Bittensor 上 Reliquary 提出「可挖矿目标」式后训练新机制
const_reborn · x · 2026-09-30
作者介绍 Reliquary 团队在 Bittensor 上为「可挖矿目标」设计的机制,称其是目前所见最具说服力的可扩展后训练结构之一。核心思路类似 conjectures 用搜索解数学证明:矿工搭建算力集群,在目标模型上搜索 rollout,对奖励空间做分区。
运作方式:
- 矿工下载网络模型,扩展自己的推理引擎并创新搜索技术,从环境中挖出负样本;
- 这些样本随后成为该网络模型训练过程的最优输入;
- 类比比特币矿工燃烧算力换哈希,Reliquary 矿工燃烧算力换训练样本。
作者认为这种机制的优势在于「顺势利用」:它能以前沿实验室做不到的方式渗入市场中可用算力的缝隙,由协议约束、市场协调,答案是「不可避免且不可阻挡」的,并把这视为打破算力垄断格局的路径。属加密网络 × AI 训练的机制性讨论,细节以原推观点为主。
「研究」频道最新
- CLM 发布即支持 Pi-agent,一条命令即可上手体验 — RulinShao · 2026-09-30
- 无电 100 位加法：Nature 论文展示脚手架 DNA 计算机 — jiqizhixin · 2026-09-30
- 每日探测 34 个 LLM API 抓静默变更:DeepSeek 推理用量一夜涨 10 倍 — Electrical_Rip892 · 2026-09-30
- 新预印本:估 LLM 嵌入维度别用 PCA,EGA 恢复率达 97.6-100% — GolinoHudson · 2026-09-30
- 不信厂商跑分?他写 28 分钟指南教你自建 eval 并爬坡优化 — ghumare64 · 2026-09-30
- 只许输出 Simple Wikipedia 没见过的二元组,Gemma 4B 被逼出满屏错字 — cephaloform · 2026-09-30