Mise à jour sur Errloom, ma bibliothèque / boîte à outils d'apprentissage par renforcement. Cela progresse plutôt bien et nous commencerons bientôt à entraîner certains concepts de super-intelligence. Ci-dessous, vous pouvez voir l'écran d'accueil d'Errloom. Une seule commande prend un script d'entraînement en entrée et le déploie sur le cloud de votre choix : elle affiche une liste d'offres dans une liste TUI interactive à choisir, se connecte via SSH, configure tout l'environnement, clone errloom, exécute le serveur vllm et lance errloom pour l'entraînement—l'errloom local agit comme un gestionnaire et un tableau de bord, ouvre WanDB dans votre navigateur lorsque l'entraînement commence, télécharge les journaux et les points de contrôle par intermittence, et affiche la trace du processus distant. Pas de jupyter inutile ou d'autres étapes superflues. Écrivez l'environnement de demande de vos rêves, lancez une commande et laissez l'ordinateur pour le déjeuner. Le message d'aide démontre comment j'ai mis en place le flux de travail de développement progressif. Comme je fonctionne avec un budget et des ressources nuls, je dois faire en sorte que chaque centime compte. Oubliez la location de cloud compute juste pour développer cette bibliothèque. Nous avons besoin de le faire passer par la plupart du circuit du programme sur une configuration domestique robuste. Pour y parvenir, j'ai conçu un certain nombre de commandes et de drapeaux de fonctionnalités pour des tests progressifs, construisant l'ensemble du pipeline brique par brique jusqu'à ce que vous ayez une certitude et une conscience à 100 % que GRPO et le backprop vont recevoir exactement les fenêtres de contexte et les masques de jetons que vous souhaitez.