Wow, jeg skjønte ikke at forskjellen mellom biler og motorsykler var så stor. Motorsykler er 29 ganger farligere.

Jo vanskeligere oppgaven er, jo mindre bryr du deg om folks rase eller kjønn eller hva som helst, enten i rasistisk forstand eller mangfoldsforstand. Du er så desperat bare etter å finne noen som kan gjøre det bra at du ikke tenker på noe annet.

OpenAI ga nylig ut sin første modell med åpne vekter siden GPT-2, og gikk inn i et felt ledet av DeepSeek og Alibabas Qwen. Ankit (@GuptaAnkitV) bryter ned disse beste OSS-modellene, inkludert hva som skiller dem under panseret: blanding av eksperter, trening med lang kontekst og teknikker etter trening som former resonnement og justering – og hvordan forskjellige designvalg fører til overraskende lik ytelse. 00:00 – OpenAI OSS-lansering 01:00 – Sammenligning av åpen kildekode LLM-arkitekturer 01:46 – GPT OSS-oversikt 02:37 – Under panseret på GPT OSS 03:25 – Qwen-3 Arkitektur 04:17 – Qwen-3 trening 05:12 – Qwen-3 Etter trening 06:08 – Qwen-3 Resonnement og RL-innovasjoner 06:52 – DeepSeek V3 – Oversikt over DeepSeek V3 07:40 - DeepSeek V3.1-oppdateringer 08:39 – Oppmerksomhetsmekanisme (MLA) 09:39 – Sammenligning av modellstørrelser 10:35 – Lange kontekststrategier 11:25 – Refleksjoner over metoder 12:00 – Takeaways