Connito 推出去中心化训练网络：拆分专家模型，竞争整合提升整体性能
markjeffrey · x · 2026-08-05
Connito 宣布推出一个去中心化训练网络，基于 Bittensor 构建，采用不同于 IOTA 和 Pluralis 的架构。它不是将一次训练运行拆分到多个 worker，而是将模型本身拆分为独立的专家（experts）。
核心机制：
- 每个 worker 带来自己的专业知识和技巧，竞争改进特定的专家。
- 获胜的更新被整合回共享模型。
- 信号表明，仅训练部分专家作为部分模型，就能提升整个系统的性能。
Unsupervised 团队表示，他们过去一年痴迷于去中心化训练，认为 Connito 是最有趣的新方法之一，并已投资。
所属事件:Connito 推出去中心化 MoE 训练网络(2 条相关)→
「创投」频道最新
- 贝恩资本合伙人：AI 时代软件公司应拥抱 20% 增长并削减成本 — aaref · 2026-08-05
- 知名研究者 Gwern 暂别写作，创办个人模型 AI 初创公司 — NathanpmYoung · 2026-08-05
- Convex 获 5700 万美元 B 轮融资:AI Agent 正在重塑后端架构选择 — TAbrodi · 2026-08-05
- Airtable 交易启示录：年入 5 亿美元但增长停滞只能按 2.5 倍估值 — jonchu · 2026-08-05
- 探讨 AI Agent 变现：为工作流设付费墙可行吗？ — j4ys0nj · 2026-08-05
- 独立开发者发起极限挑战：多项目并发冲击年入 3000 万 — yihui_indie · 2026-08-05