人工智能領域的數據層幾乎無人問津。 當人工智能開始使用自身生成的數據進行訓練時會發生什麼？ 你會獲得更快的輸出。 但你也會得到性能更弱、反饋循環更差、信任問題更嚴重的模型。研究人員已經將這種情況稱為“模型崩潰”，即當模型反覆使用合成數據進行訓練時，其性能會下降。 這正是 Perle 正在努力的方向。 $PRL 現已上線，其理念很簡單：隨著人工智能規模的擴大，乾淨且可驗證的數據變得越來越有價值，尤其是在合成內容充斥系統的情況下。 Perle 正是圍繞這一層進行構建。 為企業和主權應用場景提供人工驗證、鏈上可審計的數據，在這些場景中，錯誤的輸入會造成實際後果。 該團隊來自 Scale AI，已籌集 1750 萬美元，並致力於開發與模型炒作相比仍然被低估的技術棧部分。 他們還將 1 美元與貢獻者獎勵掛鉤，因此獎勵以穩定的鏈上單位發放，而不是分散的單位。 如果人工智能持續擴展，瓶頸可能不在於模型，而在於數據。 很高興能與 @PerleLabs 合作，共同展現人工智能中大多數人仍然忽視的一面。