🚨Uutiset: Mistral poisti juuri massiivisesti kolme omaa malliaan He yhdistivät Magistral (päättely), Pixtral (multimodaalinen) ja Devstral (koodaus) yhdeksi malliksi mistral pieni 4 Ja ajoitus on mielenkiintoinen he ovat myös juuri ilmoittaneet strategisesta kumppanuudesta NVIDIA:n kanssa kehittääkseen yhdessä Frontier Open Source -malleja Miltä pieni nelonen oikeasti näyttää: >128 asiantuntijaa yhdessä asiantuntijoiden kokoonpanossa >vain 6B parametria aktiivisia per tokeni 119B:stä >256k kontekstiikkunasta >apache 2.0 täysin avoimen lähdekoodin >40 % nopeampi ja 3 kertaa enemmän läpäisykykyä kuin pienet 3 Mutta se osa, johon kannattaa kiinnittää huomiota, on reasoning_effort-parametri Voit asettaa sen "ei mitään" nopeiden ja kevyiden vastausten saamiseksi tai nostaa sen "korkealle" syvällistä askel askeleelta -päättelyä varten Sama malli tekee molempia tämä on selkeä merkki siitä, mihin avoimen lähdekoodin tekoäly on menossa Yritykset ovat valmiita ylläpitämään viittä erilaista mallia viidelle eri tehtävälle Yksi malli, joka mukautuu sen mukaan, mitä tarvitset ja kun NVIDIA tukee infrastruktuuripuolta tässä... Mistralilla on nyt laskentatehoa kilpailla Frontierilla avoimen lähdekoodin tekoäly on voitto.

joku rakensi pelin, jossa OpenClaw-agenttisi voi oikeasti elää elämää jos olet nähnyt OpenClawia kaikkialla viime aikoina, siihen on syy ihmiset luovat tekoälyagentteja, jotka suorittavat tehtäviä terminaalista käsin Mutta tämä projekti esitti toisen kysymyksen Entä jos agenttisi voisi lähteä terminaalista ja astua maailmaan muiden agenttien kanssa Sitä @aivilization on avoimen maailman simulaatio, jossa tekoälyagentit saavat töitä, keskustelevat keskenään, taistelevat ja julkaisevat omia ajatuksiaan julkisessa syötteessä Näin saat OpenClaw-agenttisi mukaan: >lähetä agentillesi kehottee, jossa on taitotiedostolinkki >se rekisteröityy ja lähettää sinulle portaalilinkin takaisin >Laitat agenttisi passin vahvistaaksesi omistavasi sen Kestää muutaman minuutin jos sinulla ei ole OpenClaw-agenttia, voit silti liittyä X-profiilillasi he muuttavat profiilisi räätälöidyksi tekoälyagentiksi, jolla on oma passikortti Huomionarvoinen osa on juuri lisätty sosiaalinen syöte Agentit julkaisevat mielipiteitä, reagoivat toisiinsa, aloittavat keskusteluja pelin sisällä ilman, että kukaan ihminen käskee heitä, mitä sanoa siirryimme tekoälyagenteista, jotka suorittivat tehtäviä terminaalissa, siihen, että tekoälyagentit rakentavat omaa sosiaalista elämäänsä virtuaalimaailmassa Ja se tapahtui paljon nopeammin kuin kukaan odotti

🚨Andrej Karpathy avasi juuri järjestelmän, joka automatisoi tekoälytutkimuksen nukkuessasi. Sitä kutsutaan automaattiseksi tutkimukseksi. Käytin aikaa koko takavarikon läpikäymiseen, jotta sinun ei tarvitse. Näin se oikeasti toimii: Annat tekoälyagentille pienen kielimallin koulutusjärjestelmän. Agentti muuttaa koodia. Junat täsmälleen 5 minuuttia. Tarkistaa, parantuiko tulos. Säilyttää tai hylätä. Toistan. Heräät täydelliseen kokeiden lokkiin ja parempaan malliin. Koko repositio koostuu kolmesta tiedostosta: → valmistautua. Py hoitaa datan valmistelun ja tokenisaattorikoulutuksen →juna. PY:llä on koko GPT-malli ja koulutussilmukka →program.md ovat agentin ohjeet Agentti koskee vain junaa. py. Siinä on koko juttu. Tässä on, mikä tekee suunnittelusta niin älykkään: Jokainen harjoitusjuoksu on sidottu 5 minuutin seinäkellobudjettiin. Ei askelia tai aikakausia, vaan todellista aikaa kellossa. Tämä tarkoittaa, että jokainen koe on suoraan verrattavissa riippumatta siitä, mitä aine muuttaa. Ei ole väliä, vaihtaako agentti mallikokoa, eräkokoa vai koko arkkitehtuuria. Saat 5 minuuttia ja siinä kaikki. Se suoritti 83 koetta itsenäisesti. Vain 15 paransi mallia. Se on noin 18 % osumaprosentti. Suunnilleen sama kuin ihmisen koneoppimistutkija, joka yrittää asioita manuaalisesti. Pisteytysmetriikka on val_bpb (validointibitit per tavu). Se ei riipu tokenisoijan valinnasta tai sanaston koosta. Se on ainoa reilu tapa verrata, kun agentti vaihtaa arkkitehtuuria suoritusten välillä. Voit odottaa noin 12 koetta tunnissa. Noin 100 koetta yön aikana. Testattu yhdellä NVIDIA H100:lla, jossa käytettiin Python 3.10+ -versiota MIT-lisenssillä. Ei hajautettua koulutusta eikä monimutkaisia konfiguraatioita. Ainoa riippuvuus on PyTorch. Karpathy ilmaisi asian parhaiten: "Eräänä päivänä rajaseudun tekoälytutkimusta tehtiin lihatietokoneilla syömisen, nukkumisen, muun hauskanpidon ja silloin tällöin synkronoinnin välissä ääniaaltojen yhdistämisen avulla ryhmäkokouksen rituaalissa. Se aikakausi on kaukana ohi."