usage

Dzisiaj przyglądałem się mojej małej pozycji $OPG test i złapałem się na tym, że zastanawiam się, co tak naprawdę mierzę.

Na początku myślałem, że zweryfikowane wykonanie jest najtrudniejszym problemem. Jeśli model działa poprawnie, to jest wartościowe — ale czy to dowodzi, że model nauczył się na tyle, by był wiarygodny?

Właśnie wtedy zainteresowało mnie @OpenGradient . Raportowanie 2 000+ hostowanych modeli AI i milionów inferencji pokazuje aktywność, ale sama użyteczność nie musi automatycznie dowodzić jakości uczenia. Wiele punktów danych może nadal ukrywać słabe dowody, jeśli miara nie jest wystarczająco mocna.

Tą częścią, którą teraz obserwuję, jest różnica między zapotrzebowaniem na moc obliczeniową a dowodem. OPG ma w obiegu około 190 mln przy maksymalnej podaży 1 mld, więc przyszłe zmiany podaży też mam na uwadze.

Moje zdanie na ten moment: wykonanie jest widoczne, ale prawdziwa wartość pojawia się wtedy, gdy widoczne staje się też to, na jakich dowodach opiera się inteligencja.

$TNSR $G

#OPG #OpenGradient #Usage #Visibility #Trust