avatar
Alpha Batcher

Đang theo dõi0Người theo dõi (X)50,32NBài đăng117Thích2,84N
avatar

Tôi nghĩ mình đã có 1M context trong Codex. Sau đó tôi nhận thấy Astra chat của tôi đang hiển thị 172k đã sử dụng trong số 258k. Thông số API của Astra có ghi rõ 1,05M token, nhưng Codex có thể sử dụng cửa sổ context nhỏ hơn làm mặc định. Trong thiết lập của tôi, mặc định là 272.000 token. Với hệ số 95% cửa sổ có thể sử dụng của client, điều này giải thích con số 258k hiển thị trong ứng dụng. Giới hạn tối đa trong danh mục mô hình cục bộ của tôi là 872.000 token, tương ứng với khoảng 828k có thể sử dụng. Thiết lập của bạn có thể có giới hạn khác, nên đáng để Codex kiểm tra trước khi thay đổi. Một sự đánh đổi: giữ nhiều lịch sử hơn trong context hoạt động có thể làm tiêu tốn nhiều hơn khoản cho phép của bạn. Việc tăng giới hạn tối đa không có nghĩa là mọi yêu cầu đều sẽ tiêu thụ toàn bộ cửa sổ. Đối với Codex đăng nhập qua ChatGPT, không có hệ số nhân context dài riêng biệt, nhưng việc xử lý nhiều token hơn vẫn sẽ tính vào phí. Sử dụng khóa API của riêng bạn tuân theo mức giá API. Nếu bạn muốn cửa sổ lớn nhất mà thiết lập của bạn hỗ trợ, dán đoạn sau vào Codex: --------------------------- "Tăng cửa sổ context của Codex lên mức tối đa được hỗ trợ bởi mô hình, tài khoản và client hiện tại được chọn. Kiểm tra cấu hình người dùng đang hoạt động, tuân thủ CODEX_HOME và bất kỳ ghi đè nào từ hồ sơ hoặc dự án hiệu lực. Xác định mô hình được chọn và xác minh giới hạn tối đa cụ thể của client bằng dữ liệu mô hình có thẩm quyền hiện tại. Phân biệt context_window mặc định với max_context_window. Không giả định 1M hay mã cứng 872000. Nếu không thể xác minh giới hạn tối đa, giữ nguyên cài đặt và giải thích lý do. Sao lưu mọi tệp bạn chỉnh sửa. Giữ nguyên các cài đặt, thông tin xác thực, nhà cung cấp, mô hình, tốc độ, nỗ lực suy luận, khả năng hiển thị Ultra và chính sách quyền không liên quan. Không bao giờ in ra bí mật. Đặt model_context_window thành giá trị tối đa đã xác minh ở phạm vi cấu hình phù hợp. Trong cấu hình người dùng, nó phải là khóa cấp cao nhất trước phần đầu tiên. Cập nhật khóa hiện có thay vì tạo bản sao. Kiểm tra các ghi đè ưu tiên cao hơn và tuân thủ các chính sách quản lý. Giữ chế độ nén tự động được bật. Báo cáo ngưỡng nén rõ ràng hiện có riêng biệt, thay vì tự tạo ngưỡng mới. Không sửa đổi danh mục mô hình hay bỏ qua giới hạn. Xác thực cấu hình và đảm bảo chỉ các cài đặt mong muốn đã thay đổi. Không khởi động lại ứng dụng hay ngắt các tác vụ đang chạy. Báo cáo vị trí sao lưu, các thay đổi chính xác và cửa sổ có thể sử dụng dự kiến. Sử dụng effective_context_window_percent khi dữ liệu mô hình cung cấp nó. Cung cấp hướng dẫn khởi động lại và xác minh. Phân biệt rõ cài đặt đã lưu với giới hạn thực tế được báo cáo bởi một cuộc trò chuyện đang chạy." --------------------------- Sau khi các tác vụ đang hoạt động của bạn kết thúc, đóng hoàn toàn và mở lại ứng dụng, sau đó kiểm tra chỉ báo context. Nếu một cuộc trò chuyện hiện tại vẫn giữ giới hạn cũ, hãy kiểm tra một cuộc trò chuyện mới.

avatar

Bất kỳ ai có câu hỏi đều có thể thực hiện nghiên cứu thực tế với AIPOCH Open-Science. @aipoch_ai đã ra mắt phiên bản 1.0.0, một nền tảng AI mã nguồn mở giữ nguyên mã và dữ liệu đằng sau mọi kết quả. Bạn đặt câu hỏi bằng ngôn ngữ thông thường, AI sẽ thực hiện phân tích trong một không gian làm việc duy nhất. Mỗi kết quả đều được liên kết chặt chẽ với đầu vào và mã đã tạo ra nó, giúp bất kỳ ai cũng có thể kiểm tra hoặc chạy lại. Nó sử dụng giấy phép Apache 2.0 và các dự án của bạn vẫn nằm trên máy của bạn. Có ứng dụng desktop dành cho Mac và Windows, đồng thời hỗ trợ Linux. Bạn chọn mô hình, từ các nhà cung cấp đám mây đến đăng ký Claude hoặc Codex. Nghiên cứu được đóng gói dưới dạng .science, người khác có thể mở và phát triển tiếp. Ví dụ yêu thích của tôi: kiểm tra ngược lại 10.000 USD vào NVIDIA so với bitcoin và ghi lại mọi bước chi tiết. https://t.co/Oq1koKdlX9 Nó xếp hạng #1 trong bảng xếp hạng cộng đồng BiomniBench-DA Public 50 với điểm số 79,05. Trên ASI-Bench B1, nó đạt 79,35 trong các lần chạy của AIPOCH, cao hơn Codex trên cùng mô hình. Bản preprint với toàn bộ thông số .science: https://t.co/2UBuP16Rie Đánh dấu repo và chạy câu hỏi đầu tiên của bạn tonight. https://t.co/p6qqQQHKtJ #AI4Science #OpenScience

avatar

NVIDIA và Arcee vừa giải thích lý do các công ty chuyển sang các mô hình mở 43 phút từ sân khấu AI Engineer World's Fair Họ muốn một mô hình mà họ có thể tự chạy và luôn có quyền truy cập Đăng ký Jev hiện đã tạm dừng, và các bản sao mở như Kev đã chạy được trên GPU máy tính xách tay Xem video, sau đó đọc hướng dẫn đầy đủ về cách chạy các mô hình Jev mở trên GPU của bạn bên dưới

avatar

LangChain đã tích hợp Jev vào vòng lặp tác nhân của họ và hiển thị ba nhiệm vụ họ giao cho nó. Trong bản trình diễn, một mô hình LLM mất khoảng 5 giây để xác định xem một văn bản có chứa PII hay không, trong khi Jev trả lời ngay lập tức với độ chính xác 98%. Vì vậy, các tác nhân lập trình của họ có thể hỏi Jev mức độ khó của một nhiệm vụ và dành các mô hình mạnh mẽ hơn cho những nhiệm vụ khó hơn. Middleware chế độ tự động của họ hỏi Jev liệu một lời gọi công cụ có rủi ro hay không và chặn nó trong thời gian thực, một kiểm tra mà cô đã tắt vì trước đây nó quá chậm. Và cùng mô hình đó đánh giá câu trả lời của tác nhân theo tiêu chí trong các bài đánh giá trực tuyến: chính xác, phù hợp với tài liệu tham chiếu, có cơ sở, trích dẫn nguồn. Hướng dẫn của tôi chỉ ra thiết lập này tại các nguồn nghiên cứu, với thang điểm liên quan từ 0 đến 3 trên 50 bài báo và hàng đợi xem xét cho các lời gọi có độ tin cậy thấp. Nó cũng kiểm tra những bài báo hữu ích nào mà bộ lọc đã lặng lẽ lưu trữ. Xem phiên họp, sau đó lấy bộ khởi động và các prompt bên dưới

avatar

Vibe coding nhanh đến mức bạn có thể hoàn thành ứng dụng nhưng vẫn bị kẹt trong việc làm video giải thích nó. Đó là lúc tôi sẽ dùng @videoclawapp, đang chính thức ra mắt trình tạo video trên desktop. Tôi sẽ bắt đầu với những bài đăng đã nghiên cứu và viết sẵn. Có rất nhiều nội dung ở đó để biến thành video. Nó tích hợp một trình biên tập AI, trình tạo video và trình tạo avatar vào một ứng dụng điều khiển qua hội thoại. AI tự động hóa các tác vụ sản xuất phức tạp, còn bạn thực hiện các chỉnh sửa chính xác thông qua các yêu cầu đơn giản. Tôi thích hỏi nó rút ngắn phần mở đầu hơn là dành cả buổi chiều để tìm cách làm. Sự tương tác hai chiều này chính là điều khiến việc tạo video cảm giác như vibe coding. Chúng ta đã thấy điều này với sơn acrylic, Photoshop, Canva và tạo hình ảnh bằng AI. Giảm rào cản, nhiều người sẽ thử tự tạo ra thứ gì đó. Videoclaw mang điều đó đến với video dành cho các nhà sáng lập, lập trình viên, marketer và tất cả những ai có điều gì đó muốn chia sẻ. Bạn có thể “nói” ra video dù không có thời gian, kỹ năng hay đội ngũ để tự xử lý sản xuất. “Content engineer” có thể trở thành một chức danh hoàn toàn bình thường cho thế hệ nhà sáng tạo tiếp theo. Tải ứng dụng Mac tại https://t.co/I7KYl3p1mA, kết nối với ChatGPT hoặc Claude của bạn, và bắt đầu đưa ra các yêu cầu. Nhiều nền tảng khác sẽ sớm ra mắt. Bản beta công khai hoàn toàn miễn phí, đi kèm 10 USD tín dụng tạo AI. 300 người đầu tiên nhận 50 USD tín dụng.

avatar

CEO của Replit, Amjad Masad: “Chúng tôi đã hoàn tất vòng lặp và hiện tại tại Replit có một tác nhân nội bộ liên tục phát triển Replit Agent. Mỗi đêm, tác nhân này đọc các bản ghi từ người dùng Replit và tạo một pull request với các thay đổi về prompt để khắc phục các lỗi và vấn đề về cảm xúc mà nó phát hiện. Mỗi PR được triển khai dưới dạng thử nghiệm A/B, và kết quả sẽ quyết định liệu Replit có phát hành thay đổi này hay chỉnh sửa nó. 46 phút cùng Jason Lemkin của SaaStr, người mà tác nhân 10K đã tự động gửi email đến 331 nhà đầu tư. Xem nó, sau đó sao chép prompt vòng lặp tổng quát từ hướng dẫn bên dưới”

avatar

Một thanh thiếu niên học lái xe trong vài chục giờ Điều đó hoạt động vì họ đã dành cả cuộc đời để quan sát mọi thứ rơi xuống và va chạm vào nhau Nhiều robot bắt đầu với hoàn toàn không có kiến thức đó và học từng nhiệm vụ từ hàng ngàn lần mô phỏng lặp lại, mà nhóm Odyssey gọi là lực lượng thô Odyssey-3 từ @odysseyml học giống như thanh thiếu niên đó Đó là một mô hình thế giới được huấn luyện trên một lượng lớn dữ liệu hình ảnh từ thế giới thực, nên nó học trước tiên về nguyên nhân và hệ quả cũng như cách con người hành xử Sau đó, chỉ cần vài giờ dữ liệu từ một máy cụ thể là đủ để dạy nó các thao tác điều khiển Trong bản xem trước, một mô hình duy nhất điều khiển người máy, kiểm soát tay robot, lái xe, điều khiển drone, chơi game và huấn luyện các AI khác Họ gọi nó là tác nhân vật lý, và nó sẽ được ra mắt công chúng trong vài tuần tới Nếu cách tiếp cận này giữ vững, lợi ích vượt xa các bản demo Máy móc có thể đảm nhận những công việc khiến con người gặp rủi ro và hỗ trợ các nhiệm vụ hàng ngày trở nên khó khăn khi già đi hoặc khuyết tật Tôi sẽ theo dõi cách nó hoạt động khi những người ngoài nhóm có cơ hội tiếp cận nó

avatar

Kỹ sư LangChain: “Nếu bạn đang sử dụng 100.000 token, ngay cả khi đã được lưu trong bộ nhớ đệm, thì vẫn là 100.000 token.” 50 phút tìm hiểu lý do vì sao một tác vụ nhỏ của tác nhân liên tục gửi lại cùng một ngữ cảnh trong mỗi yêu cầu. Manus gọi khoảng 50 công cụ mỗi lần chạy, và kết quả của từng công cụ đó đều được gửi theo trong lần gọi tiếp theo. Việc lưu bộ nhớ đệm làm giảm tỷ lệ sử dụng token nhưng không bao giờ làm giảm tổng số lượng token. Theo dõi kỹ, sau đó đọc hướng dẫn bên dưới để định giá một tác vụ hoàn tất.

avatar

Tôi đã nhận thấy tài khoản karpathy trong danh sách Người đóng góp của EvoMap AutoResearch. Điều thu hút sự chú ý của tôi trong bản phát hành của EvoMap là cách các lỗi kiểm tra đã định hình nỗ lực tiếp theo của tác nhân. https://t.co/7qWbs9v0xx

avatar

Hầu hết việc stake đều yêu cầu thời gian khóa và thêm các bước phụ. Cosmos Hub yêu cầu bạn chờ 21 ngày để hủy ủy quyền. Hàng đợi thoát của validator ethereum đã kéo dài nhiều tuần khi nhiều người cùng lúc rút vốn. Sui hoạt động theo các epoch 24 giờ. Stake ngay, phần thưởng sẽ bắt đầu sau epoch tiếp theo. Hủy stake, SUI sẽ trở nên thanh khoản sau epoch tiếp theo. Khoảng một ngày ở cả hai chiều. Đây là chu kỳ quay vòng ngắn nhất mà tôi từng thấy trên một chuỗi PoS lớn, và nó thay đổi cách tính toán đối với các vị thế nhỏ. Số tiền stake tối thiểu là 1 SUI. APR của mạng hiện khoảng 1,47% và dao động theo điều kiện trên chuỗi. Staking Sui là phi tập trung. Khóa của bạn vẫn nằm trong ví của bạn, việc ủy quyền diễn ra trên chuỗi, và không ai có thể di chuyển SUI của bạn ngoài bạn. Vì vậy, quyết định thực sự duy nhất là chọn validator nào nhận stake của bạn. Một validator bị offline hoặc bị phạt sẽ làm bạn mất phần thưởng. @HashKeyCloud vận hành các validator trên hơn 40 chuỗi dưới nhóm HashKey, được cấp phép tại Hồng Kông. Đã hoạt động hơn 5 năm, thời gian hoạt động 99,9%, không từng bị phạt. Phí commission của họ trên Sui là 8%, thấp hơn mức trung bình thị trường 9%, nên bạn sẽ giữ lại nhiều phần thưởng hơn so với việc chọn một validator thông thường. Nếu bạn muốn thử: 1. Mở ví Sui (Slush hoặc bất kỳ ví phổ biến nào) 2. Vào mục Earn, sau đó Staking, rồi chọn một validator 3. Tìm kiếm HashKey Cloud 4. Nhập số tiền và xác nhận Phần thưởng sẽ bắt đầu sau epoch tiếp theo, khoảng một ngày sau. Tổng số stake, APY thực tế và số lượng người ủy quyền đều công khai tại: https://t.co/Oreh2KZX0J