Baovy06

Странно, люди замечают только то, что вы меняете к ним отношение. Но они не смотрят на свои собственные действия, которые заставили вас изменить отношение. @wallchain @quipnetwork

После объявления Tokenomics с распределением 60% для экосистемы, @arc официально запустил Community Portal, и сообщество начало активно "фармить очки" Хотя команда подчеркнула, что Points пока не имеют прямой денежной стоимости и не приветствуют спам, уже много участников внесли свой вклад, а те, кто еще не начал, могут присоединиться сейчас Доступ: Как участвовать: • Регистрация по электронной почте • Заполните профиль, чтобы сразу получить 100 стартовых очков Задания для увеличения очков и повышения уровня Tier: • Вход каждый день: +1 очко • Чтение статей / просмотр видео: +2 до +4 очков • Публикация оригинального контента: +100 очков • Раздел "Original Post" сейчас самый быстрый способ набрать очки, если вы готовы вкладываться в качественный контент. Старайтесь набрать минимум 500 очков, чтобы попасть в Tier 1 • не спамьте контент слишком часто, так как Arc может отследить аккаунты с низкокачественной активностью • отдавайте предпочтение постам с уникальной точкой зрения, делитесь опытом или анализом, чтобы сохранить безопасность аккаунта Тем, кто охотится за возможностями в экосистеме Arc, стоит присоединиться как можно раньше, чтобы одновременно набирать очки и знакомиться с экосистемой. ЖЕЛАЮ ВСЕМ УСПЕХА

Гигантская пыльная буря несется с неудержимой силой! 🌪️ Melody Storm — ничто не может встать у нее на пути. #RWA #MusicFi @elonmusk @AbstractChain

AXIS ROBOTICS — проект по созданию «мозга» для роботов на основе симуляционных данных @axisrobotics разрабатывает инфраструктуру для физического AI по довольно интересному направлению: вместо использования реальных роботов и дорогих лабораторий пользователи могут участвовать в обучении роботов через веб-браузер, используя симуляционную среду. Основные особенности проекта: • приоритет на создание данных в симуляционной среде перед применением на реальных роботах • пользователи могут напрямую управлять роботизированной рукой в браузере для создания обучающих данных • система использует AI в сочетании с механизмом рандомизации для генерации различных ситуаций, что делает данные более разнообразными • каждый внесённый фрагмент данных получает уникальный код и сохраняется на блокчейне Base • ориентирован на модель сообщества, совместно создающего данные, а не на централизованную организацию По информации проекта, в тестовом периоде около 18 000 человек приняли участие и создали почти 100 000 обучающих данных всего за 5 дней Что я считаю примечательным — Axis Robotics не фокусируется на чатботах или AI для общения, как многие другие проекты, а направлен прямо на данные для реальных роботов, что считается одной из самых сложных задач в современной AI-индустрии. Область роботов в сочетании с блокчейном всё ещё довольно новая, но Axis Robotics идёт по многообещающему пути, объединяя: симуляцию + краудсорсинг данных + AI + верификацию на блокчейне AI #Axisrobotics @LihThooi @mintt_34

RT @baovy06: LLMTUNE – платформа для поддержки обучения и эксплуатации AI, которая постепенно привлекает внимание сообщества. @LLMTUNE_IO строит экосистему, которая...

Есть одна парадоксальная вещь: когда дома — бодрствую, а когда на работе — хочется спать. А ЕЩЁ На работе говорят о выпивке, а за выпивкой — о работе 🤭🤭. @wallchain @quipnetwork

ИИ нуждается в криптовалюте – и криптовалюта нуждается в ИИ. LLMTune — это мост. Наши первые шаги: ✅ Принимать криптовалютные платежи – реальная польза, а не хайп ✅ Каждая транзакция укрепляет ликвидность криптовалюты и объем рынка ✅ Без банков, без посредников – вы держите ключи, вы строите ✅ Соединение вывода/тонкой настройки ИИ с свободой Web3 И многое другое впереди – чтобы еще больше расширить и объединить ИИ + крипто. Мост открыт. #ai #crypto #AIart️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️ #CommunityVibes

вечером после работы быстро приготовил ужин. приглашаю всех поесть простой домашней еды вместе с Zy. выглядит просто, но не переборщите с рисом. @wallchain @quipnetwork

Заметили, что описания объектов и эталонные изображения иногда не совсем совпадают с фактическими объектами, появляющимися в задании? Это связано с тем, что мы внедрили рандомизацию внутри задания для увеличения разнообразия данных и улучшения обобщающей способности модели. Фактические объекты могут отличаться, но цель задания всегда остается той же. Пожалуйста, сосредоточьтесь на цели задания, а не на конкретных объектах. Богатые сценарии, разнообразные комбинации базовых навыков и обширная рандомизация внутри задания создают разнообразие наших данных.