mempelajari karya perangkat lunak Simon Willison yang dikumpulkan

memilih "Dr." di dropdown judul hanya untuk merasakan sesuatu

Penggemar berat membuat kode lebih pendek dan lebih cantik dan lebih kuat pada saat yang bersamaan ToolEnv membutuhkan perombakan

Salah satu bagian favorit saya bekerja di Prime Intellect adalah memilih nama konyol setiap kali seseorang meluncurkan instance baru

RL berubah dari tidak berfungsi sama sekali menjadi bekerja dengan sangat baik sehingga kode dapat memiliki bug kebenaran besar dan Anda tidak menyadarinya karena masih berfungsi

Suatu hari ini saya akan mulai melakukan squashing tetapi hari ini bukan hari itu

Sangat disayangkan bahwa kita kehabisan data internet karena semua orang secara kolektif berhenti menempatkan konten baru ke internet

ChatGPT harus memiliki sakelar hijau besar yang bertuliskan "Mode Syco"

Resep untuk pasca-melatih Qwen3 1.7B ke dalam model DeepResearch Apa artinya sesuatu yang kecil berpikir secara mendalam? Temui Lucy, Qwen3-1.7B pasca-terlatih sebagai model DeepResearch berdasarkan verifikator @willccbb. Hadiah Berbasis Aturan Utama: - Kebenaran jawaban Kami memeriksa apakah respons akhir secara harfiah berisi jawaban kebenaran dasar. Kecocokan substring ini murah dan menghindari memanggil juri LLM yang lebih besar. - Rasio kunjungan/pencarian Jika agen mengunjungi setidaknya halaman sebanyak yang mengeluarkan kueri pencarian, agen akan menerima ((visit_search_ratio - 1) / 4) ** 0,25. Jika mencari lebih banyak daripada yang dikunjungi, skornya adalah -0,5. Format / Hadiah Anti Peretasan Hadiah: - Keberhasilan eksekusi alat Setiap panggilan API yang dikembalikan tanpa kesalahan dihitung. Hadiahnya adalah (successful_calls * unique_tools_used) / total_call_attempts. - Efisiensi berpikir Penalti skew-normal yang berpusat pada 70 token mencegah rantai pemikiran tanpa akhir antara pemanggilan alat sambil tetap memungkinkan token yang cukup untuk perencanaan. Beginilah cara Qwen3 1.7B belajar mencari, mengunjungi, dan mensintesis informasi. Model kecil juga dapat melakukan penelitian mendalam!

Jika model menggunakan beberapa panggilan alat berurutan yang diselingi dengan penalaran rantai pemikiran untuk menjawab satu pertanyaan, ini adalah: