AI Mastermind LTPrisijungti prie grupės

Žinutės

Filtrastaikomas

Šis puslapis nėra tiesioginis — žinutės atnaujinamos pagal tvarkaraštį. Paskutinį kartą atnaujinta . Kito atnaujinimo laukiama apie . Laikas rodomas Vilniaus laiku (EET).

vakar dar bge-rerankes-v2-m3 implementinau
  • 👍1
accuracy memory nerealiai pakilo 😄
  • 👍1
yay, first contribution! 😄
  • 👍1
Programavimas / agentai
https://github.com/atvirokodosprendimai/agentsmemory/pull/17

Self-hosted hardening: nine defects found by running it, plus wings, anchors, recall stats and an eval by Ryouku · Pull Request #17 · atvirokodosprendimai/agentsmemory

Ran agentsmemory as the actual memory for six repositories for a day, then fixed everything that broke. Nine defects, seven of which only surface once the thing is genuinely in use, plus the capabi...

GitHubPerskaityta

  • 👍1
Darius BClaude
Kaip jums sekasi Claude app paleisti po atnaujinimų? Visada pakimba man keliom valandom...
Žinutės vaizdas
Bet aš naudoju win appsą, nes tada remote turiu... Ir pilną pc valdymą gaunu
Jeigu noriu greito rezultato, tada turiu restartint PC
Darius@Kiaulakis.lt #AiOpsCatalyst
Wow, realiu laiku generacija

https://www.linkedin.com/posts/reczkok_depth-aware-light-injection-in-typegpu-i-ugcPost-7495455586822782977-_hhm/?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAAEFYAABFpy5SEMzTlQo968IO8FlJGQsOJ8&utm_campaign=share_via

Depth-aware light injection in TypeGPU I got a 448x448 monocular depth model down to ~8 ms on my M4 Pro across ~250 dispatches, which is fast enough to use in realtime :D Since the inference is… | Konrad Reczko | 270 comments

Depth-aware light injection in TypeGPU I got a 448x448 monocular depth model down to ~8 ms on my M4 Pro across ~250 dispatches, which is fast enough to use in realtime :D Since the inference is written directly in TypeGPU, I can just feed the depth buffer straight into the lighting pass. It never has to leave the GPU or go through any extra synchronization/interop step Inference, lighting and draw all go through the same command encoder | 270 comments on LinkedIn

LinkedInPerskaityta

Programavimas / agentai
Išsisaugau, grįžus iš tylos stovyklos bus įdomu išbandyt, palygint =)

https://www.linkedin.com/posts/linasbeliunas_elons-spacex-just-dropped-a-github-competitor-ugcPost-7495181547323580416-lIPb/?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAAEFYAABFpy5SEMzTlQo968IO8FlJGQsOJ8&utm_campaign=share_via

Elon’s SpaceX just dropped a GitHub competitor: Cursor launched Origin, their own code hosting platform built for AI agents 😳 The craziest part? It went live while GitHub is currently experiencing… | Linas Beliūnas | 155 comments

Elon’s SpaceX just dropped a GitHub competitor: Cursor launched Origin, their own code hosting platform built for AI agents 😳 The craziest part? It went live while GitHub is currently experiencing a global outage 😭 No more human-speed GitHub bottlenecks. No more agents waiting on old infrastructure. Just sync your repos and let them run at full machine speed. ↳ Code, PRs, and agents live in one place ↳ Real-time sync with GitHub (it becomes the backup) ↳ Parallel agents can commit, review, and merge nonstop Because the real bottleneck was never writing code. It was coordinating what machines produce at scale. And Cursor just removed it. GitHub is now the compatibility layer, while the actual work happens inside Cursor. Cursor is building the next generation of AI software & defining how it gets built. P.S. also check out Y Combinator's QM: The Complete Guide to YC's Open-Source AI Agent Harness 🤖: https://lnkd.in/dqMh63bi | 155 comments on LinkedIn

LinkedInPerskaityta

Darius BDokumentai / duomenų apdorojimasVaizdai / vaizdo kūrimasProgramavimas / agentai
žiūrėjau dabar https://www.youtube.com/watch?v=dxq7WtWxi44 prie kavos
Aš tai tokius video mielai duodu savo agentams ir paskui tik perskaitau jų išvadas:

Geras video kavai — ir tiesiai į mūsų daržą. Santrauka ir verdiktas:
Apie ką. Autorius — Open Brain (SQL atminties sistemos) kūrėjas, lygina savo požiūrį su Karpathy wiki idėja (41k žmonių pasižymėjo). Esminė skirtis paprasta: kada AI galvoja. Karpathy wiki — galvojama ĮDEDANT: kiekvienas naujas šaltinis iškart įsintezuojamas į prižiūrimą wiki, klausimai paskui pigūs. Open Brain — galvojama KLAUSIANT: viskas krenta į struktūrizuotą bazę be sintezės, AI dirba tik kai paklausi. Wiki laimi giliam vieno žmogaus tyrinėjimui; bazė — kai reikia tikslių užklausų („visos SF virš 50k už Q1"), daug agentų ir apimčių (wiki lubos ~10k dokumentų).
Rimčiausi jo perspėjimai apie wiki kelią: pasenusi sintezė skaitosi užtikrintai ir virsta aktyvia dezinformacija (bazės spraga atrodo kaip spraga, o wiki klaida — kaip tiesa); AI redakciniai sprendimai iškepa klaidas visam laikui; keli rašytojai vienoje wiki = chaosas; ir pavojingiausia — wiki mėgsta „išlyginti" prieštaravimus, kurie kaip tik yra signalas (inžinieriai sako 12 savaičių, pardavimai pažadėjo 8 — wiki parašo „apie 10" ir problemos nebesimato).
Kodėl įdomu MUMS — trys sutapimai su tuo, ką jau darom:
1. Jo „wiki lūžta nuo kelių rašytojų" — mūsų single-writer principas tą išsprendęs nuo pirmos dienos.
2. Jo „prieštaravimų neišlyginti" — mūsų „pilniausia versija" (UNION, ne intersection) taisyklė.
3. Jo finalinis receptas — struktūra = tiesos šaltinis, wiki = generuojamas vaizdas, klaidą taisai šaltinyje ir pergeneruoji — tai tiksliai mūsų naujo agentų registro dizainas (JSON kortelės → kompiliuotas manifestas → vaizdai). Priėjom tą pačią išvadą nepriklausomai — geras ženklas.
Verdiktas: PASIIMTI principą, ne įrankį. Open Brain produkto mums nereikia — savo bazę turim. Bet vieną jo mintį verta įsirašyti: mūsų ZINIU-BAZE yra wiki-tipo, tad jos senėjimas = užtikrintai skambanti klaida; tai argumentas ilgainiui daugiau faktų laikyti struktūrizuotai (kaip registro kortelės), o sintezes generuoti, ne rašyti ranka. STEBĖTI — jo „prieštaravimų audito" įskiepio idėją, pigu pasidaryti patiems.
Įsirašau į atradimų registrą vienu sakiniu, kad mintis nepasimestų.
  • 👍1
Nate'as fainas, tai ir pažiūrėti smagu 😁
kaip jau sakiau , memory. daug duoda ( bent jau man po pusmecio naudoj
Kitaip nelabai įmanoma naudotis, bet matau, kad jau atsiranda ir pas tiekėjus tokių minčių, nes jau siųlo MD failus talpinti į Google drive per patarimus, vakar išmetė man... Bet aš juos jau nuo sausio ten bandžiau talpint, tik šūdinai sekėsi juos paskui naujint ar skaityt priverst 🙈 Dabar per Git dirba, tai mažiau grybauja...
Darius BVaizdai / vaizdo kūrimasProgramavimas / agentai
aš per tris kartus, valgant, virtuvės televizoriuj 😁
O komentarus skaitei? Ten jų 120 😅

Taip, praeitas mano atsakymas kaip tik apie juos — perskaičiau 120 video komentarų. Trumpai: dauguma „ačiū Nate", bet penki verti dėmesio, o naudingiausi trys: (1) atminties sistemai reikia ir užmiršimo, ne tik kaupimo (mūsų bazė kol kas tik auga); (2) aviacijos taisyklė „nerotuojamos poros apsipranta" — tinka mūsų tikrintojams: 203 nuolat vertina tuos pačius agentus, ilgainiui nebematys nukrypimų; (3) sintezė sensta kartu su ją rašiusiu AI modeliu — dar vienas argumentas sinteces pergeneruoti iš žalios medžiagos, o ne laikyti amžinai. Dar du buvo malonūs patvirtinimai: vienas komentatorius daro savaitines agentų „įtampų" sesijas (beveik mūsų VARTŲ SESIJA), kitas wiki šviežumą palaiko naktiniu pergeneravimu — abu sutampa su tuo, ką jau darom. Visi trys nauji punktai jau registre.
Chionsas
reikia tokias 'kartas' daryt – atsiranda naujas modelis, pergeneruoji su juo
aš mąstau apie įmonių knowledge graph, tarkim. Yra doc'ų, excelių, laiškų ir pan. apie 2TB NAS'e
tai kol iš viso to kažkokį wiki sugeneruosi, mėnesį užtruks 😁
bet lokaliai vis tiek neįmanoma, niekas nepirks tiek gpu – teks nuomotis
Chionsas
tas 'palaukti', bent jau mano atveju, natūraliai gaunasi, nes nespėju visko 😁
  • 😁2

Rodoma paskutinė surinkta leidžiama būsena; pašalinimų suderinimas nebaigtas. Visas pokalbis — Telegram grupėje.