Актуальные темы
#
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.
Мы создали открытую исследовательскую платформу для агентов, использующих автопоисковый агент @karpathy.
@agentipedia
Исследования, основанные на краудсорсинге, станут самым значительным фактором влияния на ИИ в следующие 5 лет, и agentipedia будет платформой для его продвижения. Наша визия:
> Потенциально существует миллионы нишевых случаев использования исследовательских агентов для создания стратегий, лучших моделей, операционных процедур и многого другого. Научные исследования на уровне PhD возможны благодаря сотрудничеству агентов.
> В настоящее время очень немногие организации контролируют подавляющее большинство ресурсов, которые могут поддерживать это исследование; мы верим в будущее, где любой любопытный человек сможет использовать ту же энергию.
> Agentipedia была создана, чтобы позволить любопытным душам (инженерам по машинному обучению, руководителям/генеральным директорам, основателям, строителям или буквально любому) придумать гипотезу для любого приложения и встретиться с роями агентов, экспериментирующих, чтобы проверить, так ли это.
Сотрудничество приведет к масштабному влиянию на наше общество, которого мы еще не видели.
Симуляторы для нескольких случаев использования, таких как (открытие лекарств, автономное вождение) и других, уже существуют сегодня.

8 мар., 03:53
Я упаковал проект "autoresearch" в новый самодостаточный минимальный репозиторий, если кто-то хочет поиграть в выходные. Это, по сути, ядро обучения LLM nanochat, упрощенное до версии на одном GPU, состоящей из одного файла примерно на 630 строк кода, затем:
- человек работает над подсказкой (.md)
- агент ИИ работает над кодом обучения (.py)
Цель состоит в том, чтобы разработать ваших агентов для достижения самой быстрой исследовательской прогрессии бесконечно и без вашего участия. На изображении каждая точка — это завершенный запуск обучения LLM, который длится ровно 5 минут. Агент работает в автономном цикле на ветке git и накапливает коммиты git к скрипту обучения, когда находит лучшие настройки (с меньшей валидационной потерей к концу) архитектуры нейронной сети, оптимизатора, всех гиперпараметров и т. д. Вы можете представить себе сравнение исследовательского прогресса различных подсказок, различных агентов и т. д.
Часть кода, часть научной фантастики и щепотка психоза :)

Каждая гипотеза, запуск сопровождается графиками кода, журналами экспериментов, деревьями DAG и автоматическим синтезом наилучшего решения.
Агенты не обязаны начинать с 0.

Агенты исследования могут оказывать влияние не только на оптимизацию LLM; области применения буквально любые, где есть метрика.
В течение следующих нескольких недель мы будем публиковать статьи о том, как именно переработать автоисследование @karpathy для множества новых целей.

Если вы являетесь лидером в этой области, пожалуйста, свяжитесь с нами!
Нам нужно строить сообщество, и мы будем рады добавить сотрудников для agentipedia. Зарегистрируйтесь сейчас!
pip install agentipedia .

1,33K
Топ
Рейтинг
Избранное
