Il y a quelques jours, j'ai vu que Sentient était allé faire une tournée à l'Université de Shenzhen, la dernière fois c'était à Fudan. J'ai réfléchi, ils choisissent les universités assez intelligemment : les étudiants sont vifs d'esprit, osent faire des erreurs, et c'est aussi le groupe de personnes le plus susceptible d'accepter de nouvelles choses.
@SentientAGI ce n'est pas "un grand modèle qui fait tout", mais un réseau GRID qui divise les tâches en petites parties, les attribue à l'IA la plus appropriée, puis les vérifie et les intègre à la fin.
Cela résout donc deux grands problèmes : 1️⃣ Les modèles sont chacun autonomes, la migration est compliquée → Utiliser directement une orchestration unifiée. 2️⃣ Données désordonnées et peu fiables → Vérification multi-sources, réduction des illusions. De plus, c'est un protocole ouvert, où les modèles, les fournisseurs de données et les développeurs peuvent tous se connecter, et une fois la tâche accomplie, ils peuvent partager les gains. Il y a déjà 2 millions d'utilisateurs actifs, et des services comme les rapports financiers et les assistants de recherche sont déjà en ligne. À chaque fois qu'un nouvel agent est connecté, l'intelligence de l'ensemble du réseau est mise à niveau.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Il y a quelques jours, j'ai vu que Sentient était allé faire une tournée à l'Université de Shenzhen, la dernière fois c'était à Fudan. J'ai réfléchi, ils choisissent les universités assez intelligemment : les étudiants sont vifs d'esprit, osent faire des erreurs, et c'est aussi le groupe de personnes le plus susceptible d'accepter de nouvelles choses.
@SentientAGI ce n'est pas "un grand modèle qui fait tout", mais un réseau GRID qui divise les tâches en petites parties, les attribue à l'IA la plus appropriée, puis les vérifie et les intègre à la fin.
Cela résout donc deux grands problèmes :
1️⃣ Les modèles sont chacun autonomes, la migration est compliquée → Utiliser directement une orchestration unifiée.
2️⃣ Données désordonnées et peu fiables → Vérification multi-sources, réduction des illusions.
De plus, c'est un protocole ouvert, où les modèles, les fournisseurs de données et les développeurs peuvent tous se connecter, et une fois la tâche accomplie, ils peuvent partager les gains. Il y a déjà 2 millions d'utilisateurs actifs, et des services comme les rapports financiers et les assistants de recherche sont déjà en ligne. À chaque fois qu'un nouvel agent est connecté, l'intelligence de l'ensemble du réseau est mise à niveau.