еба́ные идеи для резерча Telegram-Beiträge

продавать ношенные lora-адаптеры

Ищу спонсора, который готов на безвозмездной основе оплачивать мне аренду видеокарты Nvidia Tesla H200 SXM 141Gb/предоставит её по почте (тогда вы должны будете мне еще и комплектующие для нового сервера).

С вас: халявная видюха.
С меня: слова благодарности от всей души.

LargeARTM

Многие пишут нам – приходите работать к нам в компанию ООО "Бабочка и Комарик"! На что мы отвечаем – дорогие наши, у вас нет столько денег

Домашний PPO
В "стародавние" времена бабушка делала вкуснейший PPO из старых переобученных ревард моделей. Сейчас, когда при выборе модели на hugging face, вероятность нарваться на химический суррогат, или приобрести кислятину неизвестного происхождения - 95%, этот рецепт стал еще более актуален. Шикарный, вкусный, ароматный PPO, да еще и с "гуманным ценником" - прекрасное решение к праздничному столу! А восхищение стажёров, попробовавших этот "божественный" метод, станет Вам наградой за труды и терпение!
📝Ингредиенты:
Ревард модели (любые) - 0,5 л.
SFT модель - 1 горсть
Круглые тензоры - на кончике ножа
📝Как готовить:
На 2 GPU выкладываем ревард модели , круглые тензоры и батчи по "плечики" GPU, SFT модель, круглые тензоры. Натягиваем на GPU медицинскую перчатку и завязываем ее (можно воспользоваться более современным приспособлением - гидрозатвором, приобретенным в магазине). Оставляем GPU при комнатной температуре приблизительно на 3 недели. Через несколько дней значение награды поднимется и надуется. Когда перчатка опадёт - PPO готов!. Прогоняем PPO на нескольких бенчмарках. Домашний PPO готов! После дегустации этого PPO, использовать trainer из TRL, поверьте, Вы уже не будете!

В дешёвых заведениях может не найтись GRPO и вам предложат заменить его на DPO. Хорошо подумайте перед тем, как соглашаться. Курится он проще, но такого же эффекта вы не добьётесь

На просторах Интернета вы найдёте расхожее мнение о том, что "PPO хорошо раскрывается, когда видел датасет много раз". Однако это не так. Наиболее полная палитра вкусов откроется перед вами, если запивать PPO односолодовым виски

Настоящие ценители алаймента знают, что именно в онлайн алгоритмах можно прочувствовать десятки тонких нот необычного вкуса. Лучшим признан китайский GRPO. Его преимущество в особой технологии производства, которая предполагает оценку value через монте карло, ризонинг, более стабильную оценку KL, настройку различных гиперпараметров. При раскуривании GRPO раскрывается гамма вкусов качественного алаймента. Это может быть что-то пряное, терпкое, шоколадное или с ореховым, ягодным послевкусием. Сейчас ресёрчеры и мл инженеры стараются учесть все пожелания пользователей. Поэтому на российском рынке вы найдете десятки вкусов и ароматов методов алаймента. В следующих постах рассмотрим основные из них, чтобы вы легко нашли то, что на 100% понравится именно вам.

Тема backward-backward не закрыта

⚡️В ответ на санкции, внутри Ebа́nyLab был достигнут AGI