人工智能训练是一个有趣的领域，尤其是对于分布式训练网络，它们正在训练的模型比它们所使用的GPU要小。大多数网络正在进行1.5B、3B和8B模型训练，以便能够适配消费者级GPU。

持有者地图刚刚升级 ⏫
现在你可以：
🧠 查看顶级持有者
🔗 跟踪钱包集群
📊 可视化任何 Solana 代币的分布

链上验证AI输出，思路很棒

在雪崩币上引入L1是真正的基础设施解锁，不仅仅是为了游戏，而是为了各类自主应用。给我看看还有哪个协议是这样架构的，我等着。叙事刚刚赶上。

您可以做的对推荐系统（如Pinterest或YouTube）产生最大影响的事情是优化用户界面以及信号如何传递到训练神经网络。
毫无疑问，在 Pinterest 和 YouTube 上存在错误
任何其他的胡闹都将导致负面回报

链上执行真的完全无信任吗，还是仍然存在对基础设施的假设？

Aleph 在修改你视频的特定部分时做得相当不错，同时保留了镜头、运动和身份。

4/ 随着以太坊展望未来10年以上的时间，像可扩展性这样的挑战提醒我们：未知可以成为创新的推动力。

Cysic的硬件方法正是ZK扩展所需的。

令人印象深刻的代理框架。完美契合PolySynergy。很高兴能与之一起构建。

我正在使用Grok为我观看YouTube视频并提供摘要。这样我可以判断它是否值得观看。Grok是否能做到这一点是50/50，或者假装没有这个能力。你只需在新的提示窗口中重新提问。

Intern-S1，一个新的多模态模型
- 235B MoE + 6B 视觉编码器
- 5T 多模态代币 & 2.5T 科学代币
- 强大的零样本能力

Mistral AI 发布了 Voxtral 技术报告，重点关注预训练、后训练和评估。

谷歌发布了我读过的第一篇关于使用LM进行多任务的论文，它是在2021年的bbox和分割。令人难以置信

这个功能可以查看每个DCA的链上信息，是每个投资者都应该使用的。

喜欢这些简单但极其有效和实用的 Aleph 用例：即时修复。模型有很多……

一个统治所有的证明系统。
这是无限的。