Маленький осьминог @OpenledgerHQ обновил важное объяснение механизма доказательства принадлежности, содержание которого, как всегда, охватывает некоторые технические аспекты. Я не разбираюсь в технике, поэтому постараюсь изложить свои понимания и реальное значение этого механизма доказательства принадлежности простым и понятным языком. Добро пожаловать к общению с учителями, которые разбираются в технике. 🙋 Проблемы традиционных моделей: традиционные языковые модели используют n-gram (последовательности слов фиксированной длины) для предсказания следующего слова, что быстро, но не хватает контекста, и невозможно отследить источник предсказания или вклад данных. 📖 Объяснение механизма Infini-gram: механизм доказательства принадлежности (Proof of Attribution, PoA) OpenLedger использует Infini-gram, а не традиционный n-gram, поэтому Infini-gram преодолевает ограничения n-gram. Это символический движок сопоставления диапазона, основанный на суффиксных массивах ∞-gram (бесконечной длины), который может индексировать последовательности всех длин в обучающих данных и поддерживает возможность отслеживания в реальном времени каждого токена в выводе модели, точно определяя его источник. Infini-gram поддерживает систему доказательства принадлежности OpenLedger, обеспечивая точное отслеживание от ответа модели до обучающих данных без доступа к внутренностям модели, сохраняя скорость, прозрачность и воспроизводимость. 👍 Реальное значение этого механизма: (личная интерпретация, если есть вопросы, буду рад исправлениям) 1. Точное отслеживание, прозрачность и надежность: Infini-gram поддерживает отслеживание вывода AI модели слово за словом, сообщая вам, откуда именно пришел ответ из обучающих данных. Это похоже на то, как если бы AI был оснащен "меткой источника", что делает весь процесс совершенно ясным. Пользователь сразу видит, что сказал AI и почему он это сказал, прозрачность на высшем уровне, система отслеживания завершена. 2. Справедливое признание вкладчиков данных: для тех, кто предоставляет данные, Infini-gram может четко указать, какие данные помогли AI сгенерировать ответ, и вкладчики данных наконец могут быть замечены и признаны. Этот подход делает экосистему AI более справедливой и может побудить больше людей делиться качественными данными. 3. Масштабируемость + эффективность: основанная на суффиксных массивах структура Infini-gram может в реальном времени отслеживать источники, независимо от объема данных, эффективность на высшем уровне. Кроме того, она не требует сложных градиентных вычислений, просто и эффективно масштабируется на огромные наборы данных. 4. Сделать AI более надежным и соответствующим: Infini-gram может предоставить AI модели "проверяемый идентификатор", позволяя точно определить источник выводимого контента. Это не только повышает доверие пользователей к AI, но и удовлетворяет требованиям регулирования, помогая AI быть более соответствующим и этичным. 🤔 Это мои личные размышления и интерпретации: в настоящее время некоторые люди действительно намеренно пытаются заставить AI ошибаться, внедряя в него некоторые неверные данные, и эта функция маленького осьминога имеет огромное практическое значение для помощи в отслеживании ошибочных данных и исправлении ошибок AI. С нетерпением жду результатов внедрения этой функции в будущем.