AGI

• AGI模型数据由4部分数据组成（模型代码、模型参数、训练数据=验证数据），每个部分独立迭代升级。除了模型代码外另外几个都有巨大的数据量，所以要做分片（sharding）储存。
• 每部数据（模型参数、训练数据、验证数据）经过纠错码处理后拆分成k份，分布冗余储存在n个中继器里。从概率来说，用户只要从所有n个中继器里随机找出m个，就能完全还原完整的数据。(n>m>k)
  • 如果是用户的私人AGI模型，先对它进行加密后再经过纠错码处理后拆分成k份，分布冗余储存在n个中继器里。
• 数据主要分为两类：全人类共有的Foundation model和私人Domain specific model （DSM）。
  • Foundation model （巨大）分片储存在全网所有中继器里
  • DSM（较小）分片或不分片储存在一部分中继器里
• 私人的domain specific model之所以较小因为它指定某一版/当前版（version）的Foundation model作为master，然后私人model自己作为其小分岔（fork），储存数据时只储存私人model与Foundation model的$\Delta = dsm-fm$，所以得到一个可压缩（low-rank）矩阵。 [1]

Nostr

• Nostr 有两个组件：客户端和中继器。每个用户运行一个客户端，任何人都可以运行中继器。
• 每个用户都由公钥标识，每数据都有签名，每个客户端都会验证这些签名。
• 在启动时，客户端从它知道的所有m个中继器。
• 客户端从他们选择并信任的m个中继器中查询获取（fetch）它所关注的数据（Foundation model and/or domain specific model）
• 并将根据Foundation model数据fine-tune后的私人DSM的数据发布到他们选择并的其他中继器。
• 中继器不与另一个中继器通信，仅直接与用户通信。

Nostr as AGI GIT

AGI模型的去中心化储存

参赛模型不上链，历届冠军模型“上链”。

激励机制

• 训练数据由DAO共献提供，除 一个全去中心化的不贬值资产的众包估值协议 P.I.V.O.T. 外无其他激励。

• 任何能推动Foundation model进化（压缩率）的人，都将获得PoWoC挖矿奖励token，这些token再作为PoS挖矿并成为主要的出块来源。

  PoWoC的量化方式

• DAO会空投很多SBT治理代币给德高望重的各行各业学者。

可视化展示