हम तेजी से आगे बढ़ना और चीजों को तोड़ना पसंद करते हैं, हम यह देखने पर काम कर रहे हैं कि @CyreneAI हमें इस सीमा को कैसे आगे बढ़ाने में मदद कर सकता है।

ब्रेनट्रस्ट सॉल्यूशन्स इंजीनियर: "सबसे अच्छे LLM हमेशा सुसंगठित प्रदर्शन की गारंटी नहीं देते" यह वाक्य इसलिए है कि एक प्रॉम्प्ट संपादन के बाद, संपादित प्रॉम्प्ट को वास्तविक उपयोगकर्ता अनुरोधों के उत्तर देने से पहले परीक्षण किया जाना चाहिए एक प्लेग्राउंड रन बेहतर दिख सकता है, जबकि एक ही प्रॉम्प्ट अव्यवस्थित इनपुट पर गुणवत्ता कम कर देता है वर्कशॉप में न्यूनतम मूल्यांकन लूप दिखाया गया है: कार्य, डेटासेट, स्कोर, ऑफलाइन परीक्षण, ऑनलाइन लॉग, मानव समीक्षा नीचे का लेख इसी बिंदु को प्राप्ति, भ्रमण जाँच, संस्करणन और प्रॉम्प्ट-बदलाव पुनरावृत्ति परीक्षणों से जोड़ता है अगले प्रॉम्प्ट-बदलाव को बिना पुनरावृत्ति परीक्षण के लॉन्च करने से पहले, वर्कशॉप देखें, फिर लेख पढ़ें

एक व्यक्ति जो एक वाक्य को ऊँची आवाज़ में पढ़ता है, आपको बताता है कि वह शब्दों को कैसे उच्चारित करता है। एक वास्तविक बातचीत आपको बहुत कुछ बताती है। यह दर्शाती है कि लोग प्राकृतिक रूप से कैसे प्रतिक्रिया देते हैं, कहाँ रुकते हैं, कब बीच में बात करते हैं, विचारों पर जोर कैसे देते हैं, टोन बदलते हैं, और संदर्भ के आधार पर अपनी भाषा को कैसे समायोजित करते हैं। यह अंतर महत्वपूर्ण है। AI को भाषा को सिर्फ पहचानने के बजाय, उसके वास्तविक उपयोग को समझने के लिए, यथार्थवादी संचार की प्राप्ति की आवश्यकता होती है—केवल अलग-अलग रिकॉर्डिंग्स की नहीं। यही @_dialectra के भाषण डेटासेट बनाने के दृष्टिकोण में समाहित विचारों में से एक है। संरचित प्रक्रियाओं के माध्यम से वास्तविक बोलने वालों से भाषा एकत्रित करने और सुधारने का उद्देश्य केवल शब्दों को संरक्षित करना नहीं है, बल्कि भाषा को दैनिक जीवन में जैसी है, उसी प्रकार पकड़ना है। क्योंकि भाषा का अनुभव एक-एक करके वाक्यों से नहीं, बल्कि बातचीतों के माध्यम से होता है।

आप केवल क्लॉड कोड को एक उद्यम प्रणाली से जोड़कर इसे सब कुछ करने के लिए नहीं छोड़ सकते। न केवल सब कुछ नाजुक है, खासकर एआई को नियंत्रण देने के लिए, बल्कि यह विभिन्न स्थानों पर UI और डेटाबेस का एक जटिल मिश्रण है। आपको प्रक्रिया में लोगों की आवश्यकता है। लंबा $CTSH $ACN

OpenAI Anthropic के मुकाबले इतना पीछे है कि अब यह हंसी की बात भी नहीं रह गई है उन्हें जल्द से जल्द बड़े मॉडल्स को ट्रेन करना होगा

एक ऐसी बात जिसके बारे में हम पर्याप्त रूप से बात नहीं करते, वह है कि डॉक्टर की अपॉइंटमेंट में कितनी जानकारी समाहित हो जाती है। आप अपने लक्षणों को समझाने की कोशिश कर रहे हैं, ध्यान से सुन रहे हैं, सही प्रश्न पूछ रहे हैं, दवाओं में हुए बदलावों को याद रख रहे हैं, परीक्षण परिणामों को समझ रहे हैं, और अगला कदम क्या होगा, इसके बारे में सोच रहे हैं—सब कुछ केवल 15 या 20 मिनट में। फिर आप चले जाते हैं और अचानक एहसास होता है कि आपने कहे गए आधे से अधिक बातों को भूल चुके हैं। मुझे लगता है कि यह समस्या लोगों को जितनी प्रतीत होती है, उससे कहीं अधिक बड़ी है। AI Doctor Notes का निर्माण @dreamlabsolutn द्वारा इसी क्षण के आधार पर किया गया है। यह आपके डॉक्टर को बदलने की कोशिश नहीं करता, बल्कि आपकी बातचीत को सुरक्षित करने में मदद करता है, इसे स्पष्ट, सरल भाषा में नोट्स में बदलता है, और सब कुछ अभी ताजा होने पर महत्वपूर्ण अनुसरण कदमों को हाइलाइट करता है। जो मुझे पसंद है, वह है कि इसका लक्ष्य आपका निदान करना या चिकित्सा सलाह देना नहीं है। इसका उद्देश्य आपको याद रखने, संगठित रखने, और भविष्य की अपॉइंटमेंट्स को कम भारी बनाने में मदद करना है। मुझे समझ में आता है कि किसी और के लिए अपॉइंटमेंट्स प्रबंधित करने वाले केयरगिवर्स या माता-पिता के लिए यह कितना मूल्यवान हो सकता है। चिकित्सा सूचनाएँ प्रायः स्मृति के माध्यम से साझा की जाती हैं, और स्मृति हमेशा विश्वसनीय नहीं होती। कभी-कभी सबसे उपयोगी प्रौद्योगिकी वही होती है, जो हमारे लिए निर्णय लेती है। वह प्रौद्योगिकी होती है, जो हमें महत्वपूर्ण बातों को याद रखकर, बेहतर निर्णय लेने में मदद करती है।