Templar

Le Subnet 3 vise à résoudre le problème de la centralisation du Training des modèles d'IA, actuellement dominé par des laboratoires disposant de ressources de Compute colossales. Il propose un réseau décentralisé pour entraîner collectivement des modèles de langage de pointe.

Les points techniques clés :

• Agrégation de Compute : Le réseau mutualise la puissance de calcul de milliers de Miners distribués à travers le monde pour former un supercalculateur virtuel capable d'entraîner des modèles massifs.

• Entraînement Distribué : Utilisation de techniques d'entraînement décentralisé pour permettre à de multiples acteurs de collaborer sur un même modèle sans nécessiter de confiance centralisée.

• Co-propriété du Modèle : L'Incentive Mechanism est conçu pour que les contributeurs (Miners) deviennent co-propriétaires des Weights du modèle final, alignant ainsi les intérêts du réseau.

• Architecture Permissionless : Le système est ouvert, permettant à quiconque de rejoindre le réseau pour contribuer avec ses ressources de calcul et participer à l'effort de Training.

L'objectif final est de démocratiser la création de modèles d'IA fondamentaux, de concurrencer les laboratoires centralisés et de fournir à l'écosystème Bittensor des modèles souverains pouvant être utilisés pour l'Inference sur d'autres Subnets.