Ventura Labs Ep. 57 - Christopher Subia-Waud Christopher (@wanderinweights) er den viktigste bidragsyteren til Gradients (@gradients_ai) Tidsstempler 01:11 – Innledning 02:05 - Første kontakt med Bittensor 04:51 – Verifiseringsproblem for subnett 19 05:14 – Sannsynlighetskontroller for neste token 07:44 – Verifisering av bilder kontra tekst (diffusjonsnyanser) 08:33 - Hvordan Bittensor omformet synet sitt 12:13 - NeurIPS-legitimasjon vs. innvirkning i den virkelige verden 14:00 - Hvorfor Bittensor beveger seg raskere enn akademia 15:51 – Oversikt over graderinger (delnett 56) 18:14 - Oppgaver som dekkes: Instruere, DPO, GRPO, diffusjon 20:34 – Vinneren tar alt-insentiver og utslippsdesign 22:37 – Hyperparametere og søkeområde 26:04 – Referanseverdier kontra HF/Databricks/GCP/Sammen 31:10 – Størrelser med best ytelse (7B–8B) 33:23 – Iterativ opplæring på store datasett 35:18 – Modellsammenslåing kontra sekvensiell tilnærming 36:09 - Kundenes etterspørsel 38:20 - Gradients 5.0: åpen kildekode-turnering 43:29 – Største overraskelse fra åpen kildekode 47:59 – Tiltrekke og beholde de beste gruvearbeiderne 50:20 - Gruvearbeiderhistorier og bevaring av hobbyånden 52:57 - Rayon Labs-partnerskap (renner + gradienter) 55:53 - Trives under dTAO; Utslippsvekst og hvorfor 58:01 - Bittensor-tilpassede problemer fremover 01:00:36 - Bygger mot «beste AI» 01:04:58 – Risikoer ved innebygde annonser i modellutdata 01:07:30 - Råd til AI-utviklere som er skeptiske til krypto