Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Parker Whitfill
Econ PhD @ MIT. Berfokus pada AI
Bagaimana tolok ukur memetakan kemampuan dunia nyata? Untuk mempelajari hal ini, kami menyewa 4 pengelola repo yang digunakan di SWE-bench Verified untuk meninjau kode agen.
Dari PR agen yang lulus grader SWE-bench, pengelola akan bergabung ~setengahnya. Ini memperhitungkan kebisingan dalam keputusan pengelola.
171
Untuk mengukur kemajuan algoritmik sejak 2019, saya melatih ulang GPT-2 menggunakan tumpukan speedrun nanogpt modern.
SOTA nanogpt saat ini 707x lebih cepat.
Kita dapat menguraikan percepatan total menjadi
> FLOP per detik 15x lebih cepat (pada perangkat keras tetap)
> FLOP 46x lebih sedikit untuk mencapai kerugian val yang sama.
145
Teratas
Peringkat
Favorit