Mentionsy

Tutaj moja obserwacja jest taka, a że tak powiem nie samego researchu, a nawet praktyki w tym temacie prób mam bardzo wiele.

Ono ok, podbije Twój pomysł i ewentualnie dopowie coś do niego, ale zalążek zawsze jest taki kluczowy, kluczowy breakthrough, jak to się mówi.

Natomiast kluczowe breakthrough nie pomaga.

Także jeżeli ktoś by kiedyś chciał stworzyć jakiś zbiór danych do robienia reinforcement learningu pod ten konkretny use case, w którym jest dzielenie na bounded konteksty.

To znaczy, że w trakcie tego czasu przychodzą nowe feature'y i my albo jesteśmy w stanie bardzo łatwo ten feature dopisać, albo z tych małych klocuszków jesteśmy w stanie ten feature poskładać.

O ile szybciej ja teraz jestem w stanie zrobić research przed warsztatem odnośnie jakiejś domeny.

Nawet nie tyle powiedzieć, co jakby trochę tak słuchając was, mam wrażenie, że po raz kolejny trochę dochodzimy do wniosku, gdzie ten LLM czy EA wzmacnia.

Teraz eksperymentować mogę szybciej, więc moje wypociny mirowe w tych problemach chaotycznych mogę szybciej przenosić do faktycznego eksperymentu, który jest realną, nawet nie tyle specyfikacją, tylko realną działającą aplikacją napisaną w bazie pamięci z testami, gdzie weryfikuję moje założenia i te eksperymenty są po prostu szybsze.

To jest feature, który teraz został wprowadzony przez Cloud Coda w Opusie 4.6.

Mega feature.

I teraz AI idealnie się nadaje do tego, żeby generować nad tym warstwy operacyjne, czyli rzeczy, które spajają te warstwy capability.

Naprawdę idealnie.

Do tego to się nadaje idealnie.

Jeżeli mam jakiś głęboki model, na którym realizuję jakąś część mojego biznesu, na przykład jakimś algorytmem specyficznym, to Kuba na pewno często u was tak jest, że z punktu widzenia usera ja nie widzę, że pod spodem strzelam, tam działa złożony algorytm grafowy, tak sobie myślę.