OpenKaitoقیمت

(SN5)

OpenKaito به نیاز به مدل‌های پیشرفته و قابل تعمیم جاسازی متن (text embedding) پاسخ می‌دهد و با هدف غیرمتمرکز کردن جستجوی وب از طریق نمایه‌سازی و اعتبارسنجی جامعه‌محور فعالیت می‌کند. کاربردهای آن شامل عمل کردن به عنوان یک لایه زیرساختی برای پلتفرم‌های پیشرفته‌ای است که احساسات، روایت‌ها و موضوعات را از منابع آنلاین مختلف مانند رسانه‌های اجتماعی تحلیل می‌کنند. همچنین به شرکت‌کنندگان این امکان را می‌دهد که در اکوسیستم آن برای تولید درآمد بالقوه (stake) کنند.

OpenKaito از مدل‌های پیشرفته هوش مصنوعی برای استخراج بینش‌های بلادرنگ از مجموعه‌داده‌های عظیم بهره می‌برد. این پلتفرم از جستجوی معنایی مبتنی بر بردار استفاده می‌کند، که شامل مدل‌های پیشرفته جاسازی متن (text embedding) مانند Word2Vec, GloVe, BERT, و GPT است. این با الگوریتم‌های کارآمد جستجوی نزدیک‌ترین همسایه ترکیب شده است. اعتبارسنج‌ها نقش مهمی ایفا می‌کنند، با ارزیابی ارتباط و رتبه‌بندی نتایج با استفاده از رتبه‌بندی‌کننده‌های nDCG مبتنی بر یادگیری ماشین و مدل‌های زبان بزرگ (LLMs).

از تاریخ ۷ اوت ۲۰۲۵ و پس از یک تغییر نام تجاری، OpenKaito (Subnet-5) تحت هویت جدید 'Hone' فعالیت می‌کند. این نهاد در حال حاضر متعلق به Latent Holdings است و توسط آن مدیریت می‌شود، که نشان‌دهنده یک پشتوانه سازمانی ساختاریافته برای توسعه و جهت‌گیری پروژه است. پیشینه تیم بر هوش مصنوعی و فناوری‌های غیرمتمرکز متمرکز است تا نوآوری را در فضای جاسازی متن (text embedding) پیش ببرد.

OpenKaito (SN5) به عنوان Subnet 5 در شبکه گسترده Bittensor تعیین شده است. تمرکز خاص آن بر توسعه، ارزیابی و تشویق مدل‌های جاسازی متن (text embedding) با عملکرد بالا است. این یکپارچگی به این معنی است که OpenKaito به عنوان یک جزء تخصصی، اما جدایی‌ناپذیر، در چارچوب هوش ماشینی غیرمتمرکز Bittensor عمل می‌کند و به قابلیت‌های محاسباتی و اکوسیستم کلی آن کمک می‌کند.

OpenKaito از یک مکانیسم اعتبارسنجی قوی برای اطمینان از یکپارچگی و ارتباط نتایج جستجوی غیرمتمرکز خود استفاده می‌کند. اعتبارسنج‌ها از رتبه‌بندی‌کننده‌های nDCG مبتنی بر یادگیری ماشین و مدل‌های پیشرفته زبان بزرگ (LLMs) برای ارزیابی دقیق هم ارتباط و هم رتبه‌بندی نتایج جستجو استفاده می‌کنند. علاوه بر این، آنها URLها را به طور فعال تأیید می‌کنند تا از انتشار اطلاعات ساختگی یا گمراه‌کننده جلوگیری کرده و کیفیت داده‌ها و اعتماد کاربر را حفظ کنند.

نقشه راه OpenKaito شامل چندین ابتکار کلیدی است، از جمله ارزیابی و تشویق مداوم مدل‌های جاسازی متن (text-embedding) پیشرفته برای فراتر بردن مرزهای عملکرد. برنامه‌های آینده شامل توسعه یک داشبورد subnet اختصاصی برای نظارت و تعامل، در کنار ایجاد یک API قوی برای ارائه بی‌درنگ مدل‌های آموزش‌دیده خود به برنامه‌های کاربردی خارجی است. همچنین قصد بر این است که هم مجموعه‌داده‌ها و هم مدل‌های ارزیابی به طور قابل توجهی گسترش یابند.