Aktualizacja statusu dotycząca Errloom, mojej biblioteki / zestawu narzędzi do uczenia przez wzmocnienie. Postępuje to całkiem dobrze i wkrótce zaczniemy trenować niektóre koncepcje superinteligencji. Na poniższym obrazku znajduje się ekran główny Errloom. Jedno polecenie przyjmuje skrypt treningowy i wdraża go na chmurze obliczeniowej według twojego wyboru: wyświetla listę ofert w interaktywnej liście TUI do wyboru, łączy się przez SSH, ustawia całe środowisko, klonuje errloom, uruchamia serwer vllm i uruchamia errloom do treningu — lokalny errloom działa jako menedżer i pulpit nawigacyjny, otwiera WanDB w twojej przeglądarce, gdy trening się zaczyna, pobiera logi i punkty kontrolne w regularnych odstępach czasu oraz wyświetla ślad procesu zdalnego. Żadne niepotrzebne jupyter ani inne zbędne kroki. Napisz środowisko do podpowiedzi swoich marzeń, uruchom jedno polecenie i zostaw komputer na lunch. Wiadomość pomocnicza pokazuje, jak ustawiłem progresywny przepływ pracy w rozwoju. Ponieważ działam z zerowym budżetem i zasobami, muszę sprawić, by każda złotówka się liczyła. Zapomnij o wynajmowaniu chmury obliczeniowej tylko po to, aby rozwijać tę bibliotekę. Musimy przejść przez większość obwodu programu na mocnym domowym zestawie. Aby to osiągnąć, opracowałem szereg poleceń i flag funkcji do progresywnego testowania, budując cały pipeline cegła po cegle, aż będziesz miał pełną 100% pewność i świadomość, że GRPO i backprop otrzymają dokładnie te okna kontekstu i maski tokenów, których chcesz.