【Создание экосистемы ИИ на основе децентрализации -- Mira @Mira_Network】
Mira（@Mira_Network）由@karansirdesai 和@hapchap88 的洞见孕育而生，旨在应对人工智能（AI）开发中的一大难题：大型 языковых моделей (LLM) в обеспечении точности и нейтральности вывода.
Эти модели часто с полной уверенностью выдают ошибочную информацию — так называемые «галлюцинации» — или проявляют системные предвзятости из-за смещения тренировочных данных.
Mira, вводя инновационную структуру «Flows», абстрагирует инфраструктуру ИИ, интегрируя модели, данные и вычисления в модульные единицы, позволяя разработчикам сосредоточиться на решении проблем пользователей, а не погружаться в сложное управление инфраструктурой;
Mira работает в децентрализованной сети, создает открытую экосистему, где участники делятся Flows, формируя динамичный рынок ресурсов ИИ, подчеркивая доверие и отсутствие барьеров для участия;
Ядро Mira заключается в ее основанном на согласии механизме проверки, который направлен на повышение доверия к выходным данным ИИ.
В отличие от традиционных LLM, зависящих от единой модели, Mira использует многофункциональный процесс проверки, чтобы уменьшить "галлюцинации" — то есть случайные, но уверенные ошибки — и предвзятость, то есть системную склонность к определенной точке зрения. Например, предвзятость может привести к тому, что ИИ будет незаметно склоняться к определенным политическим позициям или быть более "дружелюбным" к определенным группам, что представляет собой более серьезный социальный риск, чем случайные ошибки. Механизм проверки Mira делится на три ключевых этапа: бинаризация (Binarization): выводы ИИ разбиваются на отдельные, проверяемые утверждения. Например, "Земля вращается вокруг Солнца, Луна вращается вокруг Земли" будут разбиты на два отдельных утверждения, которые проверяются по отдельности, чтобы предотвратить ситуацию, когда общий ответ кажется правильным, но детали ошибочны.
▶️Распределенная валидация: Эти утверждения распределяются между различными узлами в сети Mira, каждый узел состоит из одной или нескольких моделей и оценивает только назначенные утверждения, не касаясь полного контекста, что обеспечивает нейтральность оценки.
▶️Механизм согласия: Mira использует систему, аналогичную доказательству работы, где модели должны ставить токены для участия в оценке. Каждый узел осуществляет вывод о правдивости утверждений, и только когда почти все модели согласны, данное утверждение признается достоверным. Неточные или ненадежные узлы подвергаются штрафу в виде удержания токенов, чтобы стимулировать строгий вывод.
Этот метод, основанный на консенсусе, использует коллективные суждения нескольких моделей для приближения к истинной реальности, балансируя между точностью и предвзятостью. Чем более обширные тренировочные данные, тем меньше предвзятости, но тем выше риск появления иллюзий; слишком строгая очистка данных может усилить определенные наклонности. Много модельная валидация Mira предоставляет сбалансированное решение, подчеркивающее точность, а не просто прецизионность, осознавая, что логически последовательные, но ошибочные выводы не имеют ценности.
Мира дальше различает иллюзии и предвзятости: иллюзия похожа на стрелка, который иногда отклоняется от мишени, заметная, но узнаваемая; предвзятость же как стрела, продолжающая отклоняться в одну сторону, скрытая, но имеющая глубокое влияние. Последняя, из-за своей системности, более вероятно тихо формирует общественное восприятие и принятие решений, поэтому требует приоритетного решения. Мира балансирует индивидуальные предвзятости через многомодельный консенсус, приближая к истине с помощью "коллективного голосования", метод строгий и надежный.
Всего за полгода Mira достигла значительных успехов, привлекая несколько команд к использованию своего Flow Market для разработки AI-нативных продуктов в таких областях, как криптовалюты, игры, SaaS, образование и потребительские товары. Ее флагманское приложение Klok — это AI-управляемый крипто-ассистент, находящийся на стадии закрытого тестирования, который предоставляет пользователям глубокие аналитические данные, структурированные данные и стратегии портфолио, и в настоящее время становится доступным для большего числа пользователей.
Высокая популярность Mira на платформе @Arbitrum и активность в рейтинге @KaitoAI进一步彰显其影响力
Смотря в будущее, Mira планирует заново определить механизм доверия в разработке ИИ с помощью более прорывных исследований и продуктов.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
【Создание экосистемы ИИ на основе децентрализации -- Mira @Mira_Network】
Mira（@Mira_Network）由@karansirdesai 和@hapchap88 的洞见孕育而生，旨在应对人工智能（AI）开发中的一大难题：大型 языковых моделей (LLM) в обеспечении точности и нейтральности вывода.
Эти модели часто с полной уверенностью выдают ошибочную информацию — так называемые «галлюцинации» — или проявляют системные предвзятости из-за смещения тренировочных данных.
Mira, вводя инновационную структуру «Flows», абстрагирует инфраструктуру ИИ, интегрируя модели, данные и вычисления в модульные единицы, позволяя разработчикам сосредоточиться на решении проблем пользователей, а не погружаться в сложное управление инфраструктурой;
Mira работает в децентрализованной сети, создает открытую экосистему, где участники делятся Flows, формируя динамичный рынок ресурсов ИИ, подчеркивая доверие и отсутствие барьеров для участия;
Ядро Mira заключается в ее основанном на согласии механизме проверки, который направлен на повышение доверия к выходным данным ИИ.
В отличие от традиционных LLM, зависящих от единой модели, Mira использует многофункциональный процесс проверки, чтобы уменьшить "галлюцинации" — то есть случайные, но уверенные ошибки — и предвзятость, то есть системную склонность к определенной точке зрения. Например, предвзятость может привести к тому, что ИИ будет незаметно склоняться к определенным политическим позициям или быть более "дружелюбным" к определенным группам, что представляет собой более серьезный социальный риск, чем случайные ошибки. Механизм проверки Mira делится на три ключевых этапа: бинаризация (Binarization): выводы ИИ разбиваются на отдельные, проверяемые утверждения. Например, "Земля вращается вокруг Солнца, Луна вращается вокруг Земли" будут разбиты на два отдельных утверждения, которые проверяются по отдельности, чтобы предотвратить ситуацию, когда общий ответ кажется правильным, но детали ошибочны.
▶️Распределенная валидация: Эти утверждения распределяются между различными узлами в сети Mira, каждый узел состоит из одной или нескольких моделей и оценивает только назначенные утверждения, не касаясь полного контекста, что обеспечивает нейтральность оценки.
▶️Механизм согласия: Mira использует систему, аналогичную доказательству работы, где модели должны ставить токены для участия в оценке. Каждый узел осуществляет вывод о правдивости утверждений, и только когда почти все модели согласны, данное утверждение признается достоверным. Неточные или ненадежные узлы подвергаются штрафу в виде удержания токенов, чтобы стимулировать строгий вывод.
Этот метод, основанный на консенсусе, использует коллективные суждения нескольких моделей для приближения к истинной реальности, балансируя между точностью и предвзятостью. Чем более обширные тренировочные данные, тем меньше предвзятости, но тем выше риск появления иллюзий; слишком строгая очистка данных может усилить определенные наклонности. Много модельная валидация Mira предоставляет сбалансированное решение, подчеркивающее точность, а не просто прецизионность, осознавая, что логически последовательные, но ошибочные выводы не имеют ценности.
Мира дальше различает иллюзии и предвзятости: иллюзия похожа на стрелка, который иногда отклоняется от мишени, заметная, но узнаваемая; предвзятость же как стрела, продолжающая отклоняться в одну сторону, скрытая, но имеющая глубокое влияние. Последняя, из-за своей системности, более вероятно тихо формирует общественное восприятие и принятие решений, поэтому требует приоритетного решения. Мира балансирует индивидуальные предвзятости через многомодельный консенсус, приближая к истине с помощью "коллективного голосования", метод строгий и надежный.
Всего за полгода Mira достигла значительных успехов, привлекая несколько команд к использованию своего Flow Market для разработки AI-нативных продуктов в таких областях, как криптовалюты, игры, SaaS, образование и потребительские товары. Ее флагманское приложение Klok — это AI-управляемый крипто-ассистент, находящийся на стадии закрытого тестирования, который предоставляет пользователям глубокие аналитические данные, структурированные данные и стратегии портфолио, и в настоящее время становится доступным для большего числа пользователей.
Высокая популярность Mira на платформе @Arbitrum и активность в рейтинге @KaitoAI进一步彰显其影响力
Смотря в будущее, Mira планирует заново определить механизм доверия в разработке ИИ с помощью более прорывных исследований и продуктов.
#Mira # KAITO #KaitoAI # KaitoYappers #yapperseason