SN 5는 9월 말에 중요한 업데이트를 맞이했습니다. 이 기사에서는 SN 5의 구체적인 내용을 소개하여 시장이 SN 5의 중요성과 잠재력을 다시 이해하고 평가할 수 있도록 하겠습니다.
Subnet 5 Open Kaito
Emission：0.88%（2024–10–10）
Github：https://github.com/OpenKaito/openkaito
SN5란 무엇인가?
Bittensor Subnet 5의 핵심 목표는 세계 최고 성능의 텍스트 임베딩 모델을 개발하고, 탈중앙화된 모델 학습, 평가 및 서비스를 실현하는 것입니다. 또한 API 형태로 이러한 모델을 공개하여 다양한 하류 애플리케이션을 지원할 계획입니다.
SN 5는 Bittensor 탈중앙화 노드 네트워크를 활용하여 모델의 동적 평가와 지속적인 개선을 실현합니다.
SN 5의 채굴자는 지속적으로 업데이트되는 대규모 텍스트 데이터셋을 사용하여 모델을 학습하고, 하류 애플리케이션의 요청에 대해 저지연, 고처리량으로 모델을 제공할 것을 약속합니다.
SN 5의 검증자는 일련의 벤치마크를 통해 엄격한 모델 평가를 수행하고, 더 우수한 모델을 지속적으로 선별합니다. 채굴자가 제공한 모델은 시장 최고 수준의 텍스트 임베딩 모델과 비교되어, SN 5가 생산하는 모델이 항상 경쟁력을 갖추고 지속적으로 발전할 수 있도록 합니다.
채굴자는 어떻게 평가되나?
SN 5에서 채굴자는 일련의 텍스트를 받아 자신의 모델로 임베딩을 수행하며, 검증자는 학습 손실 함수를 통해 채굴자의 임베딩 품질을 평가합니다.
손실 함수 공식은 다음과 같습니다:
여기서 c는 목표 임베딩, x는 긍정 샘플, x'는 부정 샘플입니다. 이 과정은 긍정 샘플 x와 목표 임베딩 c 간의 상호 정보를 최대화하는 것을 목표로 합니다.
임베딩 품질이 더 높은 채굴자는 더 높은 점수를 받게 되며, 그들이 제공한 모델도 더 우수한 것으로 간주됩니다.
SN 5의 업데이트 성과는 어떠한가?
이러한 인센티브 체계 하에서 SN 5 제품의 모델은 일정한 성과를 거두었습니다:
2024년 10월 9일, 채굴자가 제공한 텍스트 임베딩 모델은 Openai 기준 모델에 비해 개선되었습니다.
SN 5가 생산하는 모델 품질이 향상됨에 따라, 사용자들은 기존 최첨단 모델을 능가하는 범용 텍스트 임베딩 모델에 접근할 수 있게 될 것입니다. 이러한 모델은 Bittensor Subnet 5의 검증자 API를 통해 공개되어, 다양한 애플리케이션에 통합되고 활용될 수 있습니다.
새로운 SN 5를 어떻게 평가할 수 있나?
SN5는 탈중앙화 방식으로 텍스트 임베딩 모델을 최적화하고 학습함으로써 Bittensor 생태계와 탈중앙화 AI에 큰 기여를 할 수 있습니다:
- 가장 광범위한 산업 용도의 모델 진화 추진: SN 5의 목표는 세계 최고 성능의 텍스트 임베딩 모델을 개발하는 것입니다. SN 5가 생산하는 모델은 무한대이자 동적인 데이터셋을 통해 평가되어, 최고 수준의 도메인 일반화 능력을 확보할 수 있습니다.
- 탈중앙화 네트워크를 활용하여 동적 평가와 지속적 개선 실현: Bittensor 네트워크를 통한 탈중앙화 학습 및 모델 개선은 중앙화된 AI 모델 개발의 한계를 극복하고, 시스템의 투명성과 검열 저항성을 높입니다. 또한 검증자의 동적 평가를 통해 채굴자의 모델 성능 최적화를 지속적으로 유도하여, SN5의 임베딩 모델이 기존 최첨단 모델을 능가하고 최신 현실 세계 지식에 적응하며 경쟁력을 유지하고 산업 성능 한계를 확장할 수 있도록 합니다.
