#fine-tuning — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #fine-tuning, aggregated by home.social.
-
Are the laws of physics finely tuned for life, or do we simply fit the universe's parameters? The Anthropic Principles push us to ask why observers exist at all. What examples of cosmic fine-tuning do you find most persuasive, and why?
#AnthropicPrinciples #Cosmology #FineTuning #CosmicFineTuning #PhilosophyOfScience
https://www.chrissbiblenewsletter.org/p/these-signs-of-the-day-of-the-lord -
Anthropic principles ask: is the universe tailored for life, or are we reading meaning into a vast cosmos? This tension between design and chance fuels dialogue in science and faith. How should this shape your view of existence and purpose?
#AnthropicPrinciple #FineTuning #Cosmology #PhilosophyOfScience #ScienceAndFaith
https://www.chrissbiblenewsletter.org/p/why-we-need-apologetics-and-what -
RT @hasantoxr: Das Fine-Tuning deiner eigenen LLM ist jetzt kinderleicht. Alle sagen mir, dass sie gerne ein benutzerdefiniertes Modell trainieren würden, aber es ist zu viel Aufwand. Das ist nicht mehr so. Ich habe dieses Tool namens Soup gefunden. Eine YAML-Konfiguration. Ein Befehl. Fertig. Kein SSH. Keine Infrastruktur-Hölle. Kein 4-stündiges Ringen mit Batch-Größen. Alles automatisch. Hier ist die komplette Einrichtung: 1. pip install 'soup-cli[train]' 2. soup init --template chat 3. soup train 4. soup chat --model ./output Das war's. Du hast jetzt dein eigenes feinabgestimmtes Modell. 7B auf 8GB VRAM. 14B auf 16GB. 70B wenn du eine ernsthafte Hardware hast. Templates sind einsatzbereit für Chat, Code, Tool-Calling, Medizin, Reasoning, Vision, RLHF und etwa ein Dutzend mehr. Exportiere es als GGUF, führe es in Ollama aus, push es zu HuggingFace, was auch immer du willst. Wenn du 2026 etwas KI baust und weiterhin das Basis-Modell von jemand anderem unverändert nutzt, lässt du 90% des Werts liegen. Trainiere dein eigenes. Besitze die Gewichte. Liefere das Produkt. https://github.com/MakazhanAlpamys/Soup
mehr auf Arint.info
#AI #FineTuning #LLM #MachineLearning #OpenSource #SoupCLI #arint_info
-
RT @hasantoxr: Das Fine-Tuning deiner eigenen LLM ist jetzt kinderleicht. Alle sagen mir, dass sie gerne ein benutzerdefiniertes Modell trainieren würden, aber es ist zu viel Aufwand. Das ist nicht mehr so. Ich habe dieses Tool namens Soup gefunden. Eine YAML-Konfigurationsdatei. Ein Befehl. Fertig. Kein SSH. Keine Infrastruktur-Hölle. Kein 4-stündiges Ringen mit Batch-Größen. Alles automatisch. Hier ist die komplette Einrichtung: 1. pip install 'soup-cli[train]' 2. soup init --template chat 3. soup train 4. soup chat --model ./output Das war's. Du hast jetzt dein eigenes feinabgestimmtes Modell. 7B auf 8GB VRAM. 14B auf 16GB. 70B, wenn du eine ernsthafte Hardware hast. Vorlagen sind bereit für Chat, Code, Tool-Aufrufe, Medizin, Reasoning, Vision, RLHF und etwa ein Dutzend weitere. Exportiere es als GGUF, führe es in Ollama aus, push es zu HuggingFace, was auch immer du willst. Wenn du 2026 etwas KI-basiertes baust und weiterhin das Basis-Modell von anderen unverändert nutzt, lässt du 90% des Wertes auf der Strecke. Trainiere dein eigenes Modell. Besitze die Gewichte. Liefere das Produkt. https://github.com/MakazhanAlpamys/Soup
mehr auf Arint.info
#AItools #FineTuning #GitHub #LLM #MachineLearning #OpenSourceAI #arint_info
-
RT @thesupermanmx: Google DeepMind argues RAG is broken. They published a paper that proved vectors databases are the dead end. For the last three years, the default engineering response to any AI memory or data problem has been identical: "Just build a RAG pipeline." Chunk the data, push it into a vector database, and let embeddings handle the rest. Every company scaling enterprise AI assumes that if an embedding model fails, it's just a matter of time. Better training data, larger models, more parameters—throw compute at it, and the search gets smarter. This paper proves that assumption is completely false. They mathematically demonstrated that single-vector embeddings have a hard, uncrossable limit. Here is the core flaw: An embedding compresses an entire document or a complex query down into a single fixed-length vector of numbers. When you run a search, the model takes the dot product of those vectors to measure similarity. The math reveals a brutal constraint. The number of distinct document combinations a model can possibly retrieve for different queries is strictly bounded by the dimension of its embedding space. It is a hard mathematical ceiling dictated by geometry and communication complexity. No amount of data scaling can fix it. No amount of fine-tuning will punch through it. Even if you give an embedding model infinite, unconstrained training freedom on the test set, it still hits the wall. DeepMind built a stress-test dataset called LIMIT to prove it. They threw state-of-the-art embedding models at it, models with thousands of dimensions. The models completely failed. Even on s…
mehr auf Arint.info
#agent #AIagent #DeepMind #finetuning #Google #RAG #rest #arint_info
-
The anthropic principle asks why the laws of physics permit life in our universe.
Debates center on fine-tuning, observer selection effects, and what reality means for us as observers.
#AnthropicPrinciple #FineTuning #Cosmologyhttps://www.chrissbiblenewsletter.org/p/13-can-christians-believe-in-evolution
-
The Anthropic Principle asks why the cosmos has laws that allow life and observers.
Some see it as a selection effect, explaining why we observe a life-permitting cosmos.
-
Fine-tune an 8B model on a 4 GB laptop GPU
https://github.com/MakazhanAlpamys/Soup
Comments: https://news.ycombinator.com/item?id=49166984
#HackerNews #FineTuning #8BModel #LaptopGPU #MachineLearning #AIResearch #SoupGitHub
-
Промпт, RAG или дообучение: что реально выучит вашу LLM
Локальная модель может уверенно отвечать на общие вопросы и так же уверенно ошибаться в вашем домене. В статье сравнили на одной задаче промпт с контекстом, RAG и дообучение методом QLoRA, замерили результат на 30 вопросах и разобрали, где каждый подход действительно полезен, а где создаёт новый класс проблем.
https://habr.com/ru/companies/otus/articles/1064244/
#llm #qlora #rag #finetuning #дообучение #промптинжиниринг #unsloth #qwen3 #локальныеllm #эмбеддинги
-
Anthropic principles explore why the universe's constants permit life.
They suggest our existence may influence what we observe.