Ich lösche fast nie alte KI-Gespräche über den Markt
Nicht weil ich erwarte, dass die Vorhersagen lange gut bleiben
Ich gehe immer wieder zu ihnen zurück, um zu verstehen, warum ich einer Antwort mehr vertraut habe als einer anderen
Irgendwann habe ich aufgehört, Vorhersagen miteinander zu vergleichen
Ich habe angefangen, Workflows zu vergleichen
Je öfter ich diese Gespräche wieder aufgegriffen habe, desto mehr wurde mir klar, dass ich selten hinterfragt habe, was passiert ist, bevor die Antwort erschienen ist
Daten wurden abgerufen
Inferenz wurde erzeugt
Ein Signal tauchte auf
Alles dazwischen blieb unsichtbar
Das schien nicht wichtig zu sein, bis ich anfing, über Anreize statt über Genauigkeit nachzudenken
Wenn jemand einen Forschungs-Workflow vor der Ausführung beobachten kann, muss er die Ausgabe nicht manipulieren, um daraus einen Vorteil zu ziehen
Wenn man den Prozess früh sieht, kann das bereits ausreichen, um den Vorteil einer anderen Person zu reduzieren
Die Vorhersage kann vollkommen korrekt bleiben
Die Gelegenheit nicht
Diese Möglichkeit fällt mir viel schwerer, zu ignorieren, als ein weiterer Prozentpunkt an Modellgenauigkeit
Ich experimentiere mit AlphaSense auf @OpenGradient , weil es diese Ebene anders angeht
Workflows wie Volatility AlphaSense und Markowitz AlphaSense führen sich innerhalb von TEE-Enclaves aus – von der Datenabfrage bis zur Inferenz – statt zwischengeschaltete Schritte gegenüber Betreibern der Infrastruktur offenzulegen
Am Anfang dachte ich, Verifizierung ginge vor allem darum, zu beweisen, dass eine KI-Antwort nicht verändert worden war
Jetzt fühlt es sich eher so an, als gehe es darum, einzuschränken, wer den Forschungsprozess beobachten darf, bevor Kapital in Bewegung kommt
Ich habe weiter Credits gekauft und diese Workflows auf chat.opengradient.ai fast jeden Tag laufen lassen
Die Belohnungen von Season 2 geben mir vor allem einen Grund, konsequent zu bleiben
Diese Konsequenz hat still verändert, worauf ich optimiere
Vielleicht ist es wichtiger, einen Forschungs-Workflow zu schützen, lange bevor man überhaupt den Handel schützt, der am Ende daraus hervorgeht
#opg $OPG $VELVET $MANTA
Nicht weil ich erwarte, dass die Vorhersagen lange gut bleiben
Ich gehe immer wieder zu ihnen zurück, um zu verstehen, warum ich einer Antwort mehr vertraut habe als einer anderen
Irgendwann habe ich aufgehört, Vorhersagen miteinander zu vergleichen
Ich habe angefangen, Workflows zu vergleichen
Je öfter ich diese Gespräche wieder aufgegriffen habe, desto mehr wurde mir klar, dass ich selten hinterfragt habe, was passiert ist, bevor die Antwort erschienen ist
Daten wurden abgerufen
Inferenz wurde erzeugt
Ein Signal tauchte auf
Alles dazwischen blieb unsichtbar
Das schien nicht wichtig zu sein, bis ich anfing, über Anreize statt über Genauigkeit nachzudenken
Wenn jemand einen Forschungs-Workflow vor der Ausführung beobachten kann, muss er die Ausgabe nicht manipulieren, um daraus einen Vorteil zu ziehen
Wenn man den Prozess früh sieht, kann das bereits ausreichen, um den Vorteil einer anderen Person zu reduzieren
Die Vorhersage kann vollkommen korrekt bleiben
Die Gelegenheit nicht
Diese Möglichkeit fällt mir viel schwerer, zu ignorieren, als ein weiterer Prozentpunkt an Modellgenauigkeit
Ich experimentiere mit AlphaSense auf @OpenGradient , weil es diese Ebene anders angeht
Workflows wie Volatility AlphaSense und Markowitz AlphaSense führen sich innerhalb von TEE-Enclaves aus – von der Datenabfrage bis zur Inferenz – statt zwischengeschaltete Schritte gegenüber Betreibern der Infrastruktur offenzulegen
Am Anfang dachte ich, Verifizierung ginge vor allem darum, zu beweisen, dass eine KI-Antwort nicht verändert worden war
Jetzt fühlt es sich eher so an, als gehe es darum, einzuschränken, wer den Forschungsprozess beobachten darf, bevor Kapital in Bewegung kommt
Ich habe weiter Credits gekauft und diese Workflows auf chat.opengradient.ai fast jeden Tag laufen lassen
Die Belohnungen von Season 2 geben mir vor allem einen Grund, konsequent zu bleiben
Diese Konsequenz hat still verändert, worauf ich optimiere
Vielleicht ist es wichtiger, einen Forschungs-Workflow zu schützen, lange bevor man überhaupt den Handel schützt, der am Ende daraus hervorgeht
#opg $OPG $VELVET $MANTA