав мені запрошення @SentientAGI, сьогодні спеціально пішов до нього, щоб вийти поїсти щось смачне.
Ми спочатку пішли на нічний ринок, прогулялися і не знайшли нічого, що б нам сподобалося, тому я відразу повела його до моєї улюбленої гамбургерної, адже гамбургери - це надійно! Під час їжі ми також не сиділи без діла, якраз заговорили про проект @SentientAGI, яким я останнім часом активно цікавлюся.
Під час останньої розмови з усіма про OML хтось запитав, як це можливо, що воно працює локально і водночас контролюється. Сьогодні, враховуючи зміст NeurIPS, я хочу детально поговорити про його ядро — контрольну площину та площину даних.
Насправді їх можна зрозуміти як двох помічників моделі: один відповідає за правила, а інший займається справами.
Контрольна площина — це те, що регулює правила, хто може викликати модель, які політики потрібно дотримуватись під час виклику, яку інформацію потрібно записувати щоразу, все це підпорядковане їй.
І кожен раз, коли виконання завершено, буде згенеровано підписаний список виконання, а також синхронізовано буде написаний журнал аудиту, який можна лише доповнювати, але не змінювати. Сфальшувати це просто неможливо.
Що стосується даних, то тут все набагато простіше: він відповідає за найосновнішу роботу — обробку токенів, і нічого більше.
Коли я досліджував це, я подумав, що це розподіл праці дуже розумний:
Чи можна використовувати авторизацію, контрольна площина була налаштована перед запуском, а інформація про трасування після використання була зашифрована та пов'язана з результатами виконання.
Тому навіть якщо ваги моделі працюють на вашому комп'ютері, не потрібно покладатися на жодний централізований API, що не впливає на швидкість і забезпечує реальне контролювання.
Такий дизайн, в якому кожен виконує свою частину, але взаємодіє з іншими, чітко розділяє складні проблеми.
Після цього я також буду продовжувати слідкувати за @SentientAGI, якщо з'являться нові досягнення або я знову знайду якісь цікаві дизайни, я знову поділюся з усіма. #SentientAGI
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Бейби, добрий ранок! Вчора маленький гамбургер пішов реалізувати «подяку»! — Раніше короткий пташка @wanghebbf дав мені запрошення @SentientAGI, сьогодні спеціально пішов до нього, щоб вийти поїсти щось смачне.
Ми спочатку пішли на нічний ринок, прогулялися і не знайшли нічого, що б нам сподобалося, тому я відразу повела його до моєї улюбленої гамбургерної, адже гамбургери - це надійно! Під час їжі ми також не сиділи без діла, якраз заговорили про проект @SentientAGI, яким я останнім часом активно цікавлюся.
Під час останньої розмови з усіма про OML хтось запитав, як це можливо, що воно працює локально і водночас контролюється. Сьогодні, враховуючи зміст NeurIPS, я хочу детально поговорити про його ядро — контрольну площину та площину даних.
Насправді їх можна зрозуміти як двох помічників моделі: один відповідає за правила, а інший займається справами.
Контрольна площина — це те, що регулює правила, хто може викликати модель, які політики потрібно дотримуватись під час виклику, яку інформацію потрібно записувати щоразу, все це підпорядковане їй.
І кожен раз, коли виконання завершено, буде згенеровано підписаний список виконання, а також синхронізовано буде написаний журнал аудиту, який можна лише доповнювати, але не змінювати. Сфальшувати це просто неможливо.
Що стосується даних, то тут все набагато простіше: він відповідає за найосновнішу роботу — обробку токенів, і нічого більше.
Коли я досліджував це, я подумав, що це розподіл праці дуже розумний:
Чи можна використовувати авторизацію, контрольна площина була налаштована перед запуском, а інформація про трасування після використання була зашифрована та пов'язана з результатами виконання.
Тому навіть якщо ваги моделі працюють на вашому комп'ютері, не потрібно покладатися на жодний централізований API, що не впливає на швидкість і забезпечує реальне контролювання.
Такий дизайн, в якому кожен виконує свою частину, але взаємодіє з іншими, чітко розділяє складні проблеми.
Після цього я також буду продовжувати слідкувати за @SentientAGI, якщо з'являться нові досягнення або я знову знайду якісь цікаві дизайни, я знову поділюся з усіма.
#SentientAGI