Pembaruan status di Errloom, perpustakaan / toolkit pembelajaran penguatan saya. Ini datang dengan cukup baik dan kami akan segera mulai melatih beberapa konsep kecerdasan super. Gambar di bawah ini adalah layar beranda Errloom. Satu perintah mengambil skrip pelatihan input dan menyebarkan ke komputasi cloud pilihan Anda: menampilkan daftar penawaran dalam daftar TUI interaktif untuk dipilih, terhubung melalui SSH, menyiapkan seluruh lingkungan, mengkloning errloom, menjalankan server vllm, dan meluncurkan errloom untuk berlatih—errloom lokal bertindak sebagai manajer & dasbor, membuka WanDB di browser Anda saat pelatihan dimulai, mengunduh log dan pos pemeriksaan sebentar-sebentar, dan menampilkan pelacakan proses jarak jauh. Tidak ada jupyter yang tidak perlu atau langkah berlebihan lainnya. Tulis lingkungan yang membidik impian Anda, tembakkan satu perintah dan tinggalkan komputer untuk makan siang. Pesan pembantu menunjukkan bagaimana saya telah menyiapkan alur kerja pengembangan progresif. Karena saya beroperasi tanpa anggaran dan sumber daya, saya perlu membuat setiap sen diperhitungkan. Lupakan menyewa komputasi cloud hanya untuk mengembangkan perpustakaan ini. Kami membutuhkannya untuk berjalan melalui sebagian besar sirkuit program pada pengaturan rumah yang gemuk. Untuk mencapai hal ini, saya telah merancang sejumlah perintah dan bendera fitur untuk pengujian progresif, membangun seluruh pipa bata demi bata sampai Anda memiliki kepastian dan kesadaran 100% penuh bahwa GRPO dan backprop akan menerima jendela konteks dan topeng token yang Anda inginkan.