Актуальні теми
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
invisible
Invisible Capital — студія розробки @bagsapp. Ми знаходимо, створюємо та фінансуємо зламаних розробників, перетворюючи їх на справжніх засновників. Подайте заявку на роль венчурного партнера для $INVISIBLE
Невидимі 🤝 сумки
19 годин тому
ОНОВЛЕННЯ: До @invisiblebags було створено 10 GPU для запуску Karpathy Auto-Research системи, що дозволяє нішевим AI-агентам швидко самовдосконалюватися через безперервні 🤯 експерименти
Розробники, зацікавлені у розробці з Auto-Research, тепер можуть почати з $100 кредитів на хмарний GPU.
4
Симулятори для автодослідницьких циклів вже існують у десятках галузей:
робототехніка (MuJoCo); автономне водіння (CARLA); розробка лікарських засобів (Rosetta), динаміка рідин (OpenFOAM); торгівля (Backtrader).
Вони були створені для лабораторій з потужними обчислювальними ресурсами. Але тепер будь-хто з однією відеокартою може запускати вузькі експериментальні слайти за ніч.
Ми віримо, що існує мільярдна можливість — це хтось, хто зможе інтегрувати ці симулятори в автодослідницький патерн, координувати фрагментовані внески з одним GPU у вузьких вертикалях і синтезувати результати у реальний прогрес.
Децентралізована дослідницька інфраструктура широко відкрита. Дослідження невидимі.
Якщо ви це створюєте, поговоріть з нами. Вертикально-специфічна оптимізація переможе.
8 бер., 03:53
Я об'єднав проєкт «autoresearch» у новий автономний мінімальний репозиторій, якщо хтось хоче пограти на вихідних. По суті, це тренувальне ядро nanochat LLM, скорочене до однієї відеокарти, однієї файлової версії з ~630 рядків коду, а потім:
- Ітерації людини у запиті (.md)
- агент ШІ повторює навчальний код (.py)
Мета полягає в тому, щоб ваші агенти могли досягати найшвидшого прогресу в дослідженнях без вашої участі без вашої участі. На зображенні кожна крапка — це повний тренувальний забіг LLM, який триває рівно 5 хвилин. Агент працює в автономному циклі на гілці git feature і накопичує git-коміти до навчального скрипту, коли знаходить кращі налаштування (з меншими втратами валідації наприкінці) архітектури нейронної мережі, оптимізатора, усіх гіперпараметрів тощо. Можна уявити, як ви порівнюєте прогрес досліджень різних запитів, різних агентів тощо.
Частково код, частково наукова фантастика і щіпка психозу :)
60
Найкращі
Рейтинг
Вибране