agi의 첫 번째 원리

나는 실제로 u가 완전히 이해하지 않고이 원리를 사용하지 않는다. 그것은 단지 가능한 것의 참고입니다

AGI의 첫 번째 원리

모든 지속적인 작업은 분리로 끊어질 수 있으며, LLM은 오류 없이 완료할 수 있으며, 다중 단계 실행을 통해 달성됩니다.

** 인간 두뇌에 대한 이론 :** 합리적 논리 (task decomposition) vs. 직관적 인 인식 (LLM 완료 오류없는 작은 작업)

---

에이전트는 어떻게 작업합니까?

인간의 선구자의 신속한 경험을 보존, skill.md]로 압축하여 summarization 또는 hard-coded를 통해 코드.

** 인간 두뇌에 대한 이론 : ** 비소 신경 연결 ([T1]]로 요약), 신경 연결 (hard-coded)

---

에이전트가 어떻게 작업합니까?

인간의 선구자를 통해 작업 논리를 굴절, LLM을 믿을 수 있는 완료 할 수 있는 granularity 수준에서 모든 사례를 소각.

---

에이전트 규모는 어떻게 합니까?

모든 산업 및 직업의 지속적인 persist 작업 경험은 디스크에, 최소 작업의 granularity를 확장 LLM을 안정적으로 완료 할 수 있습니다.

---

my first principle of agi

i don’t actually recommend u use this principle without fully understanding. it’s just a reference to what’s possible

The First Principle of AGI

Any continuous task can be broken down into discrete, small tasks that an LLM can complete without error, achieved through multi-step execution.

Analogy to the human brain: rational logic (task decomposition) vs. intuitive perception (LLM completing error-free small tasks)

---

How Does an Agent Learn Tasks?

Preserve the prompt experience of human pioneers, compressed into skill.md through summarization or hard-coded into code.

Analogy to the human brain: sparse neural connections (summarized into skill.md), dense neural connections (hard-coded)

---

How Does an Agent Decompose Tasks?

Through human pioneers refining the task logic, exhaustively enumerating all cases at the granularity level that an LLM can reliably complete.

---

How Does an Agent Scale?

Continuously persist task experience from all industries and professions to disk, expanding the granularity of the minimum task an LLM can reliably complete.

---

Implement this guiding ideology and become the AI Adventists.