@urieli17 זה יותר מזה - המורכבות עברה מהתכנון של הקוד לתכנון של ה - harness (או הלופ כמו שמשום מה קוראים לו בשבוע האחרון).
Harness טוב והמודל שלכם יוכל לבצע משימות אוטונומית מקצה לקצה בסוג מסויים של משימות וייתן את ה - 1000x המובטח - מהר ובלי לשרוף טוקנים.
Introducing Claude Fable 5: a Mythos-class model that we’ve made safe for general use.
Its capabilities exceed those of any model we’ve ever made generally available.
@Avi__mualem@NavotV כן. מה ההבדל לדעתך בין ה - inline autocomplete שהיה הדבר הכי מתקדם לפני שנתיים, לבין קלוד שיש לנו היום?
בעיקר שמריצים את המודל בלולאה. cursor התחילו עם זה לפני כשנתיים וזאת הייתה קפיצת המדרגה הכי משמעותית מאז chatgpt.
@eytanlevit כן, אבל בכל זאת ה- AI מצליח לבצע משימות יותר ויותר מורכבות ברמת אמינות הולכת וגדלה. החוכמה היא להתאים את הכלי למשימה, אבל גם אין ספק שזאת המגמה.
@Avi__mualem@NavotV אני לא חושב שזה העניין פה. הם מעודדים פרדיגמות שבאמת עושות מהפכה. ובעקבותיהן אנשים שורפים טוקנים. אני לא חושב שהם משחקים משחק קצר-טווח פה.
@NavotV זה בטוח שורף טוקנים, אבל זאת גם הדרך היחידה כרגע כדי לאפשר ל- AI לפתור בעיות מורכבות בצורה עצמאית.
אפשר להיות ציני לגבי זה, אבל היכולת של המודל לעבוד בלולאה עד השלמת המשימה הוא בדיוק מה שנתן את הקפיצה מ- co-pilot autocomplete למה שאנחנו רואים היום עם קלוד.
@NavotV אם נותנים למודל כלים יעילים - הוא גם יכול לבצע משימות מהר, בלי לזהם את הקונטקסט. לדוגמא - סקריפט שעושה בילד ומחזיר הצליח/לא הצליח במקום שהמודל יחפש באינטרנט, יכתוב משהו בעצמו, ויזהם את הקונטקסט שלו עם הלוגים שהבילד פולט.
@NavotV קודם כל - אם הבעיה היא verifiable, כלומר אם המודל יכול לדעת אם המשימה הצליחה או לא, ואם לא הצליחה - למה לא הצליחה, מאפשר למודל לעבוד בלופ עד שהוא מגיע לפתרון.
עכשיו שאנחנו שוב במלחמה עם איראן, ותמונות מתחילות לצוף שוב ברשת ובקהילות ה- OSINT, זה זמן טוב לדבר על גיאולוקציה, ועל איך אפשר לשחזר מתמונה אחת בדיוק מאיפה היא צולמה.
עכשיו שאנחנו שוב במלחמה עם איראן, ותמונות מתחילות לצוף שוב ברשת ובקהילות ה- OSINT, זה זמן טוב לדבר על גיאולוקציה, ועל איך אפשר לשחזר מתמונה אחת בדיוק מאיפה היא צולמה.