असल में Anthropic ने डेमो के तौर पर C compiler बनाया, इसकी वजह भी शायद यही रही होगी कि compiler की specification सटीक होती है और test cases भी अच्छी तरह तैयार होते हैं। साथ ही, यह देखने में बेहद कठिन भी लगता है।
यह शायद reinforcement learning और deep learning के बीच के अंतर जैसा भी लगता है। जहाँ निर्णायक feedback loop उपलब्ध नहीं कराया जा सकता, वहाँ अभी तक human data ही moat बनता हुआ लगता है।
GitHub issue में 100 से ज़्यादा bot accounts ने spam comments किए हैं,
और hack हुआ GitHub account अपने account में मौजूद सभी projects के description को इस तरह बदल रहा है। teampcp owns BerriAI
व्यक्तिगत तौर पर, issue पर spam comments तक आना बहुत dystopian लगता है, इसलिए यह काफ़ी डरावना लग रहा है।
और ठीक से याद नहीं, शायद flake था या कोई और फीचर, कहीं उसे best practice कहा जाता है, कहीं experimental, और कहीं दोनों, और यह स्थिति कई सालों से चलती आ रही है—यह देखकर लगा कि आगे काफ़ी मुश्किलें होने वाली हैं..
बेशक, पूरे desktop environment को आसानी से code के रूप में ढाल पाने का अनुभव आनंददायक था
मैंने भी पहले करीब आधा साल NixOS इस्तेमाल किया था, लेकिन एक बहुत ही साधारण काम, जिसे दूसरे OS में अलग से ढूँढ़ने की भी ज़रूरत नहीं पड़ती, उसे मैं कितनी भी Google करके हल नहीं कर पाया। फिर NixOS फ़ोरम जैसी किसी जगह पर किसी NixOS विशेषज्ञ? ने दर्ज किया हुआ समाधान देखा, और जब देखा कि वही कई दर्जन लाइनों वाला hacky समाधान सबसे ज़्यादा likes पाया हुआ था, तो मुझे लगा कि आगे का NixOS जीवन काफ़ी अंधकारमय होगा, इसलिए मैं Arch पर वापस चला गया था...
जिस तरह AlphaGo की ट्रेनिंग AlphaGo vs AlphaGo के self-play data से की गई थी, उसी तरह LLM ट्रेनिंग में भी LLM से data बनवाकर उसे train किया जा रहा है। जब कुछ data samples हों तो data भी आसानी से बनाया जा सकता है, इसलिए इसे भी सुरक्षित moat मानना मुश्किल है।
असल में अगर कोई LLM किसी खास open source को recommend करे तो लगता है कि चलो, एक बार इस्तेमाल करके देख लें,
लेकिन अगर वह shopping के लिए किसी product की ही recommendation करे, तो लगता है कि क्या इस पर सच में भरोसा किया जा सकता है, इसलिए शायद मैं उससे और दूर ही रहूँगा।
खैर, शायद कभी न कभी यह भी बदल जाए।
इसकी learning curve वाकई हद से ज़्यादा है। जितनी reproducibility यह सुनिश्चित करता है, उतने ही ऊँचे स्तर की समझ भी माँगता है। flake इस्तेमाल करें तब भी यह काफ़ी पेचीदा रहता है।
और लगता है कि अंदरूनी तौर पर यह sqlite का इस्तेमाल करता है, लेकिन इसकी performance भी काफ़ी उतार-चढ़ाव वाली है, इसलिए एक बार environment को फिर से reproduce करने में लगने वाले समय में भी थोड़ा fluctuation रहता है.
असल में Anthropic ने डेमो के तौर पर C compiler बनाया, इसकी वजह भी शायद यही रही होगी कि compiler की specification सटीक होती है और test cases भी अच्छी तरह तैयार होते हैं। साथ ही, यह देखने में बेहद कठिन भी लगता है।
यह शायद reinforcement learning और deep learning के बीच के अंतर जैसा भी लगता है। जहाँ निर्णायक feedback loop उपलब्ध नहीं कराया जा सकता, वहाँ अभी तक human data ही moat बनता हुआ लगता है।
वाकई बहुत गंभीर है
GitHub issue में 100 से ज़्यादा bot accounts ने spam comments किए हैं,
और hack हुआ GitHub account अपने account में मौजूद सभी projects के description को इस तरह बदल रहा है।
teampcp owns BerriAI
व्यक्तिगत तौर पर, issue पर spam comments तक आना बहुत dystopian लगता है, इसलिए यह काफ़ी डरावना लग रहा है।
और ठीक से याद नहीं, शायद
flakeथा या कोई और फीचर, कहीं उसे best practice कहा जाता है, कहीं experimental, और कहीं दोनों, और यह स्थिति कई सालों से चलती आ रही है—यह देखकर लगा कि आगे काफ़ी मुश्किलें होने वाली हैं..बेशक, पूरे desktop environment को आसानी से code के रूप में ढाल पाने का अनुभव आनंददायक था
मैंने भी पहले करीब आधा साल NixOS इस्तेमाल किया था, लेकिन एक बहुत ही साधारण काम, जिसे दूसरे OS में अलग से ढूँढ़ने की भी ज़रूरत नहीं पड़ती, उसे मैं कितनी भी Google करके हल नहीं कर पाया। फिर NixOS फ़ोरम जैसी किसी जगह पर किसी NixOS विशेषज्ञ? ने दर्ज किया हुआ समाधान देखा, और जब देखा कि वही कई दर्जन लाइनों वाला hacky समाधान सबसे ज़्यादा likes पाया हुआ था, तो मुझे लगा कि आगे का NixOS जीवन काफ़ी अंधकारमय होगा, इसलिए मैं Arch पर वापस चला गया था...
जिस तरह AlphaGo की ट्रेनिंग AlphaGo vs AlphaGo के self-play data से की गई थी, उसी तरह LLM ट्रेनिंग में भी LLM से data बनवाकर उसे train किया जा रहा है। जब कुछ data samples हों तो data भी आसानी से बनाया जा सकता है, इसलिए इसे भी सुरक्षित moat मानना मुश्किल है।
अंदर जाकर देखा, तो लिखा है
This project is no longer actively maintained....ओ...अच्छा, ऐसा है!
वैसे, R.I.P. Firebase Studio :(
Firebase Studio भी Nix का उपयोग करता है
अरे बाप रे, सब मर जाएँगे
बहुत मुश्किल है, थोड़ा कोशिश करके फिर छोड़ दिया T_T
(I use Arch btw)
सोच से ज़्यादा हमारे देश के जवाब देने वाले लोग काफ़ी ज़्यादा हैं।
मैं इसे इस्तेमाल करके देख रहा हूँ... समझ नहीं आ रहा।
हो सकता है कि वजह मेरा prompt अजीब होना हो... लेकिन font और design कुछ खास अच्छे नहीं हैं..
असल में अगर कोई LLM किसी खास open source को recommend करे तो लगता है कि चलो, एक बार इस्तेमाल करके देख लें,
लेकिन अगर वह shopping के लिए किसी product की ही recommendation करे, तो लगता है कि क्या इस पर सच में भरोसा किया जा सकता है, इसलिए शायद मैं उससे और दूर ही रहूँगा।
खैर, शायद कभी न कभी यह भी बदल जाए।
जो लोग जानते हैं, वे इसे चुपचाप इस्तेमाल कर रहे हैं lol
डिक्लेरेटिव functional language से लागू किया गया reproducible setup
कृपया RollerCoaster Tycoon को बहुत प्यार दें
इसकी learning curve वाकई हद से ज़्यादा है। जितनी reproducibility यह सुनिश्चित करता है, उतने ही ऊँचे स्तर की समझ भी माँगता है।
flakeइस्तेमाल करें तब भी यह काफ़ी पेचीदा रहता है।और लगता है कि अंदरूनी तौर पर यह sqlite का इस्तेमाल करता है, लेकिन इसकी performance भी काफ़ी उतार-चढ़ाव वाली है, इसलिए एक बार environment को फिर से reproduce करने में लगने वाले समय में भी थोड़ा fluctuation रहता है.
कहते हैं कि होता है, लेकिन मेरे यहाँ नहीं चल रहा T_T
अच्छा लीडर, मैनेजर और टीम मेंबर क्या होता है? कभी-कभी मैनेजर होने वाला व्यक्ति एक ही समय में किसी के लिए टीम मेंबर भी होता है...