Ventura Labs 第57集 - Christopher Subia-Waud Christopher (@wanderinweights) 是 Gradients (@gradients_ai) 的主要貢獻者 時間戳記 01:11 - 介紹 02:05 - 與 Bittensor 的首次接觸 04:51 - 子網19的驗證問題 05:14 - 下一個標記的概率檢查 07:44 - 驗證圖像與文本（擴散細微差別） 08:33 - Bittensor 如何重塑他的觀點 12:13 - NeurIPS 資歷與現實世界影響 14:00 - 為什麼 Bittensor 的進展比學術界更快 15:51 - Gradients（子網56）概述 18:14 - 涉及的任務：指令、DPO、GRPO、擴散 20:34 - 贏者通吃的激勵與排放設計 22:37 - 超參數和搜索空間 26:04 - 基準測試與 HF/Databricks/GCP/Together 31:10 - 表現最佳的大小（7B–8B） 33:23 - 在大型數據集上的迭代訓練 35:18 - 模型合併與順序方法 36:09 - 客戶需求 38:20 - Gradients 5.0：開源比賽 43:29 - 開源最大的驚喜 47:59 - 吸引和留住頂尖礦工 50:20 - 礦工故事與保留愛好者精神 52:57 - Rayon Labs 合作夥伴關係（Chutes + Gradients） 55:53 - 在 dTAO 下蓬勃發展；排放增長及原因 58:01 - 面臨的 Bittensor 適合的問題 01:00:36 - 建設“最佳 AI” 01:04:58 - 嵌入式廣告在模型輸出中的風險 01:07:30 - 對懷疑加密的 AI 開發者的建議