Tomas Vera

1.8K posts

Tomas Vera banner
Tomas Vera

Tomas Vera

@vtomasv

Uncertainty & Technical Advisor | Director Zenta Group | PhD(c) de la Universidad de Chile para su Doctorado en Ciencias mención Computación

huechuraba, Santiago, Chile Tham gia Ağustos 2009
1.4K Đang theo dõi494 Người theo dõi
Tomas Vera đã retweet
Andrej Karpathy
Andrej Karpathy@karpathy·
Three days ago I left autoresearch tuning nanochat for ~2 days on depth=12 model. It found ~20 changes that improved the validation loss. I tested these changes yesterday and all of them were additive and transferred to larger (depth=24) models. Stacking up all of these changes, today I measured that the leaderboard's "Time to GPT-2" drops from 2.02 hours to 1.80 hours (~11% improvement), this will be the new leaderboard entry. So yes, these are real improvements and they make an actual difference. I am mildly surprised that my very first naive attempt already worked this well on top of what I thought was already a fairly manually well-tuned project. This is a first for me because I am very used to doing the iterative optimization of neural network training manually. You come up with ideas, you implement them, you check if they work (better validation loss), you come up with new ideas based on that, you read some papers for inspiration, etc etc. This is the bread and butter of what I do daily for 2 decades. Seeing the agent do this entire workflow end-to-end and all by itself as it worked through approx. 700 changes autonomously is wild. It really looked at the sequence of results of experiments and used that to plan the next ones. It's not novel, ground-breaking "research" (yet), but all the adjustments are "real", I didn't find them manually previously, and they stack up and actually improved nanochat. Among the bigger things e.g.: - It noticed an oversight that my parameterless QKnorm didn't have a scaler multiplier attached, so my attention was too diffuse. The agent found multipliers to sharpen it, pointing to future work. - It found that the Value Embeddings really like regularization and I wasn't applying any (oops). - It found that my banded attention was too conservative (i forgot to tune it). - It found that AdamW betas were all messed up. - It tuned the weight decay schedule. - It tuned the network initialization. This is on top of all the tuning I've already done over a good amount of time. The exact commit is here, from this "round 1" of autoresearch. I am going to kick off "round 2", and in parallel I am looking at how multiple agents can collaborate to unlock parallelism. github.com/karpathy/nanoc… All LLM frontier labs will do this. It's the final boss battle. It's a lot more complex at scale of course - you don't just have a single train. py file to tune. But doing it is "just engineering" and it's going to work. You spin up a swarm of agents, you have them collaborate to tune smaller models, you promote the most promising ideas to increasingly larger scales, and humans (optionally) contribute on the edges. And more generally, *any* metric you care about that is reasonably efficient to evaluate (or that has more efficient proxy metrics such as training a smaller network) can be autoresearched by an agent swarm. It's worth thinking about whether your problem falls into this bucket too.
Andrej Karpathy tweet media
English
974
2.1K
19.4K
3.6M
Tomas Vera đã retweet
Andrej Karpathy
Andrej Karpathy@karpathy·
The hottest new programming language is English
English
1.9K
8K
63.3K
11.2M
Tomas Vera đã retweet
Carol Monroe
Carol Monroe@CarolMonroe·
¡Gracias! @vtomasv para una no code / low code geek lo que compartiste hoy es oro 🫶
Carol Monroe tweet media
Español
0
3
6
533
Tomas Vera đã retweet
Alejandro Fernandez
Alejandro Fernandez@Cascosoft·
Gustavo Rossi es reconocido como Profesor Emérito de la @UNLP - gracias Gus por habernos dado tanto !!! Emérito te queda chico Wana!!
Alejandro Fernandez tweet media
Español
1
3
28
659
Tomas Vera đã retweet
Moisés Barrio Andrés, PhD.
Moisés Barrio Andrés, PhD.@moisesbarrioa·
El Tribunal de Internet de Pekín ha sentenciado que un fabricante de software ha vulnerado los derechos de una persona tras emplear una herramienta basada en #IA para replicar su voz, sin su consentimiento: globaltimes.cn/page/202404/13…
Español
0
11
6
1.2K
Tomas Vera đã retweet
Guido Girardi
Guido Girardi@guidogirardi·
Lo que está en disputa permanentemente es el cerebro. El #cerebro es el campo de batalla del futuro. Es por esto que nosotros consideramos que Worldcoin viola la norma de #neuroderechos que está en la Constitución chilena, porque no hay sistemas de consentimiento ni claridad del uso que le darán a estos datos obtenidos desde el iris de las personas. Detalles aquí ⬇️ meganoticias.cl/nacional/44302…
Guido Girardi tweet media
Español
8
11
33
3K
Tomas Vera đã retweet
Vaibhav (VB) Srivastav
Vaibhav (VB) Srivastav@reach_vb·
Hello Evo 131K! 🧬 > 7B biological foundation model. > StripedHyena architecture. > Trained on 300B tokens, OpenGenome. > Long-context (131K), generates > 650K seq length. > Apache 2.0 license! 🔥 Checkpoints on the Hub! ;)
English
4
36
221
29.6K
Tomas Vera đã retweet
Congreso Futuro
Congreso Futuro@congresofuturo·
¡Descubre la revolución de la #IA en nuestros Talleres de #InteligenciaArtificial en #CF2024! 🌐 Explora teoría y práctica de la IA con instituciones, universidades e investigadores líderes.
Congreso Futuro tweet media
Español
2
10
17
1.6K
Tomas Vera đã retweet
DCCUChile
DCCUChile@dccuchile·
👏Felicitamos al Prof. Aidan Hogan, quien asumió como director alterno del @IMFDChile. El académico señaló que una de sus primeras metas será aumentar la participación y visibilidad del IMFD en las universidades asociadas al Instituto. 📌Noticia en 👉 tinyurl.com/aidan-hogan-di…
DCCUChile tweet media
Español
1
3
10
527
Tomas Vera đã retweet
DCCUChile
DCCUChile@dccuchile·
🎉👏Felicitamos a la profesora Jocelyn Simmonds, reconocida como Mejor Docente de Pregrado. Esta distinción fue otorgada en el marco de las actividades del 181° aniversario de la @uchile. Noticia en: tinyurl.com/2p8r9ran
DCCUChile tweet media
Español
0
5
38
1.1K
Tomas Vera
Tomas Vera@vtomasv·
@DotCSV Posiblemente este video (youtube.com/watch?v=JhCl-G…) ayude a reforzar lo que dices @DotCSV, programo desde los 10 y tengo 42, confío plenamente en que va a cambiar radicalmente la forma en la que programamos, el tiempo se acabo ya es hora de que lo hagamos distinto.
YouTube video
YouTube
Español
0
0
1
484
Carlos Santana
Carlos Santana@DotCSV·
🔴 Buenas noticias sobre la Programación y la IA. Una de las cosas que la IA ya está permitiendo es reducir la barrera de entrada a la hora de programar: la parte baja de la distribución se está alargando. Si tú eres un programador excelente tope de gama controlando patrones de diseño, estructuras de datos, investigando nuevos algoritmos, etc... tranquilo que con el uso de estas herramientas podrás seguir haciendo esto y con apoyo de la IA, podrás hacer más! Lo interesante que va a ocurrir, más pronto que tarde, lo veremos en la parte de abajo de la distribución. Os sorprendería la cantidad de gente que en su trabajo, sin ser programadores, tienen que hacer tareas relacionadas con la programación: investigadores que tienen que analizar datos y que sólo recibieron una formación en R; trabajadores que sí, saben tirar líneas de código pero no aplican todas las buenas prácticas que tocarían; diseñadores gráficos que ven en el software que utilizan posibilidades de hacer scripting pero se les hace un mundo empezar, etc. Toda esta gente ahora con la ayuda de herramientas como ChatGPT va a poder volar. Y quizás no, no harán el código perfecto o el software más avanzado, pero para ellos será mucho más que enfrentarse al mismo reto buscando en Google o en Stack Overflow. "Pe-pe-pero Carlos, eso no es PROGRAMAR" Es que nadie ha dicho que lo sea. A día de hoy, el código que pueda salir de ahí no será modular, no estará optimizado, no podrá mantenerse y aunque quemes ChatGPT la IA llega hasta donde llega por ahora. Pero si cumple para esa persona, da igual que le llamemos programación o prompting... Con el tema de mi hermano hoy. Si analizáis de nuevo el tweet veréis que en ningún momento digo que esté programando, de hecho lo que digo es que me sorprende que haya llegado a ese resultado sin tener ni idea de programar-que sí, que para ti que tu primer 'Hello world' fue en ensamblador te parece un puta mierda, felicidades crack. Pero digamos lo evidente: antes de hacerlo no sabía programar y después de hacerlo, tampoco. Pero es que el no quería eso, el sólo quiere aprender a hacer un juego, no programar, y ese es su reto. Lo de hoy fue simplemente un ejemplo siguiendo el tuto de Nate, pero le apetece seguir aprendiendo y trabajando en este desafío. Y tenéis que asumir que la posibilidades ante un reto así, gracias a la IA, ahora es posible. "Pe-pe-pero Carlos es que la program..." Coño, ya te he dicho que ahora no estoy hablando de programar. No confundas el medio con el fin. Que toda esta gente, que antes se veía intimidada por la programación, ahora pueda tener este boost en su trabajo nos va a aportar mu-chi-si-mo en la sociedad, y si esto te preocupa, deberías de plantearte en que lado de la distribución estás. Pero esa es la ola que se viene por ese lado de este nicho profesional. Y de este sector lo que sé es que algo que no ha cambiado con los años es la existencia de un grupúsculo tóxico en el mundo tech que si no hace valer su conocimiento, la inseguridad les puede. Si te parece divertido ridiculizar el trabajo de quien empieza ahora a dar sus primeros pasos, tienes que saber que ni como profesional ni como persona dejas mucho que desear. Para la ola que se viene, fuera del barco. Buenas noches :)
Carlos Santana tweet media
Español
95
202
1.6K
258.6K
Tomas Vera đã retweet
Congreso Futuro
Congreso Futuro@congresofuturo·
¡ES HOY! 🎉 ¡NOCHES NERD! ⚡ Recuerda, hoy a las 19:30 horas, se llevará a cabo @NochesNerd en Taller 1, General Salvo 20, Providencia. 📍Referencia: Metro estación Salvador.
Congreso Futuro tweet media
Español
1
4
6
424