Оновлення статусу на Errloom, моїй бібліотеці / інструментарію навчання з підкріпленням. Це відбувається досить добре, і ми скоро почнемо тренувати деякі поняття суперінтелекту. На фото нижче – головний екран Errloom. Одна команда приймає вхідний сценарій навчання та розгортається в хмарних обчисленнях за вашим вибором: відображає список пропозицій в інтерактивному списку TUI на вибір, підключається через SSH, налаштовує все середовище, клонує помилку, запускає сервер vllm і запускає errloom для навчання — локальний errloom діє як менеджер і панель керування, відкриває WanDB у вашому браузері, коли починається навчання, Періодично завантажує журнали та контрольні точки, а також відображає віддалене відстеження процесів. Ніякого зайвого юпітера та інших зайвих кроків. Напишіть підказку оточення своєї мрії, випустіть одну команду і залиште комп'ютер на обід. Допоміжне повідомлення демонструє, як я налаштував робочий процес прогресивної розробки. Оскільки я працюю без бюджету та ресурсів, мені потрібно зробити так, щоб кожна копійка була на рахунку. Забудьте про оренду хмарних обчислень лише для розробки цієї бібліотеки. Він нам потрібен, щоб пройти більшу частину програмного ланцюга на потужній домашній установці. Щоб досягти цього, я розробив ряд команд і прапорців функцій для прогресивного тестування, будуючи весь пайплайн цеглинка за цеглинкою, поки ви не отримаєте повну 100% впевненість і усвідомлення того, що GRPO і backprop отримають саме ті контекстні вікна і маски токенів, які вам потрібні.