@mattpocockuk You already have a great starting point, /grill-me is halfway there. Just have to shift it from planning to learning. I attempted it with /teach-me. Still improving with insights from my own sessions. Using it with HTML artifacts is really nice too.
https://t.co/8SKAM7sSRo
O que eu acho legal de analisar nesse caso é que os LLMs de fato não têm habilidade de dizer que não sabem uma resposta. Se chegarem num deadlock, vão por um atalho (usar o próprio teorema pra provar a si mesmo) ou usar passagens vagas, o que não é punido pela função-objetivo.
Brincando com o ChatGPT, cheguei nesse exemplo: pedi pra gerar um código em LaTeX com uma prova para o Teorema Central do Limite. Estava mais interessado em ver se o código funcionava do que na demonstração em si. E funcionou! Mas vale dar uma olhada no raciocínio... 🧵
Dessa vez ele deu uma ideia de como se faz pra provar a parte crítica do teorema. De fato a demonstração do TCL é bem complicada (dei uma olhada na minha referência de estatística aqui e é um apêndice de algumas páginas), então faz sentido o modelo ter sido vago.
@rphlbruce O Ng consegue explicar conceitos difíceis de forma simples como poucos conseguem. Nem vi como tá o novo, mas conhecendo os de DL e um pouco do antigo de ML, já digo que é o melhor pra quem tá começando por balancear muito bem teoria e prática
@Unidosdados Não dá nem pra entender Python sem saber OO. E tem que saber se for contribuir com/construir uma biblioteca. Se for mexer com Tensorflow e quiser fazer uma coisa diferente também. Pytorch nem se fala, é full OO. Até o dataset tem uma classe.
@mribeirodantas R subverte algumas coisas comuns de linguagem de programação pra deixar mais intuitivo pra quem não programa (indexação base 1, '<-' pra atribuição, etc.), aí pra quem programa fica esquisito. Já em Python, eu tive dificuldade porque tava saindo do paradigma de baixo nível do C