Medium’da kayıtların ve benchmark’ların gösterdikleri üzerine yazıyorum. En yeni yazı en üstte.
Türkçe
270M parametreli bir Türkçe kişisel veri maskeleme modeli, 24.000 hedefli örnekle herkese açık 1.000 satırlık bir benchmark’ta 0.740’tan 0.882’ye nasıl çıktı ve hangi iki dilimde kötüleşti. İlgili: model sayfası.
Medium’da okuyun
İngilizce
Büyük bir şirketteki her ekip için, yalnızca teknik ekipler için değil, emekleme, yürüme, koşma adımlarıyla bir rehber. Bir ekip, hiçbir yapay zekâ aracı satın almadan, önce kendi verisini grafiğe dökerek günlük gelen talepleri 100’den 35’e indirdi.
Medium’da okuyun
İngilizce
Claude Code her araç çağrısında hangi skill’in etkin olduğunu kaydeder. 128 oturumda 376 etkinleşme vardı. Bütün işi altı skill yaptı ve 1.447 satır talimat hiçbir ajan tarafından açılmadı. İlgili: skillbench.
Medium’da okuyun
İngilizce
Talimat dosyaları sorduğunuz her sorudan önce okunur ve kimse onları ölçmez. On iki projede medyan istek başına yaklaşık 6.000 token’dı ve bir kuralın hiç tetiklenmediği için işe yaradığı ortaya çıktı. İlgili: gardener.
Medium’da okuyun
İngilizce
Claude Code her oturumu diskinize JSONL olarak yazar. Benimkiler prompt başına 35 araç çağrısı, 49 ret ve beni pek iyi göstermeyen başka şeyler ortaya koydu. İlgili: devpersona.
Medium’da okuyun
Yeni yazılar, yeni eklentiler ve barındırılan sürümle ilgili haberler e-postanıza gelsin. Ayda en fazla bir mesaj, aboneliği istediğiniz zaman bırakabilirsiniz.
Ya da Medium’da takip edin.