@MachineScholar Хочу искренне поблагодарить вас за ваш анализ затрат и помощь в понимании этого вопроса. Я сам немного подавлен обилием новой информации, но молодые стажёры-информатики впитывают знания как губка. Возможно, они мыслят в 8 раз быстрее меня…
У меня один стажёр работает над плагином ИИ для двух разных сообществ Discourse. Мы платим стажёрам, но они недорогие и, безусловно, полны энтузиазма. Стажёр, занимающийся в основном работой с ИИ, учится в одной из программ компьютерных наук Калифорнийского университета, и я часто задаюсь вопросом, как проходят обсуждения на кампусе в такой молодой группе, где будущее так явно принадлежит им.
Также интересно, какова ваша собственная исследовательская среда? Вы, кажется, глубоко погружены в технологии. Какое прекрасное время для участия в этом. Так захватывающе.
Скорее всего, я открою новую тему с моим следующим вопросом. Стажёр внедряет Google Custom Search и доступ к токенам GitHub для бота ИИ. Я не совсем уверен, что это такое. Однако я надеюсь, что бот ИИ сможет получать доступ к репозиториям GitHub для просмотра документации… Я не уверен, что именно возможно. Также я не знаю, используется ли в плагине Discourse AI технология генерации с дополнением извлечения (RAG).
Что касается эффективности DeepSeek R1 по сравнению с o1, то другой стажёр рассказывал мне об использовании его для своих проектов в области компьютерных наук через веб-интерфейс (с использованием ChatGPT Plus). Таким образом, тест был очень неформальным, но энтузиазм одного из стажёров по поводу DeepSeek был велик.
Стажёр, который фактически работает над внедрением ИИ, был гораздо более сдержан в отношении различий между LLM. На данный момент он в основном предоставляет таблицы затрат и использования с ограниченными комментариями по различиям в использовании. Мы предоставим все LLM сообществу и попросим их оценить их. Поэтому разумно со стороны стажёра пока не высказывать своё мнение.
Ещё раз спасибо за вашу помощь в моём пути.