Rip flat RAG ☠️ ByteDance tocmai a deschis OpenViking și scoate la iveală tot ce nu este în regulă cu modul în care am construit memoria agenților AI. Iată ce greșește fiecare framework de agenți: Amintirile trăiesc într-un singur loc. Resurse în altă parte. Abilități împrăștiate peste tot. Iar când ai nevoie de context, faci o căutare vectorială plată și speri la ce e mai bun. Asta e problema. OpenViking rezolvă totul cu o singură idee: tratează contextul agentului ca pe un sistem de fișiere. Totul trăiește sub un protocol viking:// unificat. Amintiri, resurse, abilități, toate organizate în directoare cu URI-uri unice. Agenții pot găsi și naviga contextul ca un dezvoltator care lucrează la un terminal. Dar adevărata descoperire este încărcarea pe trepte: → L0: rezumat de o propoziție pentru o căutare rapidă → L1: ~2k tokenuri de prezentare pentru deciziile de planificare → L2: detalii complete încărcate doar când este cu adevărat necesar Majoritatea agenților pun totul în context și se roagă. OpenViking încarcă doar ce este necesar, când este nevoie. Costurile jetoanelor scad. Acuratețea crește. Și recuperarea are de fapt sens acum. În loc de o singură căutare semantică plată, se face mai întâi poziționarea la nivel de director, apoi rafinarea recursivă în directoarele cu scoruri mari. Poți literalmente să urmărești traiectoria recuperării fără cutie neagră. Partea cu autoevoluția este și ea nebună. La sfârșitul fiecărei sesiuni, extrage automat învățăturile și actualizează memoria agentului și a utilizatorului. Agentul devine tot mai inteligent cu cât îl folosești. 9.000 de stele. 13 contributori. Construit de echipa ByteDance Viking, care rulează infrastructura vectorială din 2019. 100% opensource. Apache 2.0. Link în comentarii.

Cercetătorii MIT au arătat că "provocarea de autocritică" îmbunătățește răspunsurile AI. Folosesc tehnica lor de 3 luni și mi-a schimbat complet rezultatele. Iată 8 prompturi care fac ca ChatGPT să-și revizuiască și să-și îmbunătățească propria activitate:

Am găsit un depozit pe GitHub care este practic un fond de hedging într-un folder de marcaje. Se numește Awesome AI în Finanțe. Fiecare LLM, strategie de deep learning, cadru de tranzacționare și instrument de cercetare pe care lumea cantitativă l-a construit, sunt selectate într-un singur loc. → agenți de tranzacționare AI și motoare decizionale alimentate de LLM → Cadre Deep RL pentru acțiuni, criptomonede și HFT → Optimizarea portofoliului și bibliotecile de backtesting → Surse de date pentru piețele tradiționale și cripto → GPT-4 depășește analiștii financiari în ceea ce privește predicțiile privind câștigurile Un articol de aici a arătat că un algoritm de tranzacționare ChatGPT a oferit randamente de 500%. Un alt GPT-4 dovedit generează rapoarte Sharpe superioare față de analiștii umani. 100% opensource. Link în comentarii.