只需 1% 的合成资料就能击穿一个 AI 模型。 问题在于：大多数团队并不知道他们的训练资料有多少是由其他 AI 产生的。 模型竞赛吸引了所有人的目光，但背后的数据却悄悄腐烂。 AI 模型越来越多地使用其他 AI 模型的输出进行训练。起初，这种方法似乎有效，但随后细节开始消失，判断力也随之下降。 这就是合成资料循环，它已经污染了那些甚至没有意识到其存在的管道。 @PerleLabs 正在围绕相反的问题进行构建。 他们没有追求模型基准，而是专注于资料层：为企业和主权应用场景建立的、经过人工验证且可链上审计的资料基础设施，在这些场景中，资料来源至关重要。 同样的「信任来源」理念也反映在他们的代币分发上。 他们没有让机器人刷空投，而是透过 @VeryAI 添加了基于掌纹的生物辨识验证，将每个申领与真人绑定。 真正的AI瓶颈不在于谁来建立下一代模型，而在于输入这些模型的资料是否可信。 很高兴能与@PerleLabs合作。 twitter.com/thedefiedge/status...