听起来像是 queuing theory 的问题，不过多个队列的问题没怎么研究过，可能可以用 queuing theory 作为关键词搜搜

@lyang 我也想过这个方案，会有两个问题：1. 会有一些资源浪费 2. 由于 llm 生成本身有一些随机性，会导致没办法期待完全一样的结果。

@GeekGao 是的 目前 workload 会随机在支持同一模型的节点里随机分配，监控和其他的目前没实现，估计需要下一个大版本

@nikola11 说的很对，这可能可以以后研究一下 :)

@sentinelK
1/ 虽然这个交互平台是中心化的，但 api 的接口（或者说在实际调用计算之前）是去中心化的。用户可以在本地跑一个节点，之后调用这个节点提供的 api ，并把 request 分配到网络里的所有节点上。你也可以跑一个自己的 bootstrap node ，让朋友们加入这个 bootstrap node 。这应该也能回答 2/。
2/ 除此之外，其实商业化并不是这个项目的目标，我的目标是想知道在去中心化的情况下如何验证结果的正确性，如何合理的分配激励，如何调度计算资源等等。
3/ 目前没想到什么好办法，目前的想法是可以不断地对每个节点进行验证，每一个 request 可能被分配到 2 个以上的 node 上。

@lithiumii 有点像，但 petals 太慢了

@peterchen26 没错，基本上就是这样

@nbndco 这确实是一个我也在尝试实现的问题，我目前的想法是：
- 编译过程里加一个签名，之后在注册到网络的时候需要提供这个签名，保证运行的程序是唯一的。
- 对请求的回复也进行签名和验证，时不时验证返回的回复是不是正确的。

但目前我还没实现这个功能 :(

@privateproxies 基本上就是楼上说的：很多人可以在链上注册自己的 llm server ，我把它们通过一个 peer-to-peer 的网络连在了一起，之后根据请求的情况算如何支付 token 。
另外 yaonotes.org 这个网站因为精力原因不打算继续维护了 :( 抱歉

另外，欢迎加入 discord 讨论和贡献代码： https://discord.gg/PgGb4z4Jve

试试我这个？ https://chat.xzyao.dev/

自荐一个自己的大模型训练项目： https://github.com/eth-easl/fmengine

有没有想法集成一些开源的 model ，参见： https://v2ex.com/t/954707#reply2
最近打算实现一个兼容 openai-api 的 server

@zqjilove 是的 只能希望开源模型加加油 :(

GPT-3 是一个由 OpenAI 开发的大型语言模型，它可以根据给定的输入文本生成自然语言文本。ChatGPT 是一个基于 GPT-3 的简化版，它专门用于聊天机器人的应用场景。

OpenAI 使用了许多新技术来开发 GPT-3 和 ChatGPT 。其中，GPT-3 使用了许多先进的深度学习技术，包括自注意力机制、残差网络等，以提高模型的语言理解能力。

此外，GPT-3 使用了一种叫做 "多头注意力" 的技术，它可以让模型在处理输入文本时，更加灵活地分配其计算资源，从而提高模型的效率。

ChatGPT 也使用了这些技术，并且还增加了一些新的优化技术，使得模型在聊天机器人的场景中能够更好地工作。例如，ChatGPT 使用了一种新的 "语境知识转移" 技术，它可以让模型在不同的聊天场景中自动调整自己的表现，从而提高模型的适用性。

总之，OpenAI 使用了许多先进的深度学习技术来开发 GPT-3 和 ChatGPT ，这些技术为模型提供了更强大的语言理解能力


From ChatGPT

very cool!

...手机放在口袋里莫名其妙打了一段字还发出去了...

@




日，