VADRA

{"translation":"我们正在着手解决的另一个问题是订阅计划的碎片化。人们已经为多个前沿 AI 订阅付费，但工作常常在最糟糕的时刻被迫中断，因为某个服务商触达了使用窗口或重置限额的上限。VADRA 的使用感知路由旨在追踪各关联订阅计划中的可用容量与重置窗口，并将符合条件的任务迁移到其他服务商，同时不削弱审查或证据方面的要求。\n\n然而，仅仅使用更多模型是不够的。VADRA 的设计目标是让前沿模型彼此挑战。系统不会将单一模型的回答视为真理，而是让独立模型质疑假设、揭示分歧，并寻找用户乃至首个模型可能未曾考虑到的盲点。分歧成为一种值得深入调查的信号，而非需要掩盖的东西。一旦发现问题，某个模型可以尝试修复，但该修复必须经过一个全新的独立验证者再次复核，才能被允许执行受保护的操作。\n\nVADRA 不会问："是否有另一个 AI 审查过它？"它会问："在我们允许其执行操作之前，是否有独立模型对修复后的结果提出过挑战？"\n\n我们的目标不是"更多的智能体"，而是可被论证的信心。"}