FLock OFFHarga

(SN96)

FLock OFF, yang secara khusus dikaitkan dengan pengidentifikasi SN96, adalah proyek kecerdasan buatan terdesentralisasi yang dibangun sebagai subnet pada jaringan Bittensor. Dikembangkan oleh tim FLock.io, proyek ini berfokus pada crowdsourcing data pelatihan berkualitas tinggi untuk mengembangkan Small Language Models yang efisien. Model-model ini dirancang untuk berjalan pada perangkat edge seperti smartphone dan perangkat keras Internet of Things di mana sumber daya komputasi dan dayanya terbatas. Nama FLock OFF merupakan singkatan dari FLock Open Federated Framework. Proyek ini berfungsi sebagai marketplace data yang terdesentralisasi dan permissionless di mana para kontributor berkolaborasi untuk membangun dataset yang ringkas namun kaya akan pengetahuan. Pendekatan ini bertujuan untuk memecahkan masalah umum dalam pengembangan AI di mana model besar memerlukan data dan daya komputasi dalam jumlah besar, sehingga sulit digunakan pada perangkat portabel. Jaringan ini beroperasi melalui dua peran utama: miner dan validator. Miner bertindak sebagai kontributor data yang mengkurasi dan mengunggah dataset dengan sinyal tinggi ke repositori seperti Hugging Face. Dataset ini secara khusus disesuaikan untuk supervised fine tuning dan optimasi preferensi. Validator kemudian mengunduh dataset ini dan mengevaluasi kualitasnya dengan melatih adapter khusus menggunakan teknik yang disebut Low Rank Adaptation pada model dasar yang terstandardisasi. Performa dari model yang dihasilkan menentukan reward yang didistribusikan kepada para kontributor. Lingkungan kompetitif ini memastikan bahwa hanya data yang paling berguna dan akurat yang diprioritaskan. Visi yang lebih luas dari proyek ini adalah untuk mendemokratisasi pelatihan AI dengan menjauh dari silo data yang tersentralisasi. Dengan menggunakan federated learning dan koordinasi blockchain, FLock OFF memungkinkan partisipan untuk berkontribusi pada pengembangan AI sambil tetap menjaga privasi dan kepemilikan data. Proyek ini memanfaatkan tumpukan teknis yang mencakup PyTorch dan pustaka HuggingFace Transformers untuk mengelola pipeline pelatihan dan evaluasi. Token terkait berfungsi sebagai lapisan insentif bagi ekosistem tersebut. Token ini digunakan untuk memberi reward kepada partisipan atas kontribusi mereka dalam pelatihan model dan kurasi data. Token tersebut juga memainkan peran dalam tata kelola dan keamanan jaringan, dengan mekanisme seperti staking yang diperlukan untuk partisipasi dan slashing untuk mencegah perilaku jahat atau pengiriman data berkualitas buruk. Dengan menyelaraskan insentif ekonomi dengan produksi aset AI berkualitas tinggi, proyek ini bertujuan untuk menciptakan alternatif open source terhadap model AI proprietary. Pelajari Lebih Lanjut

--

Harga mata uang kripto tunduk pada risiko pasar yang tinggi dan volatilitas harga. Anda hanya boleh berinvestasi pada proyek dan produk yang Anda kenal dan pahami risikonya. Pertimbangkan dengan cermat pengalaman investasi, situasi keuangan, tujuan investasi, dan toleransi risiko Anda, dan konsultasikan dengan penasihat keuangan independen sebelum membuat keputusan investasi apa pun. Materi ini tidak boleh dianggap sebagai nasihat keuangan. Kinerja masa lalu bukanlah indikator yang dapat diandalkan untuk kinerja masa depan. Nilai investasi Anda dapat turun atau naik, dan Anda mungkin tidak dapat memulihkan jumlah yang Anda investasikan. Anda sepenuhnya bertanggung jawab atas keputusan investasi Anda. LBank tidak bertanggung jawab atas kerugian apa pun yang mungkin Anda alami. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Peringatan Risiko kami. Harap juga diperhatikan bahwa data yang terkait dengan mata uang kripto yang disebutkan di atas (seperti harga real-time saat ini) bersumber dari pihak ketiga dan disediakan "sebagaimana adanya" hanya untuk tujuan informasi, tanpa representasi atau jaminan apa pun. Tautan ke situs web pihak ketiga tidak berada di bawah kendali LBank, dan LBank tidak bertanggung jawab atas keandalan atau keakuratan situs web tersebut atau kontennya.