badanie zebranych prac programistycznych Simona Willisona

wybór "Dr." w rozwijanej liście tytułów, żeby poczuć coś

jestem wielkim fanem skracania kodu, aby był ładniejszy i bardziej wydajny jednocześnie ToolEnv potrzebował przeglądu

jedną z moich ulubionych części pracy w prime intellect jest możliwość wymyślania zabawnych nazw, gdy ktoś uruchamia nową instancję.

RL przeszedł od całkowitego braku działania do tak dobrego działania, że kod może mieć poważne błędy poprawności, a ty ich nie zauważasz, ponieważ po prostu działa.

jednego z tych dni zacznę łączyć commity, ale dzisiaj nie jest ten dzień

Szkoda, że kończą nam się dane internetowe, ponieważ wszyscy wspólnie przestali dodawać nową treść do internetu.

ChatGPT powinien mieć duży zielony przełącznik z napisem "Tryb Syco"

Przepis na post-trening Qwen3 1.7B w modelu DeepResearch Co to znaczy, że coś małego myśli głęboko? Poznaj Lucy, post-trenowany model Qwen3-1.7B jako model DeepResearch oparty na weryfikatorach @willccbb. Podstawowe nagrody oparte na regułach: - Poprawność odpowiedzi Sprawdzamy, czy ostateczna odpowiedź dosłownie zawiera prawdziwą odpowiedź. To dopasowanie podciągu jest tanie i unika wywoływania większego sędziującego LLM. - Stosunek wizyt/wyszukiwań Jeśli agent odwiedza co najmniej tyle stron, ile wydaje zapytań wyszukiwania, otrzymuje ((visit_search_ratio - 1) / 4) ** 0.25. Jeśli wyszukuje więcej niż odwiedza, wynik wynosi -0.5. Format / Nagrody przeciwko oszustwom: - Sukces wykonania narzędzia Każde wywołanie API, które zwraca wynik bez błędu, się liczy. Nagroda to (successful_calls * unique_tools_used) / total_call_attempts. - Efektywność myślenia Kara w postaci rozkładu skośnego, skoncentrowana na 70 tokenach, zniechęca do niekończącego się łańcucha myślenia między wywołaniami narzędzi, jednocześnie pozwalając na wystarczającą liczbę tokenów na planowanie. W ten sposób Qwen3 1.7B nauczył się wyszukiwać, odwiedzać i syntetyzować informacje. Małe modele również mogą prowadzić głębokie badania!

jeśli model używa kilku sekwencyjnych wywołań narzędzi przeplatanych rozumowaniem w łańcuchu myślenia, aby odpowiedzieć na jedno pytanie, to jest to: