Als ich anfing, mich mit @OpenGradient und OpenGradient Chat zu beschäftigen, muss ich ehrlich sagen, dass ich zunächst mit der Einstellung "mal sehen, wer stärker ist" rangegangen bin. Nach zwei oder drei Tagen, in denen ich die gleiche Frage mit verschiedenen Modellkombinationen immer wieder durchgegangen bin, wurde mir langsam klar, dass da etwas nicht stimmt. Viele Ausgaben endeten nicht einfach, sondern schienen wie ein Teil des Systems zu sein und hatten weiterhin Einfluss auf die nachfolgenden Schlussfolgerungen. Einmal hatte ich sogar das Gefühl, dass ich "nichts zu tun hatte" und ließ absichtlich eine offensichtlich unzuverlässige Ableitung stehen. Ich wollte nur sehen, ob sie direkt ignoriert wird, aber als ich einige Runden später wieder nachschaute, wurde sie tatsächlich von den späteren Analysen aufgegriffen und wurde zu einem neuen Ausgangspunkt. Da war ich echt baff. #OPG
Danach begann ich ernsthaft, OpenGradient Chat neu zu betrachten. Es ist nicht wie bei traditionellen Multimodell-Tools, wo man "denjenigen nimmt, der gut antwortet". Es ist eher so, dass es in einem kontinuierlichen Kontext funktioniert, bei dem verschiedene Modelle und beteiligte Agenten gemeinsam entlang derselben Schlussfolgerungskette weiterarbeiten, anstatt jedes Mal von Null zu beginnen. Noch wichtiger ist, dass diese Abzweigungen nicht als Müll abgetan werden, sondern behalten bleiben und in den späteren Schritten wiederholt aufgerufen und umstrukturiert werden, fast so, als ob die Gedanken immer im Hintergrund weiter laufen. #opg
Kurz gesagt, anfangs habe ich die Privatsphäre-Mechanismen nicht wirklich beachtet, dachte, das sei Standardfunktionalität, aber je mehr ich sah, desto mehr verstand ich, dass es tatsächlich eine grundlegende Bedingung gibt: Können diese Zwischenüberlegungen vollständig im System bleiben? Wenn sie vorher herausgefiltert werden, bricht die gesamte Zusammenarbeit direkt ab, und die Modelle und Agenten müssen jedes Mal neu starten, was die Kontinuität völlig zerstört.
An diesem Punkt hat sich mein Verständnis von $OPG auch ein wenig verändert. Es ist nicht nur etwas, das Modelle anschließt oder als Einstieg dient, sondern es scheint eher eine fundamentale Bedingung zu sein, die bestimmt, ob eine kontinuierliche Zusammenarbeit wie bei OpenGradient erfolgreich laufen kann. Ich kann nicht sagen, dass ich es komplett durchschaut habe, aber zumindest in meinen bisherigen Tests ist dieser Unterschied von "je mehr ich es benutze, desto mehr fühle ich es" ziemlich deutlich.
Danach begann ich ernsthaft, OpenGradient Chat neu zu betrachten. Es ist nicht wie bei traditionellen Multimodell-Tools, wo man "denjenigen nimmt, der gut antwortet". Es ist eher so, dass es in einem kontinuierlichen Kontext funktioniert, bei dem verschiedene Modelle und beteiligte Agenten gemeinsam entlang derselben Schlussfolgerungskette weiterarbeiten, anstatt jedes Mal von Null zu beginnen. Noch wichtiger ist, dass diese Abzweigungen nicht als Müll abgetan werden, sondern behalten bleiben und in den späteren Schritten wiederholt aufgerufen und umstrukturiert werden, fast so, als ob die Gedanken immer im Hintergrund weiter laufen. #opg
Kurz gesagt, anfangs habe ich die Privatsphäre-Mechanismen nicht wirklich beachtet, dachte, das sei Standardfunktionalität, aber je mehr ich sah, desto mehr verstand ich, dass es tatsächlich eine grundlegende Bedingung gibt: Können diese Zwischenüberlegungen vollständig im System bleiben? Wenn sie vorher herausgefiltert werden, bricht die gesamte Zusammenarbeit direkt ab, und die Modelle und Agenten müssen jedes Mal neu starten, was die Kontinuität völlig zerstört.
An diesem Punkt hat sich mein Verständnis von $OPG auch ein wenig verändert. Es ist nicht nur etwas, das Modelle anschließt oder als Einstieg dient, sondern es scheint eher eine fundamentale Bedingung zu sein, die bestimmt, ob eine kontinuierliche Zusammenarbeit wie bei OpenGradient erfolgreich laufen kann. Ich kann nicht sagen, dass ich es komplett durchschaut habe, aber zumindest in meinen bisherigen Tests ist dieser Unterschied von "je mehr ich es benutze, desto mehr fühle ich es" ziemlich deutlich.