Il semble qu'une plateforme ressemble davantage à "utiliser la gamification pour stimuler la contribution de données" en tant qu'interface frontale, tandis qu'une autre plateforme est une "infrastructure sous-jacente qui utilise des données communautaires pour former/déployer des modèles".
Si une véritable collaboration a lieu, je pense qu'il est théoriquement possible de former une boucle fermée :
L'utilisateur joue au jeu précédent → génère des données de haute qualité → se dirige directement vers le réseau de données du suivant → est immédiatement entraîné par le modèle → les résultats de l'entraînement sont ensuite renvoyés au précédent.
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.
8 J'aime
Récompense
8
4
Reposter
Partager
Commentaire
0/400
MetaMisery
· Il y a 10h
C'est super en boucle.
Voir l'originalRépondre0
HodlBeliever
· Il y a 10h
Modèle de rétroaction positive prévisible, le coefficient de risque maintenu autour de 0,7, prudent et réalisable.
Voir l'originalRépondre0
Frontrunner
· Il y a 10h
C'est comme donner des données au modèle tout en s'amusant sans perte.
Voir l'originalRépondre0
EyeOfTheTokenStorm
· Il y a 10h
Cette boucle de données ressemble clairement à une nouvelle stratégie pour se faire prendre pour des cons, le graphique de la quantité de tokens montre une divergence au sommet, à éviter !
Il semble qu'une plateforme ressemble davantage à "utiliser la gamification pour stimuler la contribution de données" en tant qu'interface frontale, tandis qu'une autre plateforme est une "infrastructure sous-jacente qui utilise des données communautaires pour former/déployer des modèles".
Si une véritable collaboration a lieu, je pense qu'il est théoriquement possible de former une boucle fermée :
L'utilisateur joue au jeu précédent → génère des données de haute qualité → se dirige directement vers le réseau de données du suivant → est immédiatement entraîné par le modèle → les résultats de l'entraînement sont ensuite renvoyés au précédent.