¡Emocionado de recibir el Premio al Mejor Artículo de Demostración en #ACL2025NLP con OLMoTrace!! ¡Grandes felicitaciones al equipo por este esfuerzo épico 🎉🎉 Especialmente agradecido a Taylor Blanton por ser nuestro capitán de ingeniería, @yanaiela @sewon__min por dirigir la investigación y presentar en Viena 🥰

el preentrenamiento es una ciencia elegante, realizada por matemáticos que se sientan en habitaciones frías escribiendo teoría de optimización en pizarras, ingenieros con total absorción de sistemas distribuidos de escala titánica el postentrenamiento es una investigación de vaquero que pone los pelos de punta donde la gente, bebiendo mucha cola light, se grita nuevos hiperparámetros para probarse unos a otros al otro lado de la habitación. ¡está haciendo demasiadas tablas! ¡las vibras están empeorando, baja el volumen! ¡el checkpoint gpt-9-final-v320-restart4 me está llamando nombres! ¡el ganso está suelto!

¡Súper emocionado de lanzar @RunLLM v2 hoy! 😎🎉 Cuando comenzamos a construir sistemas expertos sobre productos complejos hace 2 años, no teníamos idea de que se convertiría en un Ingeniero de Soporte de IA. Comenzamos enfocándonos en ofrecer las respuestas de la más alta calidad posible, y eso nos ganó la confianza de equipos en Databricks, Sourcegraph, Monte Carlo Data y Corelight. Pero las respuestas de alta calidad son solo una parte de un buen Ingeniero de Soporte de IA. Desde nuestro último lanzamiento, hemos reconstruido RunLLM desde cero, introduciendo un nuevo planificador agente, rediseñando nuestra interfaz de usuario y dando a nuestros clientes un control detallado sobre los flujos de trabajo de los agentes. Hoy, nos enfocamos en las nuevas características agentes, porque, bueno, es 2025 y tienes que tener agentes. 😉 Bromas aparte, la publicación a continuación detalla en profundidad cómo hemos repensado el proceso de inferencia central de RunLLM, cómo mostramos nuestro trabajo y qué hemos construido para realizar análisis de registros y telemetría. ¡Échale un vistazo! 👇