SN 5于九月底迎来了一次重大更新，我们将在这篇文章中介绍其具体内容，便于市场重新理解、评估SN 5的重要性和潜力。
Subnet 5 Open Kaito
Emission：0.88%（2024–10–10）
Github：https://github.com/OpenKaito/openkaito
什么是SN5？
Bittensor Subnet 5的核心目标是开发世界上性能最好、用途最广泛的文本嵌入模型，并实现去中心化的模型训练、评估和服务，同时以API的形式开放这些模型，为广泛的下游应用提供支持。
SN 5利用Bittensor去中心化节点网络实现模型的动态评估与持续改进。
SN 5的Miners负责使用持续更新的大规模文本语料库训练模型，并且承诺以低延迟和高吞吐量的方式提供模型，响应下游应用的请求。
SN 5的Validators则负责使用一系列基准进行严格的模型评估，不断筛选出更优质的模型。Miners提供的模型将与市面上最优的文本嵌入模型进行比较，以确保SN 5产出的模型始终具备竞争力并持续进化。
如何评估Miners？
SN 5中，Miners会收到一批批文本，使用其提供的模型进行文本嵌入，Validators则通过对比学习损失函数来评估Miners的嵌入质量。
损失函数的公式为：
其中，c是目标嵌入，x是正样本，x’是负样本。这一过程旨在最大化正样本x与目标嵌入c之间的互信息。
嵌入质量更高的Miners将获得更高的评分，其提供的模型也被认为是更优质的。
SN 5的更新取得了怎样的产出？
在这样的激励机制下，SN 5产品的模型已经取得了一定的成果：
在2024年10月9日，Miners提供的文本嵌入模型相比以Openai为基准实现了改善。
随着SN 5产出的模型质量提升，用户将能够访问超越现有最先进模型性能的通用文本嵌入模型。这些模型将通过Bittensor Subnet 5的验证者API公开提供，便于广泛应用和集成到各种应用中。
该如何评价全新的SN 5？
SN5通过去中心化的方式优化和训练文本嵌入模型，能够为Bittensor生态和去中心化AI做出巨大贡献：
- 推进行业用途最广泛模型的进化：SN 5的目标是开发世界上性能最好、用途最广泛的文本嵌入模型。SN 5产出的模型将通过一个无限大且动态的数据集进行评估，来确保最高水平的领域泛化能力。
- 充分利用去中心化网络确保动态评估与持续改进： 利用Bittensor网络进行去中心化的训练和模型改进，这避免了中心化AI模型开发的局限性，提高了系统的透明度和抗审查能力。并且通过Validators的动态评估不断激励Miners优化模型性能，确保SN5的嵌入模型不仅超越现有的最先进模型，适应最新的现实世界知识，始终保持竞争力并拓宽行业性能的界限。
