$BTC 現报 76847 dólares, en las últimas 24 horas cayó 1.5%. No hay prisa por mirar la tabla de movimientos; hoy el ranking de artículos más populares cambió por uno que vale la pena seguir. Conecten directamente el world model con el protocolo de agentes en cadena.
El primer lugar de hoy es la Unified Visual Architecture de SenseTime, con 83 votos. Introduce comprensión, generación y razonamiento de imágenes dentro de una arquitectura nativa para ejecutarlo; ya no usa dos codificadores visuales y un decodificador de imágenes separados y pegados. Entonces, ¿dónde está el punto de contacto con el mundo cripto? Está en que el paper menciona de forma específica dos direcciones: robótica y predicción de cambios en el entorno; justo esos son los casos de uso a los que apuntan en conjunto el $FET protocolo de agentes y el $TAO subred de aprendizaje automático descentralizado.
Tampoco se pierdan la lista secundaria. Esta noche, Tencent publicó un paper sobre herramientas de llamada mediante agentes (agent tool calling). Explica cómo llevar la puntuación de llamadas de herramientas del agente del 43.8% del modelo base hasta el 64.0%; la clave es reentrenarlo con aprendizaje por refuerzo durante más de 200 rondas. Esto le da una señal clara al protocolo de agentes en cadena: que un agente pueda “hacer trabajo” no depende del tamaño del modelo base, sino de si puede ejecutar la línea de llamadas de herramientas de forma continua durante 300 rondas.
#智能体协议 #AI论文解读 #AI
El primer lugar de hoy es la Unified Visual Architecture de SenseTime, con 83 votos. Introduce comprensión, generación y razonamiento de imágenes dentro de una arquitectura nativa para ejecutarlo; ya no usa dos codificadores visuales y un decodificador de imágenes separados y pegados. Entonces, ¿dónde está el punto de contacto con el mundo cripto? Está en que el paper menciona de forma específica dos direcciones: robótica y predicción de cambios en el entorno; justo esos son los casos de uso a los que apuntan en conjunto el $FET protocolo de agentes y el $TAO subred de aprendizaje automático descentralizado.
Tampoco se pierdan la lista secundaria. Esta noche, Tencent publicó un paper sobre herramientas de llamada mediante agentes (agent tool calling). Explica cómo llevar la puntuación de llamadas de herramientas del agente del 43.8% del modelo base hasta el 64.0%; la clave es reentrenarlo con aprendizaje por refuerzo durante más de 200 rondas. Esto le da una señal clara al protocolo de agentes en cadena: que un agente pueda “hacer trabajo” no depende del tamaño del modelo base, sino de si puede ejecutar la línea de llamadas de herramientas de forma continua durante 300 rondas.
#智能体协议 #AI论文解读 #AI
