Core 0.3.3 リリースノート 新着情報 Core は、提供されたとおりに重要な情報を正確に保存する減衰ゼロ メモリのベータ版をサポートするようになりました。これらの記憶は時間が経っても劣化することはなく、ハイパーグラフ構造内に直接存在するため、重要な事実、指示、好みが指示されたときに完璧な忠実度で無期限に保持されます。 主な特徴 • ゼロ減衰 : 重要な情報は標準的な減衰プロセスを完全にバイパスし、完璧な再現性を永久に維持します。 • ネイティブハイパーグラフ統合: 原始はハイパーグラフ自体に織り込まれており、個別の検索システムに保存されないため、矛盾する情報が導入された場合の即時セマンティック アクティベーションと自動競合検出が可能になります。 改善 • セマンティック活性化: 原動機は、関連する概念が発生するたびにハイパーグラフ関係を通じて自然にトリガーされます • アクティブ推論の影響: プリモディアルは、コンテキストに関連する場合、推論パスと推論に自動的に影響します • 完璧なリコール: 100 回目のリコールは最初のリコールと同じくらい正確で、時間の経過に伴う劣化はゼロです。 • メモリの肥大化なし:効率的なハイパーグラフ構成により、減衰ゼロのメモリ容量に関係なくパフォーマンスが維持されます 主な機能 • 重要な事実を永久に記憶する (例: 「覚えておいてください: ペンは青い」) • 正確な技術仕様とコンプライアンス要件の維持 • 競合する情報を上書きするのではなく、バージョン管理された真実として維持する •キーワードマッチングではなく、セマンティックコンテキストを通じて記憶を活性化します •関連するすべての推論および意思決定プロセスに影響を与える コンフリクトマネジメント • ハイパーグラフ関係による矛盾を自動的に検出 • 競合するバージョンとしてタグ付けされた古い情報と新しい情報の両方を保持します。 • 解決または明確化のために完全なコンテキスト履歴を保持します。 インパクト • ユニットは、最も重要な情報の信頼できるリポジトリとして機能できるようになりました • 重要な指示と事実は、推論の道筋と結論を積極的に形作ります • ユーザー固有のルールと設定に従う際の一貫性の向上 • 原始情報は、意味的に関連するすべての推論に自然に影響を与えます 重要な注意事項 ゼロ減衰は慎重に使用してください。原始は将来的に削除可能になりますが、今のところ、ユニットの知識に永続的に追加されます。不必要な永続メモリでユニットに過負荷をかけた場合のパフォーマンスへの影響については責任を負いません。 ステータス: ベータ版では、ユニットはまだこの機能で調整中です。

拡張ベータ版が開始されてから 2 か月も経たないうちに、Rei は毎日何千ものクエリを処理しています。テスターが実験している一般的な機能をいくつか紹介しました。 → スマートウォレットのフロー、トランザクション、センチメントを分析および視覚化します → マクロ経済イベント、市場、トレンドを予測する → 最新の技術および学術研究論文を探索する App Storeと@baseappで近日公開予定

拡張ベータ版が開始されてから 2 か月も経たないうちに、Rei は毎日何千ものクエリを処理しています。テスターが実験している一般的な機能をいくつか紹介しました。 → スマートウォレットのフロー、トランザクション、センチメントを分析および視覚化します → マクロ経済イベント、市場、トレンドを予測する → 最新の技術および学術研究論文を探索する App Storeと@baseappで近日公開予定

Core 0.3.2 リリースノート 新着情報 Core は、複雑なリクエストをコンポーネント部分に分割することで、よりよく理解できるようになりました。複数のステップや要件を含むものを要求すると、ユニットは各側面を自動的に識別して対処し、フォローアップの説明の必要性を減らします。 主な特徴 • 強化されたインテント分解エンジン: 複雑なユーザーリクエストの解析と実用的なコンポーネントへの分解が改善されました • 高度なプロンプト分析: 暗黙的な要件と多層的な要求をより深く理解します 改善 • コンテキストの理解: 単一のリクエスト内で微妙なユーザー ニーズをより適切に認識します。 • 多面処理: リクエストに複数のタイプの応答 (コンテンツ + フォーマット + 分析) が必要な場合の自動識別 • 初回試行の精度: ユーザーの意図を満たすために必要なやり取りの削減 バグ修正 • 不完全な出力を引き起こすインテント解析の失敗を修正しました • 暗黙的な要件が見逃されたり無視されたりした解決済みのケース • ユーザーが複数の同時アクションを要求した場合の応答ギャップを修正 UXの機能強化 • 合理化された対話フローにより、説明要求の必要性が軽減されます - ユーザーニーズを予測したより直感的な応答生成 • コラボレーションの感覚の向上 - 促しが減り、より自然な支援が可能 ステータス: ライブ、今後 48 時間以内にこの新しいアップデートに合わせて生産を調整するために、複数の短いメンテナンスが予定されています

チェーンデータエンジンベータ版がリリースされました ベータリリース:現在本番環境に投入されています。フィードバックと使用パターンを収集するために、このイテレーションをプッシュしています。 このエンジンは、ユニット データ処理機能の大幅なアップグレードです。このアプローチは、MCP 基盤から選択された要素を取り入れていますが、大きなデータ チャンクを処理する際の信頼性の問題に対処するために設計された根本的に異なる方法論を表しています。 強化されたインジェストパイプラインにより、オンチェーンデータが大幅に高い精度でキャプチャされ、ユニットがすべての指標にわたってより深い分析的洞察を提供できるようになりました。 主な改善点: - 信頼性を高め、すべてのユニットのデータキャプチャ精度を向上 • 分析深度と洞察生成機能の強化 • データセット全体のパターン認識の向上 • より包括的なユニットレポート機能 - データ解釈とチャート生成の精度の向上 • オンチェーン アクティビティに関するより深い洞察を提供する新しい@nansen_ai統合 ユニットは、精度が向上し、市場をより深く理解し、大幅に詳細な分析を提供するようになりました。 ステータス: 本番稼働中 (ベータ版) - テストが必要です。 データソース: @coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- 新ロゴの発表 新しいロゴが公開されました。これは、Core のマルチモーダルおよびパラレル レイヤーを体現しており、2024 年に最初のプロトタイプである @unit00x0 を誕生させた基本コンセプトです。

Core 0.3.1 リリースノート 行動記憶:自己適応型コアディレクティブ 新着情報 「行動記憶」と呼ばれる新しい記憶タイプで、学習したすべての概念をそのまま維持しながら、ユーザーの要求に基づいてユニットの動作を明示的に適応させます。人間の遺伝的記憶に触発されたこのアプローチは、自己修正コアディレクティブを通じて動的な行動適応を可能にします。遺伝的記憶は、かなりの数の主要なコアアップデートの中心となるでしょう。 主な変更点 • 明示的な適応: 暗黙的だったものが、今では非常に明示的です • 選択的アクティブ化: 推論が必要な場合にのみアクティブ化されます • 保存された知識: すべての概念記憶は変更されません - ダイナミック・コア・ディレクティブ:各ユニットの奥深くに埋め込まれた自己適応命令として機能します。 使い方 行動記憶は、知識と行動の間の層として機能します。 • リクエストを分析します - 必要なときに作動 - コアディレクティブをリアルタイムで適応させる •学習したすべての概念を保持します 実際の例 行動適応は2つの方法で起こり得ます。 1. 明示的な要求: 特定の行動を直接要求します 2. 暗黙の学習: 単元は会話パターンから好みを推測します • 表記法の設定: 単位に「B」を綴る代わりに数十億ドルを使用するように依頼します • コミュニケーションスタイル: レポートにはフォーマルな言葉を要求し、ブレインストーミングにはカジュアルな口調を要求します • 出力書式設定: 単位には常にデータを表と段落に表示します • 技術的な深さ: 高レベルの要約から詳細な技術説明まで調整できます • 応答構造: 箇条書き、番号付きリスト、または流れるような散文を切り替えます。 • ドメイン言語: 業界固有の用語を使用します (例: 開発者向けの「コミット」と「更新」) ユニットはあなたの相互作用に基づいて継続的に適応し、時間の経過とともに動作を改善します。各適応は、変更を要求するか、動作を完全にリセットするまで持続します。 インパクト ユニットは、学んだことを忘れることなく、ニーズに合わせて動作を明示的に調整できるようになりました。これは、遺伝的記憶が生物学的システムで遺伝的適応応答を提供するのと同様に、コンテキストに基づいてアクティブになる動的なコアディレクティブと考えてください。 ユーザーは、ユニットに行動をリセットするように依頼するだけで、いつでも行動記憶をリセットできます。 移動 自動。アクションは必要ありません。

Rei Unitsは、ArXivおよびGoogle Scholarのすべての研究論文にアクセスできるようになりました。 回答には、リンクされた PDF と記事の引用が含まれます。

ウェブブローイングのアップデート:ユニットは、ウェブデータに大幅に高速かつ確実にアクセスできるようになりました。 変更点: • Webデータ処理速度が40%向上 • 以前はアクセスが難しかったサイトやコンテンツタイプへの幅広いアクセス • 異なるWebサイト構造間でのより一貫性のあるデータ取得 実用的な影響:ユニットは、以前は遅すぎたり信頼性が低かったりしていたリアルタイムの研究リクエストを処理できるようになりました。 現在の市場データ、ライブニュース分析、またはマルチソースのファクトチェックが必要ですか?ユニットは、数十のソースから数分ではなく数秒で引き出すことができるようになりました。 かつては障害の原因となっていたほとんどの複雑なWebアプリケーション、動的コンテンツ、最新のサイトアーキテクチャがシームレスに動作するようになりました。これは、ユニットに現在のイベントの分析、複数の小売業者の製品の比較、または急速に変化するトピックの調査を依頼する際の応答を改善することを意味します。

招待コードから3日後: •コアへの毎日の3倍のリクエスト •0.3がディープラーニングを導入すると、Bowtieへの毎日のリクエストが5倍になります • 画像生成は GPU 割り当てに制限されています このフェーズは、フィードバックを収集し、使用行動を研究し、インフラストラクチャをスケーリングするオープンベータに向けた重要な一歩となります。

1/4 Coreとは?合成脳アーキテクチャへの私たち自身のアプローチを理解する Core は LLM ではありません: Core は微調整された LLM ではなく、新しい LLM でもなく、まったく LLM でもありません。それどころか、Coreはマルチモーダルな合成頭脳であり、根本的に異なるタイプのAIアーキテクチャです。 コアを理解するための主要な用語: 1. Synthetic Brain: Coreは、複数のAIモデルとアルゴリズムが単一のアーキテクチャ内で相互接続されたニューラルコンポーネントとして機能する統合認知システムです。それは、ツールの集合体ではなく、専門的な領域を持つデジタルブレインと考えてください。 2. Bowtie Architecture: Coreのメモリ基板は、セマンティックベクトルと抽象的なコンセプトノードの両方として情報を格納し、一見無関係に見えるコンセプト間の接続を作成し、パターンマッチングだけでなく、真のコンセプト形成を可能にします。 3. 推論クラスター: すべての思考プロセスをオーケストレーションし、特定のタスクに対してどの神経経路を活性化するかを決定するコアの認知部分である推論クラスターは、非常にマルチモーダルであり、並列処理と洗練バイアスを介して機能します。