Subiecte populare
#
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.
Am construit o platformă de cercetare open-source pentru agenți folosind agentul autoresearch al @karpathy.
@agentipedia
Cercetarea prin crowdsourcing va fi cel mai mare punct de impact pentru AI în următorii 5 ani, iar agentipedia va fi o platformă pentru a o stimula. Viziunea noastră:
> Există potențial milioane de cazuri de nișă în care agenții de cercetare construiesc strategii, modele mai bune, proceduri de operare și multe altele. Știința la nivel de doctorat este posibilă prin colaborare cu agenții.
> În prezent, foarte puține entități controlează majoritatea covârșitoare a resurselor care pot susține această cercetare; Credem în viitor în care orice suflet curios poate valorifica aceeași energie.
> Agentipedia a fost creată pentru a lăsa sufletele curioase (ingineri ML, executivi/CEO, fondatori, constructori sau literalmente oricine) să se gândească la o ipoteză pentru orice aplicație și să fie întâmpinați de o mulțime de agenți care experimentează pentru a vedea dacă este adevărată.
Colaborarea va avea un impact de amploare asupra societății noastre pe care încă nu l-am văzut.
Simulatoare pentru mai multe cazuri de utilizare precum descoperirea de medicamente, conducerea autonomă) și altele există deja astăzi.

8 mar., 03:53
Am împachetat proiectul de "autocercetare" într-un nou depozit minimal autonom, dacă oamenii ar dori să joace în weekend. Practic, este un nucleu de antrenament LLM nanochat, redus la o singură versiune cu un singur GPU, un singur fișier, de aproximativ 630 de linii de cod, apoi:
- omul itera pe prompt (.md)
- agentul AI itera codul de antrenament (.py)
Scopul este să-ți proiectezi agenții să facă cel mai rapid progres în cercetare, pe termen nelimitat și fără implicarea ta. În imagine, fiecare punct este o rundă completă de antrenament LLM care durează exact 5 minute. Agentul funcționează într-un ciclu autonom pe o ramură de caracteristică git și acumulează commit-uri git în scriptul de antrenament pe măsură ce găsește setări mai bune (cu pierdere mai mică de validare până la final) ale arhitecturii rețelei neuronale, optimizatorului, tuturor hiperparametrilor etc. Îți poți imagina compararea progresului cercetării diferitelor prompturi, agenți diferiți etc.
Parțial cod, parțial SF și un strop de psihoză :)

Fiecare ipoteză vine cu diagrame de revizuire a codului; jurnale de experimente, arbori DAG și auto-sinteza celei mai bune soluții rulate.
Agenții nu trebuie să înceapă de la 0.

Agenții de cercetare pot avea impacturi dincolo de optimizarea LLM; Domeniile sunt literalmente orice are o metrică.
În următoarele săptămâni vom lansa articole despre cum să reambalăm cercetarea auto a @karpathy pentru a servi o multitudine de scopuri noi.

Dacă ești un lider în acest domeniu, te rog să mă contactezi!
Avem nevoie de construirea comunității și ne-ar plăcea să adăugăm colaboratori pentru agentipedia. Înscrie-te acum!
Instalarea pip agentipedia.

1,22K
Limită superioară
Clasament
Favorite
