#OPG @OpenGradient
Này... mình bắt đầu theo dõi một cái gì đó mà mình chưa bao giờ đo lường trước đây.
9-13 phút. đó là thời gian trung bình mình dành để tái thiết lập bối cảnh mỗi khi mở công cụ AI. đã theo dõi trong mười bốn ngày. bốn phiên mỗi ngày. đó là khoảng một giờ mỗi ngày chỉ để giải thích mình là ai, dự án mình đang làm, những gì mình đã thử, tại sao giải pháp rõ ràng lại không hiệu quả.
Mình nghĩ bộ nhớ là một tính năng tiện lợi. cái gì đó tốt để có.
9-13 phút đã thay đổi mọi thứ.
Bộ nhớ không phải là một công tắc sản phẩm. đó là chi phí bạn phải trả mỗi phiên khi nó không tồn tại. mình gọi đó là thuế reset. vô hình. lặp lại. tăng lên càng nhiều khi bạn dựa vào AI cho công việc thực sự.
Memsync của opengradient giải quyết vấn đề này như một cơ sở hạ tầng, bộ nhớ tồn tại lâu hơn bất kỳ phiên hoặc ứng dụng nào. mình gặp hai lỗi mới khi thử nghiệm: một lỗi mà việc truy xuất bộ nhớ trở nên không nhất quán qua các phiên được khắc phục bằng cách lập chỉ mục lại kho vector, một lỗi khác là bối cảnh qua các phiên bị lỗi tạm thời. nhưng cả hai đều được giải quyết mà không làm mất đi cơ sở tri thức nền tảng.
Điều gì nổi bật? bộ nhớ vẫn được giữ nguyên ngay cả khi phiên bị reset. đó là sự khác biệt giữa một tính năng và cơ sở hạ tầng.
Với walrus lưu trữ bối cảnh qua các blob có địa chỉ nội dung và tee xác minh suy luận đảm bảo quyền riêng tư, memsync cảm thấy khác với các sản phẩm bộ nhớ thông thường.
Một bảng tính bây giờ chứng minh chi phí của sự thay thế. nhưng mình vẫn đang theo dõi xem việc thực hiện có phù hợp với tham vọng hay không.
Vậy các bạn, liệu bộ nhớ bền vững cuối cùng có khiến AI cảm thấy như thật sự biết bạn không? hay thuế reset chỉ chuyển sang nơi khác?
$OPG
Này... mình bắt đầu theo dõi một cái gì đó mà mình chưa bao giờ đo lường trước đây.
9-13 phút. đó là thời gian trung bình mình dành để tái thiết lập bối cảnh mỗi khi mở công cụ AI. đã theo dõi trong mười bốn ngày. bốn phiên mỗi ngày. đó là khoảng một giờ mỗi ngày chỉ để giải thích mình là ai, dự án mình đang làm, những gì mình đã thử, tại sao giải pháp rõ ràng lại không hiệu quả.
Mình nghĩ bộ nhớ là một tính năng tiện lợi. cái gì đó tốt để có.
9-13 phút đã thay đổi mọi thứ.
Bộ nhớ không phải là một công tắc sản phẩm. đó là chi phí bạn phải trả mỗi phiên khi nó không tồn tại. mình gọi đó là thuế reset. vô hình. lặp lại. tăng lên càng nhiều khi bạn dựa vào AI cho công việc thực sự.
Memsync của opengradient giải quyết vấn đề này như một cơ sở hạ tầng, bộ nhớ tồn tại lâu hơn bất kỳ phiên hoặc ứng dụng nào. mình gặp hai lỗi mới khi thử nghiệm: một lỗi mà việc truy xuất bộ nhớ trở nên không nhất quán qua các phiên được khắc phục bằng cách lập chỉ mục lại kho vector, một lỗi khác là bối cảnh qua các phiên bị lỗi tạm thời. nhưng cả hai đều được giải quyết mà không làm mất đi cơ sở tri thức nền tảng.
Điều gì nổi bật? bộ nhớ vẫn được giữ nguyên ngay cả khi phiên bị reset. đó là sự khác biệt giữa một tính năng và cơ sở hạ tầng.
Với walrus lưu trữ bối cảnh qua các blob có địa chỉ nội dung và tee xác minh suy luận đảm bảo quyền riêng tư, memsync cảm thấy khác với các sản phẩm bộ nhớ thông thường.
Một bảng tính bây giờ chứng minh chi phí của sự thay thế. nhưng mình vẫn đang theo dõi xem việc thực hiện có phù hợp với tham vọng hay không.
Vậy các bạn, liệu bộ nhớ bền vững cuối cùng có khiến AI cảm thấy như thật sự biết bạn không? hay thuế reset chỉ chuyển sang nơi khác?
$OPG