Ventura Labs Ep. 57 - Christopher Subia-Waud Christopher (@wanderinweights) jest głównym współpracownikiem Gradients (@gradients_ai) Czas trwania 01:11 - Wprowadzenie 02:05 - Pierwszy kontakt z Bittensor 04:51 - Problem weryfikacji Subnetu 19 05:14 - Sprawdzanie prawdopodobieństwa następnego tokena 07:44 - Weryfikacja obrazów vs. tekst (niuanse dyfuzji) 08:33 - Jak Bittensor zmienił jego spojrzenie 12:13 - Referencje NeurIPS vs. wpływ w rzeczywistości 14:00 - Dlaczego Bittensor działa szybciej niż akademia 15:51 - Przegląd Gradients (Subnet 56) 18:14 - Omówione zadania: Instruct, DPO, GRPO, Dyfuzja 20:34 - Zachęty typu winner-take-all i projektowanie emisji 22:37 - Hiperparametry i przestrzeń poszukiwań 26:04 - Benchmarki vs. HF/Databricks/GCP/Together 31:10 - Najlepiej działające rozmiary (7B–8B) 33:23 - Iteracyjne szkolenie na dużych zbiorach danych 35:18 - Łączenie modeli vs. podejście sekwencyjne 36:09 - Popyt klientów 38:20 - Gradients 5.0: turniej open-source 43:29 - Największa niespodzianka związana z open-sourcingiem 47:59 - Przyciąganie i zatrzymywanie najlepszych górników 50:20 - Historie górników i zachowanie ducha hobbysty 52:57 - Partnerstwo Rayon Labs (Chutes + Gradients) 55:53 - Rozwój pod dTAO; wzrost emisji i dlaczego 58:01 - Problemy odpowiednie dla Bittensor w przyszłości 01:00:36 - Budowanie w kierunku „najlepszego AI” 01:04:58 - Ryzyko osadzonych reklam w wynikach modeli 01:07:30 - Rady dla deweloperów AI sceptycznych wobec kryptowalut