罗马 + OML

ROMA和OML是@SentientAGI最先进的技术，使Sentient Chat能够达到——甚至超越——像ChatGPT这样的封闭企业AI的水平。

如何？
要理解这一点，我们需要看看开源人工智能的主要问题，以及ROMA和OML是如何解决这些问题的。

问题
众所周知，开源人工智能面临着诸如货币化、模型盗窃、盗版使用以及低效率/功能等重大挑战(1模型 = 1 功能)。

解决方案
各种专业代理、模型、数据集和工具连接到GRID生态系统，该系统可通过Sentient Chat访问。

罗马
当您使用Sentient Chat时，您的请求可以由多个AI模型处理，而不仅仅是单一的模型——有时甚至是数十个模型，这些模型可以顺序工作，或者在可能的情况下并行工作。

这解决了功能和效率低下的问题。

OML
→ 盗版
OML通过加密控制解决了对开放AI模型的盗用问题。每个模型都包含内置的授权机制——在执行之前，系统会验证一个数字签名，以确认用户有权限使用该模型。没有此授权，模型将不会响应。

→ 盗窃
窃取另一个AI模型变得不可能，因为OML将多个指纹(密钥响应对)直接嵌入到每个AI模型中。这使得任何人都可以通过特殊的挑战-响应测试来验证所有权。到目前为止，Sentient已经成功地在一个LLM中嵌入了近25,000个指纹，且没有任何性能损失——这足以确保模型在微调、压缩和合并中生存，使得盗窃几乎不可能。

→ 货币化
OML几乎记录了Sentient Chat中发生的所有交互——哪个用户、使用了哪些模型、何时使用以及发出了多少请求。所有这些数据都存储在链外，而关键的使用记录则写入链上账本。
这确保每位贡献者都能获得公平的奖励，任何人都可以通过检查区块链上的公共账本来验证这种公平性。

其他因素也有助于AI代理的货币化——您可以在这里阅读更多信息