Dari mekanisme kerja @Mira_Network, kita dapat menganalisis bagaimana cara membedakan apakah AI berbicara kebenaran!
Sekarang, sebagian besar AI yang menggunakan model LLM sering kali berbicara dengan serius tetapi sebenarnya tidak dapat dipercaya. Bukan karena teknologinya tidak memadai, tetapi karena ada batasan dalam prinsipnya yang membuatnya tidak bisa akurat dan netral pada saat yang bersamaan.
Semakin banyak data yang Anda latih, semakin dapat mengurangi bias, tetapi mudah untuk mulai membuat cerita. Semakin bersih data yang dibersihkan, mungkin semakin condong ke posisi tertentu.
Mekanisme inti dari Mira adalah validasi konsensus. Sebenarnya, ini berarti tidak lagi bergantung pada jawaban satu model, tetapi melalui partisipasi beberapa model dalam penilaian. Hanya ketika semua orang setuju, jawaban ini dianggap telah terverifikasi.
Seluruh proses dibagi menjadi tiga langkah berikut!
1⃣Binarisasi Jawaban AI bukanlah satu paragraf utuh untuk dinilai, melainkan dibagi menjadi penilaian kecil satu per satu. Misalnya: Bumi berputar mengelilingi Matahari, Bulan berputar mengelilingi Bumi. Mira akan membagi kalimat ini menjadi: Bumi berputar mengelilingi matahari Bulan mengelilingi Bumi
Setiap kalimat akan diverifikasi secara independen. Ini menghindari masalah di mana keseluruhan terdengar benar, tetapi detailnya semua salah.
2⃣ verifikasi terdistribusi Pernyataan yang dipisahkan ini akan dikirim ke berbagai node verifikasi di jaringan Mira, setiap node adalah sebuah model atau sekelompok model yang tidak akan melihat konteks lengkap, hanya bertanggung jawab untuk menilai kebenaran pernyataan mereka sendiri, memastikan verifikasi yang lebih netral.
3⃣Verifikasi mekanisme konsensus Bukti kerja Mira adalah inferensi AI yang nyata.
Setiap model verifikasi harus melakukan stake (mengunci) token, setelah verifikasi selesai, hasil harus diberikan. Jika performa buruk, akan "slash", mengurangi token yang dipertaruhkan.
Model "perhitungan konsensus" harus disetujui hampir semua model untuk dianggap lulus. Mekanisme ini menggunakan "konsensus multidimensi" antara model untuk mendekati fakta itu sendiri.
Pada akhirnya, @Mira_Network hanya menambahkan lapisan bukti kepercayaan pada output AI, yang lapisan ini dicapai melalui konsensus, bukan melalui verifikasi model tunggal.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Dari mekanisme kerja @Mira_Network, kita dapat menganalisis bagaimana cara membedakan apakah AI berbicara kebenaran!
Sekarang, sebagian besar AI yang menggunakan model LLM sering kali berbicara dengan serius tetapi sebenarnya tidak dapat dipercaya. Bukan karena teknologinya tidak memadai, tetapi karena ada batasan dalam prinsipnya yang membuatnya tidak bisa akurat dan netral pada saat yang bersamaan.
Semakin banyak data yang Anda latih, semakin dapat mengurangi bias, tetapi mudah untuk mulai membuat cerita. Semakin bersih data yang dibersihkan, mungkin semakin condong ke posisi tertentu.
Mekanisme inti dari Mira adalah validasi konsensus. Sebenarnya, ini berarti tidak lagi bergantung pada jawaban satu model, tetapi melalui partisipasi beberapa model dalam penilaian. Hanya ketika semua orang setuju, jawaban ini dianggap telah terverifikasi.
Seluruh proses dibagi menjadi tiga langkah berikut!
1⃣Binarisasi
Jawaban AI bukanlah satu paragraf utuh untuk dinilai, melainkan dibagi menjadi penilaian kecil satu per satu.
Misalnya: Bumi berputar mengelilingi Matahari, Bulan berputar mengelilingi Bumi.
Mira akan membagi kalimat ini menjadi:
Bumi berputar mengelilingi matahari
Bulan mengelilingi Bumi
Setiap kalimat akan diverifikasi secara independen. Ini menghindari masalah di mana keseluruhan terdengar benar, tetapi detailnya semua salah.
2⃣ verifikasi terdistribusi
Pernyataan yang dipisahkan ini akan dikirim ke berbagai node verifikasi di jaringan Mira, setiap node adalah sebuah model atau sekelompok model yang tidak akan melihat konteks lengkap, hanya bertanggung jawab untuk menilai kebenaran pernyataan mereka sendiri, memastikan verifikasi yang lebih netral.
3⃣Verifikasi mekanisme konsensus
Bukti kerja Mira adalah inferensi AI yang nyata.
Setiap model verifikasi harus melakukan stake (mengunci) token, setelah verifikasi selesai, hasil harus diberikan.
Jika performa buruk, akan "slash", mengurangi token yang dipertaruhkan.
Model "perhitungan konsensus" harus disetujui hampir semua model untuk dianggap lulus. Mekanisme ini menggunakan "konsensus multidimensi" antara model untuk mendekati fakta itu sendiri.
Pada akhirnya, @Mira_Network hanya menambahkan lapisan bukti kepercayaan pada output AI, yang lapisan ini dicapai melalui konsensus, bukan melalui verifikasi model tunggal.