Hızlı hareket etmeyi ve şeyleri kırmayı severiz, @CyreneAI'nin bu sınırı nasıl zorlayabileceğini görmek için çalışıyoruz.

Braintrust çözüm mühendisi: "En iyi LLM'ler her zaman tutarlı performans garantilemez" Bu cümle, düzenlenmiş bir istemin gerçek kullanıcı taleplerine cevap vermeden önce test edilmesi gerektiğini açıklar. Bir oyun alanı çalışması daha iyi görünebilirken, aynı istem kararsız girdilerde kaliteyi düşürebilir. Çalışma grubu, minimum değerlendirme döngüsünü gösterir: görev, veri kümesi, puan, çevrimdışı test, çevrimiçi günlükler, insan incelemesi. Aşağıdaki makale, aynı noktayı arama, hayal kurma kontrolleri, sürümleme ve istem-değişikliği geriye dönük testlerle eşleştirir. İstem değişikliği geriye dönük test olmadan yayınlanmadan önce çalışma grubunu izleyin, ardından makaleyi okuyun.

Bir kişi bir cümleyi yüksek sesle okurken, sizce nasıl telaffuz ettiğini söyler. Gerçek bir diyalog çok daha fazlasını ortaya koyar. İnsanların nasıl doğal olarak yanıtladığını, durakladığını, sözü keserek, fikirleri vurguladığını, tonunu değiştirdiğini ve bağlama göre dilini nasıl uyumlu hale getirdiğini gösterir. Bu fark önemlidir. Yapay zekânın sadece konuşmayı tanımayı aşarak, dilin aslında nasıl kullanıldığını anlamasına yönelik ilerlemesi, izole kayıtlardan ziyade gerçek iletişim deneyimlerine ihtiyaç duyar. Bu, @_dialectra'nın konuşma veri kümeleri oluşturmak için izlediği yaklaşımda yer alan fikirlerden biridir. Yapılan yapılandırılmış süreçlerle gerçek konuşmacılardan dil toplanarak ve geliştirilerek amaç, sadece kelimeleri korumak değil, dili günlük yaşamda nasıl var olduğunu yakalamaktır. Çünkü dil, bir cümle birden birden değil, diyaloglar aracılığıyla yaşanır.

Claude Code'u doğrudan bir kurumsal sisteme bağlayıp her şeyi sizin için yapmasını bekleyemezsiniz. Tüm bu sistemler hatalara karşı savunmasızdır, özellikle AI'ya kontrolü vermek risklidir ve bunlar her yerde dağılmış farklı UI'ler ve veritabanlarından oluşan karmaşık bir karışım. İşlemlerde insanlar yer almalıdır. Uzun $CTSH $ACN

OpenAI, Anthropic'a göre bu kadar geride ki artık komik bile değil. En kısa sürede daha büyük modeller eğitmeliler.

Konuşmadığımız bir şey, bir doktor randevusuna ne kadar bilginin sığdırıldığıdır. Semptomlarınızı açıklamaya çalışırken, dikkatli dinliyorsunuz, doğru sorular soruyorsunuz, ilaç değişikliklerini hatırlıyorsunuz, test sonuçlarını anlıyorsunuz ve bir sonraki adımı düşünüyorsunuz—bütün bunları 15 veya 20 dakika içinde yapmanız gerekiyor. Sonra evinize dönüp, söylenenlerin yarısını zaten unuttuğunuzu fark ediyorsunuz. Bence bu, insanların fark ettiklerinden çok daha büyük bir sorun. AI Doktor Notları, @dreamlabsolutn tarafından tam olarak bu an için oluşturuldu. Doktorunuzu değiştirmeye çalışmaz; konuşmayı kaydeder, onu açık ve anlaşılır notlara dönüştürür ve her şey hâlâ tazeyken önemli takip noktalarını vurgular. Beğendiğim şey, amacınızın tanı koymak veya tıbbi öneri vermek olmadığını, sadece hatırlamanıza, düzenli kalmanıza ve gelecekteki randevuları daha az yorucu hale getirmenize yardımcı olmak olduğunu görmektir. Ayrıca bu araçların, başkaları için randevuları yöneten bakıcılar veya ebeveynler için de değerli olacağını görüyorum. Tıbbi bilgiler sıklıkla hafızayla aktarılır ve hafıza her zaman güvenilir değildir. Bazen en faydalı teknoloji, bizim yerimize karar veren değil, önemli olanları hatırlayarak daha iyi kararlar almamıza yardımcı olan teknolojidir.