raskt lite jukseark

Når jeg ser med egne øyne hvor mye de takler akkurat nå, føles dette nesten som et sideprosjekt - ikke fordi det er mindre viktig, men fordi alle i teamet er 10x ingeniører. Shoutout til 10x vekst- og arrangementsmannskapet også - @madisenxtaylor og @afurgs. Bullish.

.@willccbb (forskningsleder, Prime Intellect) om hvordan RL-miljøer egentlig fungerer: «Et miljø er i hovedsak en eval. Du har inndataoppgaver, en sele, og til slutt scorer den hvordan modellen eller agenten din presterer. Det er oppsettet vi bruker for både evals og RL-trening." Han legger til at fremtiden ikke bare handler om å «få 100 000 GPUer i én gigantisk klynge».

> førsteklasses intellekt ansetter @willccbb >Hei, jeg lurer på hva de skal gjøre med fyren som bygde et superbrukervennlig og hackbart RL env-rammeverk > førsteklasses skipsplattform for RL env som er superenkel å bruke og hackbar > hellig dritt

I løpet av de kommende ukene kommer et av våre store mål til å være onboarding og stresstesting av et stort antall populære evals for å sikre at vi kan reprodusere poeng Hvis du har opprettet en, vennligst ta kontakt direkte, vi vil gjerne chatte! Hvis du vil ha hjelp eller komme med, se nedenfor:

Vi spurte @willccbb (forskningsleder, Prime Intellect) hvordan AI-boomen egentlig skalerer herfra. «Det er bare så mange mennesker som tar i bruk AI-produkter. På et tidspunkt er det et platå ... Det er fysiske lover om hvor gode modeller blir og hvor raskt brikker kan skaleres." Det betyr ikke at fremgangen stopper, den skifter. Forvent mer spesialisering (smale, verdifulle agenter) og smartere avveininger i stedet for bare større klynger. «Vi kommer til å ha mange knotter å vri på, tror jeg.»

Jeg har utviklet miljøer den siste uken. Jeg tror dette kan fikse RL-miljøbehovene til massene. Det har vært mange interessante, kule ting å teste ut, inkludert StepRunProver-inspirert Lean4-prøvetrykk med flere svinger jeg har laget.

Fantastisk arbeid av enda flere fantastiske mennesker!

Takknemlig for å være bidragsyter, takk @willccbb for muligheten. Sjekk ut mitt ifbench-miljø, moduser (tog, test, multisvingtest) @PrimeIntellect miljøhub. Fortell meg hva du synes!

PI vil endelig tvinge meg til å lære RL