Det er mange AI-prosjekter nylig, se på dem en etter en, jeg så på 0g før, og jeg har en generell forståelse av rammeverket. I dag ser vi på hva som er Sentient @SentientAGI. Du vil oppdage at grunnleggerne er forskjellige, og selv prosjekter av lignende retninger vil ha forskjellige fokus. Sentient Protocol er en desentralisert protokoll som lar fellesskapet bygge, administrere og bruke Loyal AI (som oversettes til lojal AI, som burde være justeringen av AI, men justeringen hans er en AI som er på linje med, eies og kontrolleres av fellesskapet. Hvordan oppnås det? To deler: - AI-segmentet, AI-pipeline (datahåndtering, lojalitetstrening) og er grunnlaget for å utvikle og trene lojalitets-AI. - Blokkjededel, Styring: Et system kontrollert av en DAO, Eierskap: En tokenisert representasjon av modell-/applikasjonseierskap, DeFi: Et desentralisert finansielt instrument. Hvordan stemmer AI-delen overens med fellesskapet? Han brukte blokkjede for å koordinere datahåndtering Databehandling: Gjennom datafiltrering blir direktivdata eller fellesskapsbestemte belønninger nøye filtrert og utformet for å samsvare med fellesskapets preferanser. Datablanding sikrer at modellen begge er motstandsdyktige mot manipulasjon. Databehandlingsprosesser er forankret i fellesskapet. La fellesskapet kontrollere modellens dataproduksjon gjennom styringsmodellen. Brukere og appbyggere kan sende inn forslag til modelljustering eller forbedringer, mens modelleiere overvåker styring gjennom desentralisert stemmegivning. Lar fellesskapet bidra, validere og kontrollere treningsdata. Lojalitetstrening: Gitt det nøye utvalgte datasettet som trener AI til å være lojal og på linje med fellesskapets verdier, inkluderer lojalitetsopplæringsprosessen: Robust justering: Bruk overvåket finjustering (SFT) og forsterkende læring (RL) for å trene modelljustering. Fingeravtrykkopplæring: Avansert fingeravtrykksteknologi er innebygd i modellen, og fingeravtrykket fungerer som bevis på modelleierskap, slik at fellesskapet kan spore modellmodifikasjoner og bruk samtidig som det avskrekker uautoriserte modifikasjoner. Kontrollopplæring: Implanter spesielle spørringer for å opprettholde modellkontroll. Disse spørringene sikrer deterministiske svar på forhåndsdefinerte innganger, noe som gir presis kontroll over AIs utdata. Se på dette bildet for bedre å forstå hele strukturen hans: Det andre teamet fokuserer på å differensiere tjenesteparadigmet til en lønnsom og lojal (OML) modell, samt hele modellen til openai og deepseek, og deretter introdusere detaljene til OML. Sammenlignet med @0g_labs å bygge en desentralisert teknisk infrastruktur (inkludert desentralisering av datakraft for opplæringsmodeller, etc.), fokuserer Sentient på å tilpasse og trene modellen med fellesskapets vilje, merking av eierskap (fingeravtrykksteknologi) og et sett med forskjellige innovasjonsmodeller (OML-modell) som kombinerer forretningsparadigmer.