veel misvattingen horen over de rol van gras in AI-training. Het protocol is gebouwd om op schaal realtime kennis van het web op te halen, voornamelijk met als doel een model in real-time te informeren over nieuwe ontwikkelingen. Er verschijnt nieuwe informatie op het internet, Grass "leert" deze informatie en levert deze aan het model terwijl het een taak uitvoert. Het maakt niet uit of deze nieuwe kennis door een mens of een bot is gecreëerd - het is de semantische informatie die ertoe doet. we hebben het al lang over hoe schaallimieten verzadigd zijn voor op tekst gebaseerde modellen (vandaar het RL-konijnenhol / belang synthetische data IE-destillatie), maar multimodale modellen zijn nog steeds ver verwijderd van het bereiken van een vergelijkbare verzadiging. Tegenwoordig kun je niemand vinden die op een economische en bruikbare manier 10 miljoen uur aan "synthetische" videogegevens kan genereren. TLDR - Realtime is waar het netwerk op de lange termijn de meeste waarde zal opbouwen, maar op dit moment zijn multimodale mogelijkheden meestal ongeëvenaard en het zou heel dom zijn om dit niet te gebruiken.