Neste generasjon av 10B+ verdivurderingsproduktoppstart vil bli bygget ved å skalere opplæring på internt RL-miljø Vi lever i en overflod av muligheter, og likevel har vi bare to store AI-produkter, chatgpt og kodeagent, og det frustrerer meg dypt Den nåværende forsyningskjeden for kunstig intelligens er strukturelt ødelagt med en maskinvareleverandør, et par gigantiske AI-spillere som eier alt etterretningsraffineriet, utviklere sitter igjen med api-tilgang med knapt ingen kontroll Som om internett-æraen ble bygget med Intel som solgte CPU til 4 gigantiske skyer som eier hele infrastrukturen og programvarestabelen med hemmelighet og nda over alt og gir wordpress som et utviklingssett til oppstart Hvorfor oppfant ikke forvirring dyp forskning? De kunne bare ikke fordi det er trene med RL Min spådom for de neste årene: RL vil bli det kraftigste verktøysettet for oppstartsbygging av AI-produkter. Vi vil se hundrevis av suksesshistorier som markør og elskelig. Sluttbrukeren vil ha mest nytte av det Store laboratorier vil utvikle seg mot produktselskap, oai vil fokusere på forbrukermarkedet, Antropic på kodeagent, deepmind vil integrere AI i alle Google-virksomheter, meta og XAI kjemper om sosiale medier Vi vil se fremveksten av et økosystem av oppstart av AI-infrastruktur, salg av databehandling, opplæringsgrunnmodell, kuratering av data, bygging av RL-miljø, tilbud om billig slutning og opplæring, drevet av åpen vitenskap og åpen kildekode-programvare. @PrimeIntellect er banebrytende for dette økosystemet og visjonen om åpen kildekode-agi, er RL-miljøhuben en av de første nøkkelbrikkene

Claude er flink til å brainstorme om distribuert opplæringsoppsett, men helt dritt til å implementere enkel kodeendring Uansett, tilbake til koding selv antar jeg

når jeg tester en ny opplæringskodebase hvis jeg ikke ser en feilsøkingskonfigurasjon som lar meg gjøre en kort kjøring på begrenset maskinvare, begynner jeg å stille spørsmål ved utviklerens evne til å vedlikeholde repositoriet

Basert på mitt estimat bør vi nå 1 million GitHub-stjerner i løpet av de neste 3 månedene

14 dager med utdeling, dag 7! Møt Sami Jaghouar (@samsja19) fra @PrimeIntellect: Sami leder forskningen deres og fokuserer på desentralisert fortrening og distribuert forsterkende læring som en del av arbeidet sitt. Sami skal holde et foredrag om hvordan implementering av desentralisert opplæring ser ut på Prime.

Siste hackathon i GPU-modus var det beste hackathonet jeg noen gang har deltatt på personlig, og gleder meg til det neste

Ser ut til at andre mennesker konvergerer til å bruke vllm v1 logprob for viktighetsforholdet for å fikse stabilitetsproblemet. Jeg tror jeg har ptsd fra denne typen rl-krasj

Jeg ansetter forskningsingeniør ved @PrimeIntellect Vi bygger en åpen kildekode agi labs og leter etter rå talent. Vi bryr oss ikke om din tidligere stillingstittel. Alle i forskerteamet er fullstack, vi bygger infrastruktur og ser også på data. Hvis du har et sweet spot for system, forsterkende læring, data eller skaleringsjuss, vil du bli servert massevis av utfordringer å løse

Oppmerksomhet er alt du trenger, men agenten trenger fortsatt å grep for kode som allerede er i konteksten

Spådom: RL-miljøer vil være den neste store tingen i AI sent i 2025 / tidlig i 2026. Du vil se Starutp-lanseringer i alle bransjer, helsevesen, ingeniørfag, markedsføring, salg osv.