mw/agent0_homepage
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Remove redundant whitespace in blog posts for clarity

Browse Source 
Eliminated unnecessary blank lines in two blog posts to improve readability and maintain a more consistent formatting style. These changes have no impact on the content but enhance the visual structure.
This commit is contained in:
tfw
2025-05-27 08:45:23 +02:00
parent a319e5826c
commit d795875c5f
2 changed files with 0 additions and 3 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/blog/posts/2025-05-21-cortex-system-ai-gedaechtnis.md
-1
View File
@@ -236,7 +236,6 @@ Diese strukturierte Herangehensweise an die Wissensintegration ermöglicht es de
Das Cortex-System ist ein Paradebeispiel für den saTway Ansatz von satware.ai, der technische Exzellenz und menschliche Empathie vereint: Das Cortex-System ist ein Paradebeispiel für den saTway Ansatz von satware.ai, der technische Exzellenz und menschliche Empathie vereint:
- **saCway** (satware as Code): Das Cortex-System repräsentiert technische Exzellenz durch seine strukturierte Wissensgraph-Architektur, seine zeitliche Bewusstheit und seine effizienten Abrufmechanismen. - **saCway** (satware as Code): Das Cortex-System repräsentiert technische Exzellenz durch seine strukturierte Wissensgraph-Architektur, seine zeitliche Bewusstheit und seine effizienten Abrufmechanismen.
- **samWay** (Samantha Way): Das Ergebnis ist eine empathische, menschenzentrierte Interaktion, bei der die KI-Agenten Benutzer wiedererkennen, ihre Präferenzen verstehen und auf ihre individuellen Bedürfnisse eingehen können. - **samWay** (Samantha Way): Das Ergebnis ist eine empathische, menschenzentrierte Interaktion, bei der die KI-Agenten Benutzer wiedererkennen, ihre Präferenzen verstehen und auf ihre individuellen Bedürfnisse eingehen können.
docs/blog/posts/2025-05-21-llms-denkprozesse-metakognition.md
-2
View File
@@ -73,10 +73,8 @@ Das sogenannte Faithfulness Gap bleibt bestehen: Erklärungen klingen logisch-me
- **Was ist das?** - **Was ist das?**
Attribution Graphs zerlegen neuronale Netze in interpretable Features („Gedankenbausteine") und zeigen deren Wechselwirkungen. Attribution Graphs zerlegen neuronale Netze in interpretable Features („Gedankenbausteine") und zeigen deren Wechselwirkungen.
- **Wie funktioniert es?** - **Wie funktioniert es?**
Cross-Layer Transcoder extrahieren Features über alle Schichten hinweg; Interventionsexperimente validieren deren Kausalität. Cross-Layer Transcoder extrahieren Features über alle Schichten hinweg; Interventionsexperimente validieren deren Kausalität.
- **Grenzen:** - **Grenzen:**
Aktuell können nur ~25–40% der Modellentscheidungen pro Prompt so erklärt werden; Attention/QK-Circuits bleiben schwer fassbar. Aktuell können nur ~25–40% der Modellentscheidungen pro Prompt so erklärt werden; Attention/QK-Circuits bleiben schwer fassbar.