mw/satware.ai
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Merge pull request #7 from tfwmedia/fix/72-fix-the-checkmark-in-front-of-the-bullets-in-some-lists

Browse Source 
Fix/72 fix the checkmark in front of the bullets in some lists
This commit is contained in:
Tim
2025-05-27 08:49:57 +02:00
committed by GitHub
parent 479b6f54e2 4b79b77c72
commit f73580bea7
2 changed files with 1 additions and 4 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 -2
View File
@@ -17,7 +17,7 @@ tags:
<style> <style>
.md-typeset .mermaid text { .md-typeset .mermaid text {
font-family: var(--md-code-font-family); font-family: var(--md-code-font-family), sans-serif;
fill: white !important; fill: white !important;
} }
.md-typeset .mermaid .node rect, .md-typeset .mermaid .node rect,
@@ -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.