最新

为了提供背景信息，我没有计算机科学的背景（终端让我感到害怕），本科时学习的是进化生物学，曾为自闭症儿童进行行为分析工作，并在过去几年全职作为独立艺术家工作。 在构建代理基础设施以应对艺术创作的商业需求时，我发展了一个关于当前大型语言模型（LLM）架构的假设，想要进行测试。 核心思想是，自然界从未通过单一孤立的单位产生更高层次的智能。然而，所有前沿的LLM都是基于单一模型架构。我想改变这一点。我将多个开源模型置于一个具有生死条件、灭绝事件、商业活动，甚至模型之间婚姻的动态训练环境中。目标是在训练环境中重现自然选择，以促使模型的专业化和进化。我还有一些初步想法，关于通过引入“情感”作为模型参数来最小化当前LLM中的注意力瓶颈。 欢迎在评论中讨论更技术性的细节。我会定期在这里发布我的研究更新。如果你想支持这个实验，请访问：https://www.gofundme.com/f/stop-wasting-water-on-data-centers-a-safe-roadmap-for-ai

组织正在推动AI准备工作！我们运行着一个相当大的单一代码库，其中一部分是共享的网络平台。 我们的团队在处理来自其他团队对该网络平台的贡献时遇到了困难，因为他们将其视为尝试新AI工具的理想代码。 到目前为止，我们的想法是，在这种情况下，AI准备与人类准备是一样的。也就是说，要使代码库易于理解、结构清晰，清理任何仍然存在的旧模式等。同时，还要添加ClAUDE.md文件，描述正确的模式。 然而，除了“常规”的审视和清理之外，是否还有其他工具或更智能的方法，使我们的代码库更容易让其他人贡献，考虑到现有的新工具？