Думаю, не все знают, что такое коммиты, но те, кому они важны, - точно знают. Это такое сохранение текущего состояния проекта во время разработки для того, чтобы иметь возможность всегда к нему вернуться, если что-то пойдет не так.

Не будучи профессиональным программистом, я не знаю, как часто их надо делать. Я стараюсь делать каждый раз, как очередная функция заработала (иногда даже частично). Но очень часто забываю.

В процессе работы с Cursor Composer дела могут пойти не так в любой момент, и коммиты становятся ещё важнее. Андрей Карпаты уже третий день работает с Cursor и, видимо, тоже задумался об этой проблеме.

В итоге он написал простую функцию gcm (git commit -m), которая, используя программу командного доступа к LLM, llm (кстати, сам по себе очень крутой инструмент), генерит комментарии к коммитам на основе разницы между старым и новым кодом. Изящное, простое, полезное решение.

Нужно просто установить llm, использовать ключ от OpenAI или же одну из моделей, которые смогут работать на вашем компе, и добавить в ваш .bashrc (или .zshrc) исходный код команды. Я всё сделал, работает супер.

Добавил ещё себе туда же:

alias save="git add . && gcm && git push"

и теперь каждый раз пишу save для сохранения.

Сергей Булаев AI 🤖 - об AI и не только

В Information вышла новая статья про Q* (Q star), я полностью её не видел, но видел скриншоты кусков, твиты о ней и вот есть статья на Decoder про статью.

Основные моменты:

Согласно информации, из этой статьи, со ссылкой на двух человек, участвующих в проекте, OpenAI может выпустить чат-бот версию Strawberry уже этой осенью, возможно, в составе ChatGPT.

Q* (Strawberry) может решать сложные математические задачи, с которыми не справляются современные LLM. В ходе внутренних демонстраций Q* успешно решил популярную головоломку "Connections" от New York Times, что подчеркивает его мощные аналитические и языковые способности. Модель способна не только генерировать контент, но и выполнять сложные действия, требующие продуманных решений. Кроме того, Q* может обрабатывать вопросы, связанные с субъективными темами, такими как маркетинговые стратегии продуктов, и давать точные ответы после дополнительного анализа.

Reuters ранее сообщало, что OpenAI уже тестировала AI, который набрал более 90 процентов на MATH benchmark (коллекция задач по математическому мастерству).

Основной причиной, по которой Q* еще не был выпущен, вероятно, является огромная вычислительная мощность, необходимая для его работы. Это давно обсуждается, и Сэм Альтман был недоволен этим, так как Q* был бы излишне мощным для повседневного использования. OpenAI планирует поднимать ещё денег ради решения этой проблемы.

Вокруг Q* было много опасений. Сотрудники OpenAI написали письмо в Reuters, предупреждая о серьезных рисках, связанных с новой технологией. Это подтверждает, что шутка о том, что Илья Суцкевер "увидел что-то пугающее", может иметь под собой реальную основу.

Q* уже был представлен американским властям. Есть предположения, что был сделан сознательный выбор не объявлять о проекте публично до окончания выборов по соображениям безопасности.

Основные разработчики Q* — Якуб Пачоцки и Шимон Сидор — построили модель на основе исследований Ильи Суцкевера, бывшего главного научного сотрудника OpenAI. Пачоцки, благодаря своему вкладу в разработку Q*, стал непосредственным преемником Суцкевера

Подход Q* напоминает метод "Self-Taught Reasoner" (STaR), предложенный исследователями Стэнфордского университета. Он направлен на улучшение способностей ИИ к рассуждению, что позволяет моделям учиться на собственных выводах и улучшать их точность без необходимости в обширном наборе внешних данных. Такой подход существенно повышает гибкость и автономность ИИ.

Долгое время Q* воспринимался как миф, но теперь очевидно, что он существует и уже используется для создания синтетических данных для обучения будущих моделей, таких как "Orion" .

Проект "Orion" является флагманской языковой моделью OpenAI, которая должна превзойти GPT-4. Q*, играет ключевую роль в этом проекте, генерируя высококачественные синтетические данные для его обучения. Эта комбинация может значительно снизить количество галлюцинаций и повысить общую производительность модели Orion.

Сергей Булаев AI 🤖 - об AI и не только