Закрытие цикла непрерывного обучения: от следов агентов до обучения агентов

Ссылка на Zoom: https://us02web.zoom.us/j/82308186562 Доклад #0: Введение и обновления встреч от Кристофера Фрегли и Антье Барт Доклад #1: Закрытие цикла непрерывного обучения: от следов агентов до обучения агентов от Рустема Фейзханова, руководителя инженерного отдела @ Snorkel.ai Производственные следы показывают, где агентам не удается справиться с задачами, но как мы можем превратить эти неудачи в обучение? Этот доклад исследует практический цикл от следов до воспроизводимых симуляций, проверяемых вознаграждений и улучшения моделей через дообучение или обучение с подкреплением. Мы также рассмотрим, когда лучше изменить подсказки, инструменты или приспособление агента, вместо того чтобы обновлять веса модели. Ссылка на Zoom: https://us02web.zoom.us/j/82308186562 Связанные ссылки Репозиторий на Github: http://github.com/cfregly/ai-performance-engineering/ Книга O'Reilly: https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/ YouTube: https://www.youtube.com/@AIPerformanceEngineering Бесплатный курс по генеративному ИИ на DeepLearning.ai: https://bit.ly/gllm