Errloom 的状态更新，我的强化学习库/工具包。进展相当不错，我们很快就会开始训练一些超智能的概念。下面是 Errloom 的主屏幕。 一个命令接受输入训练脚本并部署到您选择的云计算：显示一个交互式 TUI 列表供选择，通过 SSH 连接，设置整个环境，克隆 errloom，运行 vllm 服务器，并启动 errloom 进行训练——本地 errloom 充当管理器和仪表板，当训练开始时在您的浏览器中打开 WanDB，间歇性下载日志和检查点，并显示远程进程跟踪。没有不必要的 jupyter 或其他多余的步骤。编写您梦想中的提示环境，发出一个命令，然后离开电脑去吃午餐。 助手消息演示了我如何设置渐进式开发工作流程。由于我在零预算和资源的情况下运作，我需要让每一分钱都发挥作用。忘记租用云计算来开发这个库。我们需要它在强大的家庭设置中走过大部分程序电路。 为了实现这一点，我设计了一系列命令和功能标志用于渐进式测试，逐步构建整个管道，直到您对 GRPO 和反向传播将接收到您想要的上下文窗口和令牌掩码有 100% 的确定性和意识。