Плагин Claude Code, который заменяет резюме компактного представления решениями Jev, оценивая каждый вызов инструмента и результат в одном быстром запросе, при этом удаляя или обрезая устаревшие данные и оставляя все остальные данные без изменений.
График появится после повторных замеров. Текущий показатель уже получен из источника.
6 519 звёзд GitHubТолько реальные замеры. История до подключения источника не восстанавливается.
Полезен для эффективного управления и обновления резюме вызовов инструментов в одном запросе, обеспечивая сохранение только актуальных данных.
Claude Opus 5.5 - новая версия серии крупных языковых моделей Claude, разработанная Anthropic. Модель размещена на GitHub, что указывает на открытые исходные коды для исследований и разработки.
вчераLessWrongСтатья утверждает, что большие языковые модели (LLM) хорошо справляются с математикой и программированием не потому, что эти задачи легко проверить, а потому, что их данные для предварительного обучения содержат высококачественную и точную информацию. В математике большинство литературы верно, позволяя LLM имитировать точные рассуждения. Аналогично, код в интернете часто работает как ожидается, позволяя LLM генерировать рабочий код через имитацию. Однако проблемы, такие как ошибки или неэффективность, требуют дополнительного обучения или усиления с помощью подкрепления.
5 дней назадLessWrongТекст обсуждает концепцию 'Mech Interp' как проверяемую задачу, фокусируясь на замене частей слоев MLP алгоритмами для проверки потерь восстановления. Вводится идея фронтиера ПARETO, балансирующего качество восстановления с простотой, и предполагается, что идеальное разложение модели должно привести к минимальным, извлекаемым и удаляемым цепям с четкими причинно-следственными связями. Цель — определить 'простоту' в терминах количества узлов и ребер в структуре модели.
позавчераLobstersСтатья посвящена возрождению языка программирования Vale(n), акцентируя внимание на инициативе 'Золотой гвоздь', направленной на возобновление её разработки и использования.
6 дней назадLessWrongСтатья обсуждает проблемы регулирования тренировки ИИ с помощью ограничений FLOP, подчеркивая, что техники, такие как последовательное связывание или агрегирование тренировочных запусков, могут обойти эти ограничения. Она предполагает, что механизмы проверки могут столкнуться с трудностями в предотвращении таких методов, что затрудняет соблюдение регулирования на основе FLOP.
позавчераShow HNJevBench — это тест для типизированных моделей решений, оценивающий точность, задержку и стоимость. Пользователи могут настраивать веса и сравнивать модели, такие как Jev, SemIf и djev, с оценками до 74.4.
вчера