usage

Je regardais aujourd’hui ma petite position d’essai $OPG et je me suis surpris à me demander ce que je mesure réellement.

Au début, je pensais que l’exécution vérifiée était le problème le plus difficile. Si un modèle fonctionne correctement, c’est précieux — mais est-ce que cela prouve que le modèle a réellement appris suffisamment pour être fiable ?

C’est là que @OpenGradient a commencé à m’intéresser. Le fait de rapporter 2 000+ modèles d’IA hébergés et des millions d’inférences montre une activité, mais l’usage seul ne prouve pas automatiquement la qualité de l’apprentissage. Beaucoup de points de données peuvent encore masquer des preuves faibles si la mesure n’est pas assez solide.

La partie que je surveille maintenant, c’est l’écart entre la demande de calcul et la preuve. OPG a environ 190M en circulation sur une offre maximale de 1B, donc les changements futurs de l’offre sont aussi quelque chose que je garde à l’esprit.

Mon avis pour le moment : l’exécution est visible, mais la vraie valeur vient du moment où les preuves qui sous-tendent l’intelligence deviennent elles aussi visibles.

$TNSR $G

#OPG #OpenGradient #Usage #Visibility #Trust