Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
"Při tradičním vývoji softwaru byste plánovali v1, v2, v3 nového produktu na základě hloubky funkcí nebo potřeb uživatele. U systémů umělé inteligence se objektiv posouvá.
Každá verze je místo toho definována tím, jak velkou autoritu systém má a jak velké kontroly jste ochotni se vzdát.
Začněte tím, že identifikujete sadu funkcí, které mají vysokou kontrolu a nízkou míru zastoupení (verze 1 na obrázku níže).
Ty by měly být malé, testovatelné a snadno pozorovatelné. Poté se zamyslete nad tím, jak se tyto schopnosti mohou v průběhu času vyvíjet postupným zvyšováním agentury, jednu verzi po druhé. Cílem je rozložit vznešený konečný stav na rané chování, které můžete vyhodnotit, iterovat a stavět na něm.
Pokud je například vaším konečným cílem automatizovat zákaznickou podporu ve vaší společnosti, vysoce kontrolovaným způsobem, jak začít, by bylo nastavit rozsah v1 (verze 1) tak, že jednoduše směrujete lístky do správného oddělení, poté se přesunete na v2, kde systém navrhuje možná řešení, a pouze ve verzi v3 umožníte automatické vyřešení s lidským záložním řešením.
Zde je několik dalších příkladů:
Marketingový asistent
v1: Koncept e-mailu, reklamy nebo kopie pro sociální sítě z výzev
v2: Vytvářejte vícekrokové kampaně a spouštějte je
v3: Spouštění, A/B testování a automatická optimalizace kampaní napříč kanály
Asistent kódování
v1: Navrhování vložených dokončování a často používaných fragmentů
v2: Generování větších bloků (jako jsou testy nebo refaktory) pro lidskou kontrolu
v3: Autonomní použití změn v rozsahu a otevření žádostí o přijetí změn (PR)
Pokud jste sledovali, jak se vyvíjely nástroje jako GitHub Copilot nebo Kurzor, je to přesně ten scénář, který použili. Většina uživatelů vidí pouze aktuální verzi, ale základní systém po tomto žebříčku stoupal postupně. Nejprve dokončení, pak bloky, pak PR, přičemž každý krok je získán použitím, zpětnou vazbou a iterací."
Více zde:


Před 20 h
Produkty umělé inteligence nemůžete vytvářet jako jiné produkty.
Produkty umělé inteligence jsou ze své podstaty nedeterministické a vy musíte neustále vyjednávat o kompromisu mezi agenturou a kontrolou.
Když týmy tyto rozdíly nerozpoznají, jejich produkty čelí neočekávaným selháním, uvíznou v ladění velkých komplikovaných systémů, které nemohou vystopovat, a důvěra uživatelů v produkt se tiše rozpadá.
Poté, co Aishwarya Naresh Reganti a Kiriti Badam viděly, jak se tento vzorec odehrává v 50+ implementacích umělé inteligence ve společnostech včetně @OpenAI, @Google, @Amazon a @Databricks, vyvinuly řešení: rámec kontinuální kalibrace/kontinuálního vývoje (CC/CD).
Název odkazuje na kontinuální integraci/kontinuální nasazování (CI/CD), ale na rozdíl od svého jmenovce je určen pro systémy, kde je chování nedeterministické a je třeba si zasloužit svobodu.
V tomto rozhraní se dozvíte, jak:
- Začněte s funkcemi s vysokou mírou kontroly a nízkou agenturou
- Vytvářet vyhodnocovací systémy, které skutečně fungují
- Škálování produktů umělé inteligence bez narušení důvěry uživatelů
Je navržen tak, aby rozpoznal jedinečnost systémů umělé inteligence a pomohl vám vytvářet záměrnější, stabilnější a důvěryhodnější produkty umělé inteligence.
Poprvé ji sdílejí veřejně:

40,58K
Top
Hodnocení
Oblíbené