Actualizare de stare pe Errloom, biblioteca / setul meu de instrumente de învățare prin întărire. Se desfășoară destul de bine și vom începe în curând să antrenăm niște concepte de super-inteligență. În imaginea de mai jos este ecranul de pornire al lui Errloom. O singură comandă preia un script de antrenament de intrare și se implementează în cloud comput la alegere: afișează o listă de oferte într-o listă interactivă TUI de ales, se conectează prin SSH, configurează întregul mediu, clonează errloom, rulează serverul vllm și lansează errloom pentru a se antrena - errloom local acționează ca manager și tablou de bord, deschide WanDB în browser când începe instruirea, Descarcă jurnalele și punctele de control intermitent și afișează urmărirea procesului de la distanță. Fără jupyter inutil sau alți pași de prisos. Scrie mediul de îndemn al visurilor tale, trage o comandă și părăsește computerul pentru prânz. Mesajul de ajutor demonstrează cum am configurat fluxul de lucru de dezvoltare progresivă. Din moment ce operez cu buget și resurse zero, trebuie să fac ca fiecare bănuț să conteze. Uitați de închirierea cloude compute doar pentru a dezvolta această bibliotecă. Avem nevoie de el pentru a parcurge cea mai mare parte a circuitului de programe pe o configurație de acasă robustă. Pentru a realiza acest lucru, am conceput o serie de comenzi și steaguri de caracteristici pentru testarea progresivă, construind întreaga conductă cărămidă cu cărămidă până când aveți o certitudine completă de 100% și conștientizarea faptului că GRPO și backprop vor primi exact ferestrele de context și măștile de token pe care le doriți.