KevinSimback

وضع LLM كحكم هو أبسط وأسهل طريقة لإنشاء حلقة
1. قم بفعل الشيء الذي تقوم به بالفعل عن طريق مطالبة الذكاء الاصطناعي
2. استخدم نموذجًا آخر لتقييم المخرجات وإعطائها تغذية راجعة
3. كرر حتى يرضى الطرفان
شاهد المخرجات النهائية فقط بعد اكتمال الحلقة
نظرًا لأنك تستخدم LLM كحكم، فهذا أفضل بشكل عام للمهام غير الحتمية مثل البحث والتصميم وبناء المواصفات، إلخ.
استخدام Looper للقيام بذلك سيجعله سهلًا جدًا من خلال تحسين طلبك (prompt) للحصول على حلقة أفضل البناء، وإضافة الحكم، وتحديد معايير الخروج حتى لا تشغل تكرارات غير ضرورية
الآن مع 500+ ⭐️

ناتج عن اضطراب ما بعد الصدمة، إذا كنت تعلم فأنت تعلم

غادرت إيطاليا للتو وسط موجة الحر هذه، لا أفهم حقًا لماذا هناك جدل حول المكيفات
الجميع حرفيًا - بما فيهم السكان المحليون - يشكون
الاختناق داخل المنزل يجعل الناس سريعي الانفعال، قم بتركيب المكيف أخيرًا

إذا لم تكن من الولايات المتحدة أو الصين، لا أدري كيف تجلس وتصبح معتمدًا عليهم للحصول على الذكاء الذي سيحدد المستقبل
كنت ستظن أن يكون من الأولويات الوطنية وضع استراتيجية هنا
بالطبع، الأمر أسهل قولاً من فعلاً - أنت بحاجة إلى أموال كبيرة وموهبة للمنافسة مع مختبرات الحدود
أبسط خطوة أولى هي بناء مراكز بيانات سيادية واستضافة نماذج الأوزان المفتوحة أو النسخ المدربة بعد التدريب - على الأقل تمتلك نوعًا من الذكاء
يبدو أن الإمارات والسعودية تسيران في هذا الطريق وتقومان بخطوات نحو التدريب
أكثر خطوة تأثيرًا تالية ستكون التركيز على التدريب اللامركزي
إذا لم تتمكن من بناء مجموعة قادرة على تدريب نم

إذا كنت تقوم بالتدقيق على شركة ناشئة جديدة، فستحتاج الآن إلى تقييم مدى "طبيعتها في الذكاء الاصطناعي" بجانب الفريق، المنتج والسوق
لماذا؟ إذا لم يكونوا في طليعة استخدام الذكاء الاصطناعي، فإن ذلك يعرضهم لخطر عدم التنفيذ بسرعة كافية
ليس فلتر رفض صارم، لكنه إشارة - إليك بعض العلامات المبكرة:
1. هل أعطوك ملف .md، بجانب عرض تقديمي، يمكنك إطعامه لنموذج اللغة الخاص بك؟
2. هل بنوا عرض تقديمي تفاعلي بتنسيق HTML أم أرسلوا فقط ملف PDF/مستند؟
3. هل يتحدثون عن مهارات مملوكة، بيانات، تقييمات أو طرق يستخدمونها لبناء منتجهم؟
4. هل يطلقون تحديثات منتج مهمة بين الاجتماعات؟
ليست قائمة شاملة، فقط بعض

إذا كنت تتدقيق في شركة ناشئة جديدة، فستحتاج الآن إلى تقييم مدى "طبيعتها في الذكاء الاصطناعي" بجانب الفريق، المنتج والسوق
لماذا؟ إذا لم يكونوا في طليعة استخدام الذكاء الاصطناعي، فإن ذلك يعرضهم لخطر عدم التنفيذ بسرعة كافية
ليس فاصلًا صارمًا، لكنه إشارة - إليك بعض العلامات المبكرة:
1. هل أعطوك ملف .md، بجانب عرض تقديمي، يمكنك إطعامه لنموذج اللغة الخاص بك؟
2. هل بنوا عرض تقديمي تفاعلي بتنسيق HTML أم أرسلوا فقط ملف PDF/مستند؟
3. هل يتحدثون عن مهارات مملوكة، بيانات، تقييمات أو طرق يستخدمونها لبناء منتجهم؟
4. هل يطلقون تحديثات مهمة للمنتج بين الاجتماعات؟
ليست قائمة شاملة، فقط بعض العلام

احزر لي هذا:
ماذا يحدث عندما يصدر GLM-6 ويحتوي على قدرات فابل/ميثوس؟
ليس الأمر مسألة إذا، بل متى
وفهم السيناريوهات والتداعيات أمر في غاية الأهمية

مشكلة كبيرة مع العملات الرقمية الآن هي أنه يتعين عليك افتراض أن كل مشروع رمز جديد سيقوم بالاحتيال، سواء عن قصد أو بدون قصد
لكن لكي تعمل الذكاء الاصطناعي اللامركزي، تحتاج إلى آليات تنسيق وبعض الرموز تكون أكثر منطقية
كيف نوفق بين هذا؟

ميتا بدأت تبدو وكأنها أكبر هدف ذاتي في عصر الذكاء الاصطناعي

جاءت وذهبت حكاية - هل كانت جيدة؟
تم إصدار GLM 5.2 للتو - هل هو جيد؟
سيجيب معظم الناس بشكل قصصي، لكن يجب علينا جميعًا إنشاء تقييماتنا الشخصية
اختر بعض سير العمل المنظم الذي تقوم به بشكل شائع، وابنِ مجموعة تقييم، ثم قم بتشغيلها مع أي نموذج جديد كمهمة أولى

مشكلة استنتاج المستهلك:
أرى الكثير من مشاريع استنتاج المستهلك الموجهة لمعالجة التكلفة العالية لواجهات برمجة التطبيقات المتطورة
تختلف الطرق، لكن الفرضية هي تقديم استنتاج أرخص مقابل المجمّعات مثل OpenRouter
التحدي هنا هو مسألة التوقيت
اليوم، يحصل المستهلكون على ذكاء اصطناعي متطور مدعوم بشكل كبير
هناك العديد من الخيارات للمستهلكين للحصول على خطط استنتاج SOTA تبدأ من 10 دولارات وخطط 200 دولار شهريًا تقدم كمية هائلة من الاستخدام
لا يوجد طلب كبير من المستهلكين على استنتاج API حسب الدفع عند الاستخدام نظرًا لوجود هذه الخطط الفرعية
*الشركات والمؤسسات هي قصة مختلفة
لذا فإن الافتراض الرئيسي لهذه المشاريع

يجب أن يكون الرقم 1 أولوية لصناعة الذكاء الاصطناعي بأكملها الآن هو تطوير النماذج المفتوحة المصدر الأمريكية
لا يوجد سبب لعدم تساوي الولايات المتحدة مع أو تجاوز النماذج المفتوحة المصدر القادمة من الصين