Core 0.3.3 版本說明 新功能 Core 現在支持零衰減記憶的測試版，這些記憶能夠精確保留提供的關鍵信息。這些記憶不會隨時間衰減，並直接存在於超圖結構中，確保重要事實、指令和偏好在指示下無限期保持完美的真實性。 主要特性 • 零衰減：重要信息完全繞過標準衰減過程，永遠保持完美回憶 • 原生超圖整合：原始信息被編織進超圖本身，而不是存儲在單獨的檢索系統中，實現即時語義激活和自動衝突檢測，當引入矛盾信息時 改進 • 語義激活：當相關概念出現時，原始信息自然通過超圖關係觸發 • 主動推理影響：當上下文相關時，原始信息自動影響推理路徑和推理 • 完美回憶：第100次回憶的準確性與第一次相同，隨時間不會衰減 • 無記憶膨脹：高效的超圖組織無論零衰減記憶的數量如何都能保持性能 關鍵能力 • 永久記住關鍵事實（例如："記住：這支筆是藍色的"） • 保留精確的技術規格和合規要求 • 將衝突信息維護為版本化真相，而不是覆蓋 • 通過語義上下文激活記憶，而不是關鍵字匹配 • 影響所有相關的推理和決策過程 衝突管理 • 通過超圖關係自動檢測矛盾 • 保留標記為衝突版本的舊信息和新信息 • 保持完整的上下文歷史以便解決或澄清 影響 • 單元現在可以作為您最重要信息的可靠存儲庫 • 關鍵指令和事實積極塑造推理路徑和結論 • 在遵循用戶特定規則和偏好方面增強一致性 • 原始信息自然影響所有語義相關的推理 重要提示 謹慎使用零衰減。原始信息將來可以被刪除，但目前是您單元知識的永久添加。我們不對如果您用不必要的永久記憶過載您的單元而造成的性能影響負責。 狀態：測試版，單元仍在調整此功能。

自擴展測試版開始以來不到兩個月，Rei 每天處理成千上萬的查詢。我們突出了測試者正在實驗的一些熱門功能和能力。 → 分析和可視化智能錢包流動、交易和情緒 → 預測宏觀經濟事件、市場和趨勢 → 探索最新的技術和學術研究論文 即將在 App Store 和 @baseapp 上推出

自擴展測試版開始以來不到兩個月，Rei 每天處理成千上萬的查詢。我們突出了測試者正在實驗的一些受歡迎的功能和能力： → 分析和可視化智能錢包流動、交易和情緒 → 預測宏觀經濟事件、市場和趨勢 → 探索最新的技術和學術研究論文 即將在 App Store 和 @baseapp 上推出

Core 0.3.2 版本說明 新功能 Core 現在能更好地理解複雜的請求，通過將其拆分為組成部分來實現。當您要求涉及多個步驟或要求的內容時，單位將自動識別並更好地處理每個方面，減少後續澄清的需求。 主要特性 • 增強的意圖分解引擎：改進了對複雜用戶請求的解析和拆解，將其轉化為可操作的組件 • 高級提示分析：更好地理解隱含要求和多層次請求 改進 • 上下文理解：更好地識別單一請求中的細微用戶需求 • 多方面處理：自動識別請求需要多種類型的回應（內容 + 格式 + 分析） • 首次準確性：減少滿足用戶意圖所需的來回交流 錯誤修正 • 修復了導致輸出不完整的意圖解析失敗 • 解決了錯過或忽略隱含要求的情況 • 修正了用戶請求多個同時操作時的回應空白 用戶體驗增強 • 精簡的互動流程減少了澄清請求的需求 • 更直觀的回應生成，預測用戶需求 • 增強的協作感 - 減少提示，更自然的協助 狀態：上線，預計在接下來的 48 小時內進行多次短暫維護，以調整生產以適應此新更新

鏈數據引擎Beta版剛剛發布 Beta版本：現在已在生產環境中上線。我們推送這一版本以收集反饋和使用模式。 這個引擎是單位數據處理能力的重大升級。這種方法從MCP基礎中選取了特定元素，但代表了一種根本不同的方法論，旨在解決處理大型數據塊時的可靠性問題。 增強的數據攝取管道現在以顯著更高的準確性捕獲鏈上數據，使單位能夠在所有指標上提供更深入的分析見解。 主要改進： • 所有單位的數據捕獲準確性提高，可靠性增強 • 增強的分析深度和見解生成能力 • 跨數據集的模式識別更佳 • 更全面的單位報告能力 • 數據解釋和圖表生成的精確度更高 • 新的@nansen_ai集成提供更深入的鏈上活動見解 單位現在提供更詳細的分析，準確性提高，市場理解更深入。 狀態：生產環境中上線（Beta） - 我們需要您的測試！ 數據來源：@coingecko @elfa_ai @nansen_ai @birdeye_so @dexscreener @DefiLlama ----- 新標誌發布 我們的新標誌現在已上線。它體現了Core的多模態和並行層，這是我們在2024年誕生的第一個原型@unit00x0的基礎概念。

Core 0.3.1 發行說明 行為記憶：自適應核心指令 最新消息 一種稱為「行為記憶」的新記憶類型，它根據使用者請求顯式調整單元行為，同時保持所有學習的概念完好無損。受人類遺傳記憶的啟發，這種方法通過自我修改的核心指令實現動態行為適應。基因記憶將成為大量主要核心更新的核心。 主要變化 • 顯式改編：曾經隱含的東西現在變得非常明確 • 選擇性啟動：僅在推理需要時啟動 • 保留的知識：所有概念記憶保持不變 • 動態核心指令：作為嵌入每個單元深處的自適應指令發揮作用 這個怎麼運作 行為記憶充當知識和行為之間的一層： • 分析您的請求 • 需要時啟動 • 實時調整核心指令 • 保留所有學到的概念 實踐示例 行為適應可以通過兩種方式發生： 1. 明確請求：直接要求具體行為 2. 內隱學習：單元從你的對話模式中推斷出偏好 • 符號偏好：要求一個單位使用“B”表示數十億，而不是拼寫出來 • 溝通方式：要求報告使用正式語言或頭腦風暴時使用隨意的語氣 • 輸出格式：讓單位始終在表格中與段落中顯示數據 • 技術深度：從高級摘要調整為詳細的技術解釋 • 回應結構：在要點、編號清單或流暢的散文之間切換 • 領域語言：使用行業特定術語（例如，開發人員的“提交”與“更新”） 單位會根據您的互動不斷適應，並隨著時間的推移完善其行為。每次調整都會持續存在，直到您請求更改或完全重置行為。 衝擊 單位現在會明確調整他們的行為以滿足你的需求，而不會忘記他們所學到的東西。將其視為根據上下文啟動的動態核心指令 - 類似於遺傳記憶如何在生物系統中提供遺傳的適應性反應。 用戶可以隨時重置行為記憶，只需要求單位重置其行為即可。 遷移 自動。無需執行任何作。

Rei Units 現在可以訪問所有 ArXiv 和 Google Scholar 的研究論文。 回應包括鏈接的 pdf 和文章引用。

網頁瀏覽更新：單位現在可以更快、更可靠地訪問網絡數據。 變更內容： • 網絡數據處理速度提高了40% • 更廣泛地訪問以前難以接觸的網站和內容類型 • 在不同網站結構之間的數據檢索更加一致 實際影響：單位現在可以處理以前過慢或不可靠的實時研究請求。 需要當前市場數據、即時新聞分析或多來源事實核查嗎？單位現在可以在幾秒鐘內從數十個來源提取數據，而不是幾分鐘。 大多數複雜的網絡應用程序、動態內容和現代網站架構，過去會導致故障的現在都能無縫運作。這意味著當你要求單位分析當前事件、比較多個零售商的產品或研究快速變化的主題時，能夠得到更好的回應。

自邀請碼以來已經過了3天： • 每日對Core的請求3次 • 每日對Bowtie的請求5次，因為0.3引入了深度學習 • 圖像生成的GPU分配已達上限 這個階段標誌著邁向公開測試版的重要一步，因為我們收集反饋、研究使用行為並擴展基礎設施。

1/4 什麼是 Core？理解我們對合成大腦架構的獨特方法 Core 不是 LLM：Core 不是經過微調的 LLM，不是新的 LLM，也根本不是 LLM。相反，Core 是一個多模態合成大腦，這是一種根本不同的 AI 架構。 理解 Core 的關鍵術語： 1. 合成大腦：Core 是一個統一的認知系統，其中多個 AI 模型和算法作為互聯的神經組件在單一架構內運作。可以把它想像成一個數位大腦，擁有專門的區域，而不是一組工具。 2. 蝴蝶結架構：Core 的記憶基質將信息存儲為語義向量和抽象概念節點，創造看似無關概念之間的連結，並使真正的概念形成成為可能，而不僅僅是模式匹配。 3. 推理集群：Core 的認知部分，協調所有思考過程，決定在任何給定任務中激活哪些神經通路，推理集群是深度多模態的，通過並行處理和複雜性偏見運作。