इनमें से कुछ की शुरुआत उस कमेंट से हुई जो हमने किसी के पेपर या पोस्ट के नीचे छोड़ा था, और कुछ की शुरुआत किसी के भेजे मैसेज से। हर कहानी का अपना विषय है और अपने मोड़ हैं।
आधे मिनट में
तीन लोग, तीन अलग सवाल। हर कोई अपना कुछ बनाता है, और हम उसके साथ एक सवाल पर खुले में काम करते हैं।
Anagha Langhe ने जाँचा कि उनके मॉडल का हल्का वर्ज़न (FP8) क्या बदतर जवाब देता है। 120 सवालों में सिर्फ़ एक सही से गलत हुआ।
Mark Goodbody ने देखा कि उनके तर्क-ढाँचे ChatGPT और Claude के फ़ैसले बदलते हैं या नहीं। इन रनों में मुख्य भेद उनके साथ और उनके बिना, दोनों में दिखे, इसलिए अभी कोई फ़ायदा साबित नहीं हुआ: मॉडल "हम क्या कह सकते हैं" और "हमें क्या करना चाहिए" को पहले से ही खुद अलग रखते हैं।
Mohan Bheemadolu एजेंट की मेमोरी को छोटे-छोटे कोड में निचोड़ते हैं, और हम साथ मिलकर टेस्ट कर रहे हैं कि क्या इससे दो AI के एक ही गलत जवाब पर सहमत होने की संभावना बढ़ती है।
तीन सलाहकार स्कूल की सिफ़ारिश करते हैं, तीनों दो साल पुराने एक ही नक्शे पर टिके हैं। एक सलाहकार के पास आज का निरीक्षण है कि स्कूल का सीढ़ी-रहित प्रवेश-द्वार बंद है। Mark के ढाँचे के सामने होने पर भी और न होने पर भी, दोनों AI ने तीनों को एक ही स्रोत गिना।
जब एजेंट की मेमोरी में तथ्य छूट गया, तब भी GPT और Claude ने 33 बार एक ही जवाब दिया, और उनमें 15 गलत थे। Mohan का FlyHash हर याद के लिए सिर्फ़ कुछ सक्रिय बिट चालू करता है। क्या ज़्यादा संपीड़ित कोड इस साझा गलती को और आम बना देता है?