$BTC 现报 76847 USD, sur 24 heures, en baisse de 1,5 %. Pour l’instant, pas besoin de regarder le marché de près : dans le classement des articles les plus populaires d’aujourd’hui, la première place a changé pour un article qui vaut vraiment le suivi. Reliez directement le World Model et le protocole d’agents sur la chaîne.
La première place aujourd’hui revient à l’architecture visuelle unifiée de SenseTime : 83 voix. L’idée est d’intégrer la compréhension d’images, la génération et le raisonnement dans une architecture native unique, sans assembler deux encodeurs visuels et deux décodeurs d’images séparés. Où se trouve le point de contact avec la cryptographie ? Dans le papier : il mentionne spécifiquement deux directions, les robots et la prédiction des changements de scène. C’est exactement l’un des cas d’usage visés conjointement par le protocole $FET pour les agents et le sous-réseau de ML décentralisée $TAO .
Ne manquez pas non plus le classement secondaire. Ce soir, Tencent a publié un article sur les appels d’outils via agent : il explique comment faire passer le score d’appel des outils d’agent côté terminal de 43,8 % (du modèle de base) à 64,0 %, et le point clé, c’est un entraînement par apprentissage par renforcement sur plus de 200 tours. Cela envoie un signal clair au protocole d’agents sur la chaîne : est-ce que l’agent peut “faire le travail” ne dépend pas seulement de la taille du modèle de base ; l’enjeu est plutôt de savoir s’il peut exécuter correctement la ligne des 300 tours d’appels d’outils en continu.
#智能体协议 #AI论文解读 #AI
La première place aujourd’hui revient à l’architecture visuelle unifiée de SenseTime : 83 voix. L’idée est d’intégrer la compréhension d’images, la génération et le raisonnement dans une architecture native unique, sans assembler deux encodeurs visuels et deux décodeurs d’images séparés. Où se trouve le point de contact avec la cryptographie ? Dans le papier : il mentionne spécifiquement deux directions, les robots et la prédiction des changements de scène. C’est exactement l’un des cas d’usage visés conjointement par le protocole $FET pour les agents et le sous-réseau de ML décentralisée $TAO .
Ne manquez pas non plus le classement secondaire. Ce soir, Tencent a publié un article sur les appels d’outils via agent : il explique comment faire passer le score d’appel des outils d’agent côté terminal de 43,8 % (du modèle de base) à 64,0 %, et le point clé, c’est un entraînement par apprentissage par renforcement sur plus de 200 tours. Cela envoie un signal clair au protocole d’agents sur la chaîne : est-ce que l’agent peut “faire le travail” ne dépend pas seulement de la taille du modèle de base ; l’enjeu est plutôt de savoir s’il peut exécuter correctement la ligne des 300 tours d’appels d’outils en continu.
#智能体协议 #AI论文解读 #AI
