Kleine octopus @OpenledgerHQ heeft een belangrijke uitleg over het bewijs van toewijzing bijgewerkt, de inhoud omvat zoals altijd enkele technische aspecten. Ik begrijp de techniek niet, maar ik zal mijn best doen om mijn begrip en de praktische betekenis van dit bewijs van toewijzing zo eenvoudig mogelijk te verwoorden. Docenten die de techniek begrijpen, zijn welkom om te communiceren. 🙋 Traditionele problemen: Traditionele taalmodellen gebruiken n-gram (vaste lengte woordreeksen) om het volgende woord te voorspellen, snel maar zonder context, en kunnen de oorsprong of gegevensbijdragers van de voorspelling niet volgen. 📖 Uitleg van het Infini-gram mechanisme: Het bewijs van toewijzing (Proof of Attribution, PoA) mechanisme van OpenLedger maakt gebruik van Infini-gram in plaats van traditionele n-gram, waardoor Infini-gram de beperkingen van n-gram doorbreekt. Het is een symboolspanmatching-engine op basis van een suffixarray voor een ∞-gram (oneindige lengte) toewijzingsframework, dat in staat is om alle lengtes van reeksen in de trainingsgegevens te indexeren en realtime tracing van elk token in de modeloutput ondersteunt, waardoor de oorsprong nauwkeurig kan worden gelokaliseerd. Infini-gram ondersteunt het bewijs van toewijzing systeem van OpenLedger, waardoor een nauwkeurige tracing van modelreacties naar trainingsgegevens mogelijk is, zonder toegang tot het interne model, en het blijft snel, transparant en reproduceerbaar. 👍 De praktische betekenis van dit mechanisme: (persoonlijke interpretatie, als er vragen zijn, laat het me weten) 1. Nauwkeurige tracing, transparant en betrouwbaar: Infini-gram ondersteunt het traceren van de output van AI-modellen woord voor woord, en vertelt je precies van welke trainingsgegevens het antwoord afkomstig is. Dit is alsof je AI een "herkomstlabel" geeft, waardoor het hele proces duidelijk is. Gebruikers kunnen in één oogopslag zien wat AI heeft gezegd en waarom, met maximale transparantie en een compleet traceersysteem. 2. Eerlijke erkenning van gegevensbijdragers: Voor de bijdragers van gegevens kan Infini-gram duidelijk maken welke gegevens hebben geholpen bij het genereren van het antwoord door AI, zodat gegevensbijdragers eindelijk gezien en erkend worden. Deze aanpak maakt het AI-ecosysteem eerlijker en kan meer mensen aanmoedigen om hoogwaardige gegevens te delen. 3. Schaalbaarheid + efficiëntie in balans: Het op suffixarrays gebaseerde framework van Infini-gram kan, ongeacht de hoeveelheid gegevens, realtime tracing van de oorsprong ondersteunen, met maximale efficiëntie. Bovendien vereist het geen complexe gradientberekeningen, waardoor het eenvoudig en efficiënt kan worden opgeschaald naar scenario's met enorme datasets. 4. Maakt AI betrouwbaarder en meer compliant: Infini-gram kan AI-modellen voorzien van een "verifieerbaar identiteitsbewijs", waardoor de output nauwkeurig kan worden vastgesteld. Dit vergroot niet alleen het vertrouwen van gebruikers in AI, maar voldoet ook aan de regelgeving, waardoor AI meer compliant en ethisch verantwoord wordt. 🤔 Dit zijn mijn persoonlijke gedachten en interpretaties: momenteel zijn er inderdaad mensen die opzettelijk proberen AI fouten te laten maken door het te voeden met verkeerde informatie en gegevens. Deze functie van kleine octopus heeft een enorme praktische toepassing om foutieve gegevens te traceren en AI-fouten te corrigeren. Ik kijk ernaar uit om de toekomstige implementatie van deze functie te zien.