Saya akan mengakui bahwa saya memiliki misi yang sangat spesifik dalam pikiran dengan proyek ini. Peluncuran beta pribadi semi-kabur adalah bagian darinya. serangkaian tugas yang kami cari adalah bagian darinya. hadiah GPU adalah bagian darinya. Kotoran adalah bagian darinya. podcast adalah bagian darinya. Mindshare sangat penting di sini. izinkan saya menjelaskan. saat ini, banyak diskusi seputar lingkungan RL difokuskan pada gelombang baru startup yang model bisnisnya membangun dan menjual lingkungan ke sejumlah kecil laboratorium besar secara eksklusif. Mekanisasi adalah yang paling keras, tetapi ada beberapa di antaranya. Alih-alih menghabiskan sampel dan anotasi penyetelan instruksi, laboratorium sangat ingin membeli lingkungan pribadi sebagai sumber daya habis pakai besar berikutnya untuk pelatihan model. Fenomena ini merupakan risiko serius terhadap prospek model sumber terbuka yang tetap kompetitif, serta peluang besar untuk mengubah skala jika kita dapat menggeser pusat gravitasi. Jika lingkungan yang baik semuanya mahal dan tersembunyi, model sumber terbuka akan semakin tertinggal. Ini pada dasarnya adalah apa yang terjadi dengan data prapelatihan. Tetapi jika ekosistem perkakas sumber terbuka yang cukup kuat untuk lingkungan dan pelatihan dapat muncul, maka opsi sumber terbuka juga bisa menjadi yang canggih. Ini kurang lebih apa yang terjadi dengan Pytorch. Memiringkan timbangan di sini adalah tujuan saya. tujuan kami. Saya bergabung dengan Prime Intellect karena semua orang sangat berbakat, sangat serius tentang misi AGI open-source untuk semua orang dan tidak takut untuk mengatakannya, dan karena tim memiliki keunggulan struktural tunggal yang berarti kami benar-benar dapat mengambil beberapa ayunan nyata. Kami menjual komputasi. Kami membangun infra untuk meningkatkan apa yang dapat Anda lakukan dengan komputasi itu. Kami melakukan penelitian tentang bagaimana membuat komputasi itu saling beroperasi dengan cara baru. Kami melatih model yang lebih besar dan lebih baik. Kami memiliki insentif yang tepat untuk melakukan pekerjaan keras yang diperlukan. Potongan-potongan ini semuanya terhubung. Kita tidak bisa melakukannya sendiri. tidak ada yang bisa. itu akan membutuhkan startup dan perusahaan serta mahasiswa dan profesor di seluruh dunia. Open Research saat ini tidak memiliki alat untuk mempelajari pertanyaan yang dianggap paling penting untuk kemajuan masa depan oleh laboratorium besar. Kita harus menemukan cara untuk membangun alat-alat itu. Kami mencoba membuatnya lebih mudah. Kita semua harus menjadi lebih baik dalam bekerja sama, tidak menemukan kembali roda, dalam merakit potongan-potongan individu menjadi teka-teki yang lebih besar. Mari kita ambil apa yang telah kita lakukan secara kolektif sejauh ini, bersihkan, buat bekerja sama, bawa lebih banyak orang ke tenda, dan mulai memainkan lebih banyak permainan dengan jumlah positif. jika kita tidak dapat menemukan cara yang lebih baik untuk bekerja sama, kita menuju masa depan AI di mana kita secara kolektif hanya *tidak tahu apa itu model-model ini*, karena tirai tidak pernah diangkat, dan semua yang benar-benar dapat kita lihat hanyalah mainan. Ada berbagai jenis perusahaan yang dapat Anda bangun di ruang ini; yang masih memungkinkan Anda menjual ke laboratorium besar, tetapi tidak secara eksklusif; yang masih memungkinkan Anda memiliki parit rahasia dagang dan mencetak ARR manis, tetapi tidak membuat kami secara kolektif kurang terinformasi tentang masa depan yang sedang kami bangun. basis browser. Kursor. exa. modal. dan banyak lainnya. Mari kita lakukan lebih banyak dari ini. Anda dapat membangun perusahaan yang hebat dengan membuat alat dan harness yang canggih untuk agen yang mencerminkan tugas-tugas bernilai tinggi yang benar-benar ingin dilakukan oleh model. memiliki elemen yang terbuka untuk dicoba dengan bebas, dan elemen yang dihosting di belakang API. Isi daya berdasarkan penggunaan dengan beberapa fitur perusahaan premium. Bangun klon excel berbentuk LLM terbaik, atau klon figma, atau klon turbotax. Ubah cukup untuk menghindari tuntutan hukum, dan kemudian biarkan pelanggan pribadi melihat versi yang lebih kuat untuk gugatan. Nikmati persaingan yang sehat di arena, dan temukan cara untuk bermitra di tempat yang penting. temukan sudut pandang Anda dan jadilah sangat baik sehingga Anda dapat menjual kepada semua orang, baik untuk RL atau untuk penggunaan aktual. mencapai massa kritis dan sangat terjangkau sehingga tidak ada gunanya bagi siapa pun untuk mencoba dan membangun kembali apa yang telah Anda buat. Ini adalah garis waktu yang saya harap kita berakhir. Ini adalah dunia di mana laboratorium besar masih dapat melakukannya dengan baik, dan kemungkinan akan menawarkan cara termudah untuk menghabiskan sedikit lebih banyak untuk meningkatkan kinerja umum. tetapi ini juga salah satu di mana model sumber terbuka tidak jauh di belakang, dan setiap orang yang cukup peduli pada dasarnya dapat melihat apa yang terjadi dan memahami bagaimana model yang kita gunakan benar-benar dilatih. Jika Anda berpikir untuk memulai atau bergabung dengan perusahaan yang berfokus pada lingkungan RL, saya mendorong Anda untuk memikirkan garis waktu mana yang secara implisit Anda pertaruhkan, dan merenungkan bagaimana perasaan Anda tentang itu.

Memperkenalkan juara UFA 2025 Anda Kemuliaan Boston

Bersemangat untuk berbagi beberapa berita besar hari ini! @stakedhype telah diakuisisi oleh @ValantisLabs. Kemitraan kami yang ada di sekitar STEX sangat luar biasa - tidak ada tim yang lebih baik untuk diajak bekerja sama! Kami tidak sabar untuk melihat visi integrasi vertikal mereka menjadi kenyataan. ⚡

1/ Memperkenalkan backend baru RL Swarm: GenRL. Pustaka pembelajaran penguatan modular yang dibangun untuk pelatihan yang terdistribusi dan toleran terhadap kesalahan - sekarang memberi daya pada RL Swarm dari bawah ke atas. 🧵