🧐 @wardenprotocol Når man ser på AI-prosjekter, er det mange som legger merke til selve modellen: hvor raskt den kjører, om den kan handle automatisk og om den kan ta beslutninger. Warden gjør faktisk en jobb på bunnnivå, ikke bare å bygge modeller, men prøver å sette sammen interaksjoner, atferd og resultater mellom modeller til et komplett "AI-nettverksoperativsystem". Du kan tenke på det som «infrastrukturen» til AI i kjeden, som spesifikt lar AI ikke lenger kjøre en enkelt oppgave isolert, men å «ha minne», «samarbeid» og «utvikle seg». Dette avhenger av modultilgang som @irys_xyz. I stedet for bare å lagre data, lar Irys modellen lagre alle resonneringsprosessene, operasjonspostene og til og med vurderingsgrunnlagene, kalle dem når som helst og skrive logikk for å "bruke" disse minnene. Modellen blir mer og mer lik en person: ikke bare kan gjøre det, men også huske, og kan lære av andre modeller. Det jeg synes er mest interessant er at denne typen lagring ikke bare lagres, men også programmeres. Med andre ord, du trenger kanskje ikke å trene opp en modell på nytt i fremtiden, men justere den direkte på minnelaget, og oppførselen vil endres. Denne metoden er helt forskjellig fra tradisjonelle AI-treningsmetoder og er mye mer effektiv. Til syvende og sist baner kombinasjonen av Warden+Irys et bunnspor der «AI virkelig kan løpe», i stedet for å holde seg i stadiet med showdrift. Jeg synes denne retningen virkelig er verdt å holde øye med. Nøkkelen er at den har en listeaktivitet på @KaitoAI, og prosjektet på @arbitrum er også veldig populært, og du kan også ta hensyn til $ENERGY $SHOUT $Bane $Chao $BOOM $666 på @shoutdotfun