人工智能领域的数据层几乎无人问津。 当人工智能开始使用自身生成的数据进行训练时会发生什么？ 你会获得更快的输出。 但你也会得到性能更弱、反馈循环更差、信任问题更严重的模型。研究人员已经将这种情况称为“模型崩溃”，即当模型反复使用合成数据进行训练时，其性能会下降。 这正是 Perle 正在努力的方向。 $PRL 现已上线，其理念很简单：随着人工智能规模的扩大，干净且可验证的数据变得越来越有价值，尤其是在合成内容充斥系统的情况下。 Perle 正是围绕这一层进行构建。 为企业和主权应用场景提供人工验证、链上可审计的数据，在这些场景中，错误的输入会造成实际后果。 该团队来自 Scale AI，已筹集 1750 万美元，并致力于开发与模型炒作相比仍然被低估的技术栈部分。 他们还将 1 美元与贡献者奖励挂钩，因此奖励以稳定的链上单位发放，而不是分散的单位。 如果人工智能持续扩展，瓶颈可能不在于模型，而在于数据。 很高兴能与 @PerleLabs 合作，共同展现人工智能中大多数人仍然忽视的一面。