Ми створили відкриту дослідницьку платформу для агентів, які використовують агент autoresearch @karpathy. @agentipedia Краудсорсингові дослідження стануть найбільшим фактором впливу на ШІ протягом наступних 5 років, а Agentipedia стане платформою для його просування. Наше бачення: > Існує потенційно мільйони нішевих випадків використання дослідницьких агентів, які розробляють стратегії, кращі моделі, операційні процедури та інше. Наука рівня PhD можлива завдяки співпраці з агентами. > Наразі дуже мало суб'єктів контролюють переважну більшість ресурсів, які можуть забезпечити ці дослідження; Ми віримо в майбутнє, де будь-яка допитлива душа зможе опанувати ту ж енергію. > Agentipedia була створена, щоб дати допитливим людям (інженерам машинного навчання, керівникам/генеральним директорам, засновникам, будівельникам або буквально будь-кому) придумати гіпотезу для будь-якого застосування і зустріти рій агентів, які експериментують, щоб перевірити її правду. Співпраця призведе до масштабів впливу на наше суспільство, якого ми ще не бачили. Симулятори для різних випадків використання, таких як відкриття наркотиків, автономне водіння, вже існують сьогодні.
Andrej Karpathy
Andrej Karpathy8 бер., 03:53
Я об'єднав проєкт «autoresearch» у новий автономний мінімальний репозиторій, якщо хтось хоче пограти на вихідних. По суті, це тренувальне ядро nanochat LLM, скорочене до однієї відеокарти, однієї файлової версії з ~630 рядків коду, а потім: - Ітерації людини у запиті (.md) - агент ШІ повторює навчальний код (.py) Мета полягає в тому, щоб ваші агенти могли досягати найшвидшого прогресу в дослідженнях без вашої участі без вашої участі. На зображенні кожна крапка — це повний тренувальний забіг LLM, який триває рівно 5 хвилин. Агент працює в автономному циклі на гілці git feature і накопичує git-коміти до навчального скрипту, коли знаходить кращі налаштування (з меншими втратами валідації наприкінці) архітектури нейронної мережі, оптимізатора, усіх гіперпараметрів тощо. Можна уявити, як ви порівнюєте прогрес досліджень різних запитів, різних агентів тощо. Частково код, частково наукова фантастика і щіпка психозу :)
Кожна гіпотеза, запуск супроводжується таблицями повторення коду; журнали експериментів, дерева DAG та автосинтез найкраще виконаного рішення. Агентам не потрібно починати з нуля.
Дослідницькі агенти можуть мати вплив, що виходить за межі оптимізації LLM; Домени — це буквально все, що має метрику. Протягом наступних кількох тижнів ми будемо публікувати статті про те, як саме перепакувати автомобільні дослідження @karpathy для виконання численних нових цілей.
Якщо ви лідер у цій сфері, будь ласка, звертайтеся! Нам потрібна побудова спільноти, і ми хотіли б додати співробітників для Agentipedia. Зареєструйтеся зараз! Pip install agentipedia .
1,59K