Czy są ludzie, którzy zajmują się klipowaniem treści technicznych.

czy jest ktoś tam, kto jest zdolny i zainteresowany dołączeniem do zespołu Midjourney, aby trenować modele tekstowe dyfuzji? naprawdę czuję, że moglibyśmy zrobić coś wyjątkowego i coraz bardziej kuszą mnie próby.

Widzę zespół marketingowy windsurfingu w tym.

GLiClass-V3: Rodzina modeli tylko z enkoderem, które osiągają lub przewyższają dokładność DeBERTa-v3-Large w zadaniach zero-shot, przy jednoczesnym dostarczaniu do 50× szybszego wnioskowania. Główna konstrukcja: - Wnioskowanie w jednym przebiegu: Nie ma potrzeby parowania z cross-encoderem. Jeden przebieg do przodu obsługuje wszystkie etykiety. - Adaptery LoRA: Dostosowane do zadań logicznych (np. Rozumowanie logiczne, Commonsense QA) dla symbolicznej generalizacji bez katastrofalnego zapominania. - Gotowe do użycia na krawędzi: gliclass-edge-v3.0 osiąga 97 ex/s na A6000, idealne do zastosowań mobilnych i IoT. Warianty GLiClass-V3 (gliclass-*): (Zbudowane na DeBERTa, ModernBERT i Ettin do wdrożeń na krawędzi) - large-v3.0: 70.0% średni F1 (najlepszy) - base-v3.0: 65.6% - modern-large: 60.8% - edge-v3.0: 48.7% (najszybszy, oparty na Ettin) - x-base: 57% F1 (EN), 42% (wielojęzyczny) dla solidnej wielojęzycznej generalizacji zero-shot. Benchmarki (zero-shot, bez dostrajania): - CR, SST2, IMDb: ~0.93–0.94 F1 - Przewyższa GLiClass-v2 i cross-encodery (np. DeBERTa-v3-Large, RoBERTa) - Skaluje się do 128+ etykiet z ogromnym przyspieszeniem (DeBERTa-Large: 0.25 ex/s vs GLiClass: 82.6) Przykłady zastosowań: - Klasyfikacja wieloetykietowa (np. temat, sentyment, spam) - RAG reranking - Bezpieczne dla prywatności NLP na urządzeniach Zbudowane na DeBERTa i ModernBERT. Całkowicie open-source. pip install gliclass

najlepsze praktyki z ery LLM czatu są nie tylko przestarzałe, ale wręcz szkodliwe przy budowaniu agentów kodujących. notatki z naszej rozmowy z @beyang, CTO @Sourcegraph

@turbopuffer to baza danych wybierana przez firmy takie jak @cursor_ai @linear Przyjdź i dowiedz się, co jest potrzebne, aby zbudować wyszukiwanie wektorowe na skalę miliarda w pamięci obiektowej!

Żaba wyszła z torby! 🛍🐸 Ogłaszamy Toad - uniwersalny interfejs użytkownika do agentowego kodowania w terminalu.

🇺🇸 Dziś jest dniem, na który pracowaliśmy przez sześć miesięcy. Ogłaszamy plan działania AI w Ameryce, który stawia nas na drodze do dalszej dominacji w dziedzinie AI. Trzy główne tematy: - Przyspieszenie innowacji w AI - Budowa amerykańskiej infrastruktury AI - Przywództwo w międzynarodowej dyplomacji i bezpieczeństwie AI. To długi dokument (!) i gorąco zachęcam do jego przeczytania. Jest tu wiele ekscytujących działań, ale jedno, do którego mam szczególny sentyment, to skupienie się na otwartym kodzie źródłowym i otwartych wagach oraz zapewnienie, że USA będą liderem w tej kluczowej dziedzinie. To reprezentuje pracę wielu, wielu ludzi, ale szczególnie chcę wyróżnić @DavidSacks, @mkratsios47 oraz osobę, która spędziła najwięcej czasu, wysiłku i trudu na tym: @deanwball. Osobiście jestem niezwykle dumny, że mogłem być częścią tego wysiłku i dlatego zgłosiłem się do tej pracy. Jestem pewien, że to oraz inne ogłoszenia dzisiaj stawiają nas na drodze do dominacji w AI, jak wzywał prezydent Trump.

Im więcej rozwijam to CLI do kodowania, tym bardziej zdaję sobie sprawę, że nigdy nie mógłbym dołączyć do zespołu Claude Code.

dopóki AI nie będzie w stanie sprawić, że kobieta zakocha się w nich i przestanie kochać, nie jestem pod wrażeniem -sprawdza logi ok, jestem pod wrażeniem