Beating مانیٹرنگ کے مطابق، کیمبرج یونیورسٹی اور شیکاگو یونیورسٹی کے ٹیم نے ڈیسینٹ میم (DecentMem) نامی ایک متعدد ایجینٹ میموری فریم ورک کو اوپن سورس کیا ہے، جس میں جنرل شیئرد میموری کے بجائے ڈی سینٹرلائزڈ پرائیویٹ میموری استعمال ہوتی ہے۔ روایتی سسٹمز عام طور پر شیئرد میموری کا استعمال کرتے ہیں، لیکن جب ایجینٹس ایک ہی کنٹیکسٹ کو پڑھتے ہیں، تو وہ اکثر مشابہ فیصلہ سازی کے راستوں پر ڈھل جاتے ہیں، جس سے تقسیمِ کام کا فائدہ ختم ہو جاتا ہے۔ DecentMem کا مرکزی خیال یہ ہے کہ تعاون کو认知 کے فرق پر مبنی ہونا چاہئے، اور مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکمل مکامل فرق کو برقرار رखنا چاہئے۔ DecentMem ایجینٹس کو اپنا اپنا دو بار کا ذخیرہ رखنے کی اجازت دیتا ہے: استعمال کے ذخیرہ (E-pool) جو تاریخی تجربات اور تفکر کے ریكارڈز کو برقرار رखتا ہے، اور تلاش کے ذخیرہ (X-pool) جو مستقل طور پر نئے امیدوار خیالات تخلیق کرتا ہے۔ آن لائن ڈسیژن ماڈل بڑھے ہوئے زبان ماڈل کے جج کے مرحلہ وار اسکورنگ کے بنیاد پر دونوں ذخائر کے وزن کو ڈائنامِك طور پر ترتیب دे�تا ہے، جس سے ایجینٹس خود کو ترقی اور تلاش کے درمیان متوازن رख سکتے ہیں۔ نظریاتي طور پر، خود ترقی یافتہ تلاش کو گراف پر رینڈم ووک (random walk) کے طور پر ماڈل کیا گيا ہے، جس سے ایجینٹس مقامی بہترین علاقوں سے باہر نِڪلنے کا ضمان حاصل ہوتا ہے۔ AutoGen، DyLAN اور AgentNet پر ٹيسٹنگ کے دوران، DecentMem نے سب سے مضبوط مرکزیت پر مشتمل ذخیرہ بنیاد سے اوسطاً 8.6% بہتر عمل کیا، بہترین صورتحال ميں اس نے 23.8% تكليف دِيَا، اور Token استعمال کو آدھا کر دِيا۔ تحقيق سے پتہ چلتا ہے کہ جتنا زیادہ تعاون بھانپنے والی بحثوں پر منحصر ہوتا ہے نہ کہ ثابت شدہ عمل درجات پر، اتنा ہی زیادہ ڈسینٹرلائزڈ فائدہ واضح ہوتا ہے۔ DyLAN فریم ورک جو آزاد协商 پر زور دे�تا ہے، وہاں نظام کو اسی معیار تكليف دینے کے لئے درپیش تھراؤنڈز کم سے کم 60% تكليف دِيَا، اور تھراؤنڈز کا تاخیر شدہ رُخ تقریباً 2.5 گُنا بڑھ گيا۔
DecentMem نے متعدد ایجینٹ سسٹمز میں درستگی کو 24% بڑھا دیا اور ٹوکن استعمال کم کر دیا
MarsBitبانٹیں
خلاصہ
کیمبرج یونیورسٹی اور شیکاگو یونیورسٹی کی ایک تحقیقی ٹیم نے DecentMem کو اوپن سورس کر دیا ہے، جو متعدد ایجینٹ سسٹمز کے لیے ایک ڈی سینٹرلائزڈ میموری فریم ورک ہے۔ یہ فریم ورک شیئرد میموری کے بجائے پرائیویٹ میموری پولز کا استعمال کرتا ہے، جس سے شناختی تنوع برقرار رہتا ہے اور فیصلہ کے راستوں کا اجتماعی ہونا روکا جاتا ہے۔ DecentMem اوسطاً 8.6% اور سب سے زیادہ صورت میں 23.8% تک کارکردگی میں بہتری لاتا ہے، جبکہ ٹوکن استعمال کو آدھا کر دیتا ہے۔ یہ ٹوکن لانچ کی خبر اس بات کو اجاگر کرتی ہے کہ DyLAN میں اس کا اجتماعی ہونا 2.5 گنا تیز ہے۔ نئے ٹوکن لسٹنگز اس موثر، قابلِ توسیع ڈیزائن سے فائدہ اٹھا سکتے ہیں۔
ذریعہ:اصل دکھائیں۔
اعلان دستبرداری: اس صفحہ پر معلومات تیسرے فریق سے حاصل کی گئی ہوں گی اور یہ ضروری نہیں کہ KuCoin کے خیالات یا خیالات کی عکاسی کرے۔ یہ مواد کسی بھی قسم کی نمائندگی یا وارنٹی کے بغیر صرف عام معلوماتی مقاصد کے لیے فراہم کیا گیا ہے، اور نہ ہی اسے مالی یا سرمایہ کاری کے مشورے کے طور پر سمجھا جائے گا۔ KuCoin کسی غلطی یا کوتاہی کے لیے، یا اس معلومات کے استعمال کے نتیجے میں کسی بھی نتائج کے لیے ذمہ دار نہیں ہوگا۔
ڈیجیٹل اثاثوں میں سرمایہ کاری خطرناک ہو سکتی ہے۔ براہ کرم اپنے مالی حالات کی بنیاد پر کسی پروڈکٹ کے خطرات اور اپنے خطرے کی برداشت کا بغور جائزہ لیں۔ مزید معلومات کے لیے، براہ کرم ہماری استعمال کی شرائط اور خطرے کا انکشاف دیکھیں۔