donalejd
donalejd
  • 0
Mireczki, jako java dev zajmująca się powtarzalnym taskami, chcę w wolnej chwili poświęcić trochę czasu na edukację z AI.

Przyznam, że zostałam turbo w tyle, tak mi się wydaje. Jedyne co, to korzystam z chata i gemini na bieżąco do wielu rzeczy, nie tylko w pracy. Ale mało co wiem na ten temat. LLM, jacyś agenci AI, GenAI, machine learning, jak to w środku działa itp itd. Nie ukrywam też, że chciałabym
  • 3
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
tylkosieturozgladam
tylkosieturozgladam
  • 0
Jeśli jesteś pewna, że chcesz wiedzieć jak to działa od środka to wpisujesz na YouTube „Karpathy micrograd” i pierwszy filmik z góry. Albo to polubisz albo się szybko poddasz. A co do pracy z LLM to najprościej założyć sobie konto na OpenAI, ogarnąć API Key i zaczac eksperymentować oraz czytać dokumentację
  • Odpowiedz
JamesJoyce
  • 9
#sztucznainteligencja #programowanje #programista25k #programista15k #it

Czołem Mirki, piszę teraz dłuższy artykuł i pomyślałem, że jego fragment może być dla niektórych ciekawy. Całość przetłumaczona lamami.

Ostatnie badania wyjaśniają dlaczego asystenty AI czasem generują syf. Problem nazywa się sycophancy - modele zgadzają się z użytkownikiem zamiast mówić prawdę.

Badania
  • 10
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
tylkosieturozgladam
tylkosieturozgladam
  • 0
@JamesJoyce ciekawostka z innej beczki: robiliśmy zespołem ewaluacje LLM w formie LLM-as-a-judge. Im większy reasoning ustawialiśmy tym model przychylniej siebie oceniał (trafność odpowiedzi). Z kolei thinking ustawiony na low skutkował większą samokrytyką. Próbka: ok. 200 promptow.

Myślę, że to może mieć też coś wspólnego z „robieniem dobrze” userowi
  • Odpowiedz
JamesJoyce
  • 8
#programowanie #programista15k #sztucznainteligencja #chatgpt

Jako osoba pracująca w AI około 9 lat przyznaję, że najprawdopodobniej jesteśmy tuż przed kolejną „zimą AI”. Aktualna bańka oparta na llmach zaczyna pękać, bo modele nie dowożą tego, co obiecywali marketingowcy. 70, 80 czy 90% ról „White collar jobs” nie zostanie zredukowane w ciągu najbliższych 2 lat. Firmy przeinwestowały budżety i niedługo zaczną robić korekty.
  • 24
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Sinti
  • 1
z AI do programowania używam tylko chata gpt, więc się nie znam na temacie, ale przypuszczam że są już całe środowiska, kompilatory itd które analizują cały twój projekt, z podkreśleniem na analizę całego projektu i podawanie podpowiedzi na jego podstawie, nie chodzi mi o wbudowane narzędzie które bardziej służy tylko jako code completion i aby się coś dowiedzieć muszę mu wklejać części kodu ręcznie
są już takie co nie? jak dobrze działają?
  • 5
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
gosh
  • 0
#szachy #chesscom
Mam pytanie do apki Chess.com. Kiedyś jak grałem z podpowiedziami, to gdy zbliżał się mat, komputer pokazywał ile ruchów zostało do mata. Teraz tego nie mam. Jest jakaś opcja, aby to włączyć.
  • 2
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
K_eM1
  • 2113
Czy żyjemy w państwie z dykty? Tak
Czemu? Już wam tłumacze..

Kupiłem auto dla różowej. Przed zakupem sprawdziłem historię pojazdu na portalu Gov:
OC - OK
Przegląd - OK
  • 221
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
JamesJoyce
  • 5
#programowanie #programista15k #sztucznainteligencja

Hej, jeszcze raz w temacie agentowym. Ostatnio dość popularne jest narzędzie n8n. W prosty sposób można w nim stworzyć system wieloagentowy, wykonujący różne zadania. Podrzucam Wam poradnik, jak można korzystać z n8n używając lokalnych modeli ollamy. Pamiętajcie tylko, że, żeby rag działał dobrze potrzebujecie przynajmniej 32b.

https://www.hostinger.com/tutorials/n8n-ollama-integration
  • 9
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
tylkosieturozgladam
tylkosieturozgladam
  • 1
@JamesJoyce czemu uważasz, że RAGi są obciążające sprzetowo? Koniec końców i tak to puszczasz wszystko w chmurę więc nie korzystasz z LLMów lokalnych. To samo z bazami wektorowymi (ale nawet tu nie widzę sensu stawiać chromaDB lokalnie skoro AWS S3 Vectors kosztuje śmieszne pieniądze).

Sam całkowicie odchodzę od RAGow na rzecz MCP. Kwestia integracji danych pomiędzy serwisami (już prawie) jest wyłącznie po stronie MCP serwerów. Modele (nawet gpt-oss:20b) bardzo dobrze same
  • Odpowiedz
tylkosieturozgladam
tylkosieturozgladam
  • 1
Ktoś (z powodzeniem) implementował i trenował PatchTST? Zastanawiam się, czy to byłby dobry wybór pod model, który musi ogólnie zrozumieć time series dane.

Poprzez „ogólnie”, mam na myśli zrozumieć zasadę działania tych danych by następnie już je np klasyfikować lub znajdywać anomalie (jakis transfer learning, ew. KNN etc).

#python #sztucznainteligencja
  • 2
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
tylkosieturozgladam
tylkosieturozgladam
  • 0
@dywergent no tak, racja. Może rozwinę swoją myśl bardziej: potrzebuję self-supervised barebone. O ile sam model do klasyfikacji też bylby ok, o tyle długoterminowo chcemy wytrenować bazowy model i pomyślałem, że transformer mógłby być niezły. Czytałem jednak różne i dość skrajne opinie o zastosowaniu transformera z danymi typu time series. Taki bazowy model przydałby się bardzo w transfer learningu pod inne, który już wykonywałyby konkretną robotę. Klasyfikacja jest tylko jednym z
  • Odpowiedz

Osiągnięcia