@chlodna_kalkulacja: to, że potrafie napisać model językowy w gołym pythonie. Wcześniej też mniej więcej umiałem, ale nie wszystko i nie tak dokładnie. Wiedza co jest pod spodem jest niesamowicie wazna bo bez niej trudno jest robić np research, dobierac modele pod zadania itd
@JamesJoyce: #gruparatowaniapoziomu, bo ostatnim czasem mało tutaj merytorki na tagu i tylko trollowanie programistów. Naprawdę miło zobaczyć coś innego
Mordeczki chwalę się. Dostałem wstępne dwie pozywne opinie na grant do projektu o ktorym pisałem. Każda na zakup infry, po 150k. Zwrot 90% każdy. Ale będą gpu robić brum.
Hej, dla zainteresowanych, prawie skończyłem serię 8 notebooków o logikach nieklasycznych w komunikacji agentów AI, nad czym siedziałem trochę. Pokrótce co jest w środku.
Każda logika ma ręcznie napisany ewaluator (zero zewnętrznych bibliotek), scenariusz multi-agentowy i teraz też
Nick Land w latach 90. wpadł na pomysł, który do dziś irytuje połowę filozofów: kapitalizmu i technologii nie da się zatrzymać, więc po co próbować. Lepiej przyspieszyć i zobaczyć co jest po drugiej stronie. teza że lewicowy odruch “przejmiemy kontrolę i uregulujemy” jest złudzeniem. System już dawno przestał słuchać ludzi przy
@JamesJoyce: Sednem Landa jest konkluzja że system kapitalistyczny sam w sobie jest formą sztucznej inteligencji, algorytmem optymalizacji który tworzy określone środowisko. Kapitalizm/AI nie odbiera ci formalnej wolności wyboru, to nie jest system, który po prostu narzuca ludziom swoją wolę. System bierze ludzkie lęki, samotność, libido, ambicję, próżność, potrzebę komfortu, potrzebę bycia widzianym i robi z tego rynek na którym agenci, ludzcy czy nie-ludzcy bez znaczenia, konkurują o coraz skuteczniejsze formy
Dlaczego jedne państwa skutecznie przechodzą na system Linux, a inne szybko wracają do Windows? Migracja na Linuxa w administracji to temat pełen mitów. W tym podcaście analizuję udane wdrożenia open source (Francja, Hiszpania) i głośne porażki (Monachium, Oslo).
@JamesJoyce: Ale przecież ta publikacja jest chyba z 2025 z czerwca. Nie mówiąc że to było prawdopodobnie po to robione żeby wytłumaczyć akcjonariuszom dlaczego nie inwestują tak bardzo w AI. Kuriozalne jest też to że niby Ai jest srakie czy owakie ale dobili deal z Googlem na gemini ( ͡°͜ʖ͡°)
Modele AI potrafią zakodować swoje preferencje w pozornie losowych liczbach i przekazać je innym modelom podczas destylacji. Badanie opublikowane w Nature, prowadzone z udziałem dr Anny Sztyber-Betley z Politechniki Warszawskiej oraz badaczy Anthropic.
Badacze wysłali to samo CV do narzędzia rekrutacyjnego opartego na AI dwa razy. Te same kwalifikacje. To samo doświadczenie. Te same umiejętności. Jedna wersja była napisana przez prawdziwego człowieka. Druga została przepisana przez ChatGPT. AI wybrała wersję ChatGPT w 97,6% przypadków.
Udało im się wytrenować ogromny model językowy wyłącznie na typach danych liczb całkowitych. Surowa, podstawowa matematyka niskiego poziomu. Jeśli można trenować modele bezpośrednio na tanich i szybkich typach danych liczb całkowitych, których używają do wnioskowania, wymagania sprzętowe ulegają załamaniu. Wg ich paperu 100 razy szybciej.
We introduce Evolution Guided GeneRal Optimisation via Low-rank
@JamesJoyce: Trzeba by przeczytać, albo choćby obejrzeć podcast tego co przeczyta ;-) Trudno uwierzyć, że back-propagation zadziała na stałym przecinku - od zawsze jest przekonanie, że potrzebne są dokładne gradienty bo inaczej optymalizacja nie działa.
Pytanie jak jest to efektywne obliczeniowo. Bo nie sztuka uśredniać z wielu epok, żeby uzyskać rezultaty podobne co w jednej epoce tylko na
Hej, dla zainteresowanych, prawie skończyłem serię 8 notebooków o logikach nieklasycznych w komunikacji agentów AI, nad czym siedziałem trochę. Pokrótce co jest w środku.
Każda logika ma ręcznie napisany ewaluator (zero zewnętrznych bibliotek), scenariusz multi-agentowy i teraz też kontekst filozoficzny z otwartymi pytaniami.
@Majkel2008: ale tu nie chodzi o wydajność czy jakość, bo one są osobno walidowane. Albo nie tylko. Knowledge Packs arxiv.org/abs/2604.03270: RAG marnuje tokeny. Knowledge Packs to pre-komputowane KV cache'y które dostarczają tę samą wiedzę przy zerowym koszcie tokenów.
KV Cache injection zakłada że wiedza którą wstrzykujesz jest spójna. Jeśli nie jest, a w prawdziwych korpusach rzadko jest wstrzykujesz sprzeczność bezpośrednio do pamięci modelu bez żadnego mechanizmu jej obsługi. Model dostaje {T,F}
Analiza surowych plików JSONL sesji Claude Code z okresu 11 stycznia – 11 kwietnia 2026 r. pokazuje, że Anthropic najwyraźniej po cichu zmienił domyślny czas TTL bufora z 1 godziny na 5 minut na początku marca 2026 r. Przed tą zmianą Claude Code otrzymywał zapisy do bufora co 1 godzinę – co naszym
Hej, tym razem coś ciekawego z drugiej strony bitwy o to czy ejaj zastąpi programistów.
tldr Bennetta z b-list.org https://www.b-list.org/weblog/2026/apr/09/llms/ - warto przeczytać w całości ale skrót:
Bennett