Trendande ämnen
#
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.
Anubhav
Att genomsöka en hel webbplats brukade kräva:
Ett Python-skript.
Dramatiker eller Selenium.
Proxyrotation.
Hastighetsbegränsande logik.
Felhantering.
3 timmars felsökning varför sida 47 gav en 403.
Nu är det bara ett API-anrop.
Varje web scraping-startup som samlade in miljoner för att lösa detta problem blev bara en enda ändpunkt.
Varje frilansare som tar 500 dollar för att "extrahera webbplatsdata" har precis förlorat hela sin affärsmodell till ett /crawl-kommando.
HTML. Nedskrivning. JSON. Välj ditt format. Inga manus. Ingen webbläsare. Ingen huvudvärk.
Hela webbskrapningsbranschen har bara reducerats till en enda rad kod.
Någon kommer att använda detta för att klona varje konkurrents webbplats senast fredag. 💀
11 mars 05:51
Vi introducerar den nya /crawl-endpointen – ett API-anrop och en hel webbplats genomsökt.
Inga manus. Ingen webbläsarhantering. Bara innehållet i HTML, Markdown eller JSON.
186
Lyssnar du just nu?
Karpathy har precis öppnat ett repo där en AI-agent driver sin egen ML-forskning. Autonomt. I en loop. Medan du sover.
630 rader kod. Varje prick i grafen är en fullständig LLM-träningsrunda.
AI:n väljer arkitekturen, justerar hyperparametrarna, comminger koden och startar om.
Ingen mänsklig inblandning.
Du tillbringade sex månader på en Udemy-kurs för att lära dig att justera inlärningsfrekvenser.
Den här agenten gör det 50 gånger innan ditt morgonkaffe.
Killen som undervisade i internet deep learning automatiserade bara forskaren.
ML-doktorander är på väg att upptäcka att deras avhandling var en fem minuter lång träningsrunda på en enda GPU.
8 mars 03:53
Jag paketerade "autoresearch"-projektet i ett nytt självständigt minimalistiskt repo om folk vill spela under helgen. Det är i princip nanochat LLM-träningskära nedskalad till en enda GPU, en filversion av ~630 rader kod, sedan:
- människan itererar på prompten (.md)
- AI-agenten itererar på träningskoden (.py)
Målet är att styra dina agenter så att de gör snabbast forskningsframsteg obegränsat och utan egen inblandning. På bilden är varje prick en komplett LLM-träningsrunda som varar exakt 5 minuter. Agenten arbetar i en autonom loop på en git-funktionsgren och samlar på sig git-commits till träningsskriptet när den hittar bättre inställningar (med lägre valideringsförlust i slutet) i neurala nätverksarkitekturen, optimeraren, alla hyperparametrar osv. Du kan föreställa dig att jämföra forskningsframstegen för olika prompts, olika agenter, etc.
Delvis kod, delvis sci-fi och en nypa psykos :)
159
Topp
Rankning
Favoriter