AI-träningsbågen: från centraliserade laboratorier till globala kollektiv. Det är här på

.@0x7SUN gick med i 매일경제TV (Maeil Business TV), Sydkoreas främsta finans- och investerings-TV-kanal, för att prata om framtiden för decentraliserad AI och hur FLock driver branschen framåt. "FLock bygger en privat AI-lösning, tänk Uber för AI-utbildning, där vem som helst kan gå med utan att kompromissa med sin dataintegritet. Genom att kombinera federerad inlärning med blockchain gör vi det möjligt."

Alla tittar på LLM:er som dominerar rampljuset. Men zooma in lite närmare, och något annat är på gång. Små språkmodeller (SLM) är lättare, snabbare och mer tillgängliga. För agentisk AI och decentraliserade system kan de passa bättre. Här är varför 🧵

Om du är så smart, varför har du inte provat att träna dina egna AI-modeller? FLock har din rygg.

Last weekend, we wrapped the first phase of the Qwen SKYST Hackathon. 40+ students. 2 tracks. 14 prizes. But more importantly, new ideas, fresh energy, and real talent. Huge thanks to everyone who joined us, our advisors, and valued partners @Alibaba_Qwen by @alibaba_cloud and @base for powering the experience. We were also honored to have Prof. Seungryong Kim from the Department of Computer Science and Engineering at Korea University join us on stage as a speaker. Special shoutout to the dev clubs at SKY universities and KAIST for showing up strong. Congrats to all the winners! Phase 2 is on the way. Stay sharp.

Decentraliserad träning är inte något som är trevligt att ha. Det är det enda sättet att bygga pålitlig AI. Sekretess, ägarskap och prestanda är inte kompromisser. Flög in.

Ringer utbildare! Ny träningsuppgift på AI Arena är här! Ditt mål: Train Character Weaver – en generaliserad rollspelsmodell som kan förkroppsliga vilken persona som helst som användaren definierar. Tänk mindre chatbot, mer trovärdig följeslagare. Låt oss gå in i det! 👇

Avslutningsceremoni för QWEN SKYST Hackathon

De flesta AI-modeller är byggda i silos och tränade av stora teknikföretag. Våra utbildas av ett öppet nätverk. På lokala enheter, med verkliga data, över hela världen, inga centraliserade datahubbar, inga dataläckor. Federerad inlärning som inte ber om tillåtelse.

AI-agenter blir snabbare, smartare och mer autonoma. Men de arbetar fortfarande i silos. FLock har just släppt ett nytt dokument som beskriver visionen för AgentaNet. En decentraliserad svärmarkitektur som gör det möjligt för agenter att samarbeta autonomt och säkert.