+− THE DAILY DIFFdev & AI news
SHIP IT

କ୍ଲୋଡ୍ ନର୍ଫ୍ କିପରି ଚିହ୍ନଟ କରିବେ (ବାସ୍ତବ ଡାଟା ସହିତ)

ଲୋକମାନେ କୁହନ୍ତି ପ୍ରତ୍ୟେକ ଲଞ୍ଚ୍ ପରେ କିଛି ସପ୍ତାହ ମଧ୍ୟରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୋଇଯାଏ।

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

ଲୋକମାନେ କୁହନ୍ତି ପ୍ରତ୍ୟେକ ଲଞ୍ଚ୍ ପରେ କିଛି ସପ୍ତାହ ମଧ୍ୟରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୋଇଯାଏ। ଜଣେ ଡେଭଲପର୍ ଲଞ୍ଚ୍ ସପ୍ତାହରୁ ୩୦ ଦିନ ପାଇଁ କ୍ଲୋଡ୍ ଓପସ୍ ୫.୫ କୁ ଏକ ଘଡ଼ିରେ ରଖିଥିଲେ, ଫ୍ରିଜ୍ ହୋଇଥିବା ପ୍ରଶ୍ନ, ଏକ ପିନ୍ ହୋଇଥିବା କ୍ଲୋଡ୍ କୋଡ୍ ଏବଂ ସାର୍ବଜନୀନ ନିୟମ ସହିତ, ଏବଂ ଏହା ଦର୍ଶାଏ ଯେ କାହିଁକି କେହି ପୂର୍ବରୁ ଜାଣି ପାରିନଥାନ୍ତେ, ଏବଂ କାହିଁକି ଆପଣଙ୍କ ଟୋକେନ୍ ଗଣନା ହେଉଛି ଦେଖିବାକୁ ଥିବା ଜିନିଷ। ରାୟ: SHIP IT।

ଲିଖିତ ସଂସ୍କରଣ ପଢ଼ନ୍ତୁ (English) ↗

ଏହି ଭିଡିଓରେ କ'ଣ ଅଛି

  • ଲଞ୍ଚ୍ ପରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୁଏ: ସିଦ୍ଧାନ୍ତ ଏକ ଦିନ-ଶୂନ ଘଡ଼ି ସହିତ ମିଶିଥାଏ
  • ଲାଇଭନର୍ଫ୍: ଲଞ୍ଚ୍ ସପ୍ତାହରୁ ଓପସ୍ ୫.୫ ଉପରେ ଏକ ୩୦ ଦିନର ଘଡ଼ି
  • ଏକ ନର୍ଫ୍ କିପରି ଧରିବେ: ୭୮ ବେଳେବେଳେ ସଠିକ୍ ପ୍ରଶ୍ନ
  • ଏହା କ’ଣ ଦେଖିପାରେ: ୭.୫ ପଏଣ୍ଟ, ଏବଂ ଟୋକେନ୍ ଗଣନା ପ୍ରଥମେ ଗତି କରେ
  • ଅନ୍ଧ ସ୍ପଟ୍: ଏକ ଓପସ୍ ୫ ସ୍ୱାପ୍ ଏବଂ ୮ ଭୁଲ ଉତ୍ତର କୀ'

ପ୍ରଶ୍ନ ଏବଂ ଉତ୍ତର

ଏକ AI ମଡେଲ ଲଞ୍ଚ ହେବା ପରେ ଚୁପଚାପ୍ ଖରାପ ହୋଇଛି କି ନାହିଁ ଆପଣ କିପରି ପରୀକ୍ଷା କରିପାରିବେ?

ସମାନ ଫ୍ରୋଜେନ୍ ପ୍ରଶ୍ନଗୁଡ଼ିକୁ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ସମୟସୀମାରେ ଚଲାନ୍ତୁ ଏବଂ ସଠିକ୍ ମେଳ ସହିତ ଗ୍ରେଡ୍ କରନ୍ତୁ। ଲାଇଭେନର୍ଫ ରେପୋ କ୍ଲାଉଡ୍ ଓପସ୍ 5.5 ଉପରେ 30 ଦିନିଆ ଘଣ୍ଟା ଚଲାଏ, ଦିନକୁ ଥରେ, ଲଗ୍ ସହିତ ଯାହାକୁ କେହି ସମ୍ପାଦନ କରିପାରିବେ ନାହିଁ। ଏହା 78 ଟି ପ୍ରଶ୍ନ ବ୍ୟବହାର କରେ ଯାହାକୁ ମଡେଲ କେବଳ ବେଳେବେଳେ ସଠିକ୍ ଭାବରେ ଉତ୍ତର ଦିଏ, କାରଣ ଏକ ପ୍ରଶ୍ନ ଯାହାକୁ ଏହା ସର୍ବଦା ସଠିକ୍ ଭାବରେ ଉତ୍ତର ଦିଏ ତାହା ଖସିପାରିବ ନାହିଁ। ଏହା କ୍ଲାଉଡ୍ କୋଡ୍ ସଂସ୍କରଣକୁ ପିନ୍ କରେ, କାରଣ ଏକ ପରିବର୍ତ୍ତିତ ହାର୍ନେସ୍ ଏକ ପରିବର୍ତ୍ତିତ ମଡେଲ୍ ପରି ଦେଖାଯାଏ।

ଏହି ଅଂଶ ଦେଖନ୍ତୁ 1:24 · github.com · github.com

ଲାଇଭେନର୍ଫ ମିଟର କେଉଁ ଆକାରର ବୁନ୍ଦା ଚିହ୍ନଟ କରିପାରିବ?

ପ୍ରତି ଦଶ ଦିନର ୱିଣ୍ଡୋରେ, ମିଟର ପ୍ରାୟ 7.5 ପଏଣ୍ଟର ଏକ ବୁନ୍ଦା ଦେଖିପାରିବ। ରିଗ୍ କାର୍ଯ୍ୟ କରେ ବୋଲି ପ୍ରମାଣ କରିବାକୁ, ଲେଖକ ଉଦ୍ଦେଶ୍ୟମୂଳକ ଭାବରେ କ୍ଲାଉଡ୍ ର ପ୍ରୟାସକୁ କମାଇ ଦେଇଥିଲେ। କମ୍ ପ୍ରୟାସ ପ୍ରାୟ ଦୁଇ ତୃତୀୟାଂଶ ଆଉଟପୁଟ୍ କାଟିଦେଲା ଏବଂ ସ୍କୋର ଆଠ ପଏଣ୍ଟ କମିଗଲା। ପୁରୁଣା ଓପସ୍ 5 କୁ ଚୁପଚାପ୍ ସ୍ୱାପ୍ କରିବା ରିଗ୍ ପାଇଁ ଡାକିବା ପାଇଁ ଅତି ଛୋଟ ପରିବର୍ତ୍ତନ ଥିଲା, ଏବଂ ରିଡମି ଆଗରୁ ତାହା କହୁଛି।

ଏହି ଅଂଶ ଦେଖନ୍ତୁ 2:19 · github.com · github.com

ଏକ AI ଏଜେଣ୍ଟ କମ୍ ଚିନ୍ତା କରୁଛି କି ନାହିଁ ଲକ୍ଷ୍ୟ କରିବା ପାଇଁ ବିକାଶକାରୀମାନେ କ’ଣ ଟ୍ରାକ୍ କରିବା ଉଚିତ୍?

ପ୍ରତି ଟାସ୍କରେ ଆଉଟପୁଟ୍ ଟୋକେନ୍ ଗଣନା। ଲାଇଭେନର୍ଫ ପରୀକ୍ଷଣରେ, କମ୍ ଚିନ୍ତା ଉତ୍ତରରେ ଦେଖାଯିବା ପୂର୍ବରୁ ଟୋକେନ୍ ଗଣନାରେ ଦେଖାଯାଇଥିଲା। ଏହି ଏପିସୋଡ୍ ଆପଣଙ୍କ ମଡେଲ୍ ସଂସ୍କରଣକୁ ପିନ୍ କରିବା, ପ୍ରତି ଟାସ୍କରେ ଆଉଟପୁଟ୍ ଟୋକେନ୍ ଲଗ୍ କରିବା, ଏବଂ ଆପଣଙ୍କର କିଛି ଫ୍ରୋଜେନ୍ ପ୍ରଶ୍ନ ରଖିବାକୁ ପରାମର୍ଶ ଦିଏ। ଯଦି ଆପଣଙ୍କ ଏଜେଣ୍ଟ ହଠାତ୍ ଛୋଟ ଲେଖେ, ପ୍ରଥମେ ଆପଣଙ୍କ ଲଗ୍ ଯାଞ୍ଚ କରନ୍ତୁ।

ଏହି ଅଂଶ ଦେଖନ୍ତୁ 2:19 · github.com · news.ycombinator.com

ଆନ୍ଥ୍ରୋପିକ୍ କହୁଛି କି ଏହା ଚାହିଦା ଅଧିକ ଥିବାବେଳେ କ୍ଲାଉଡ୍ ର ଗୁଣବତ୍ତା ହ୍ରାସ କରେ?

ଆନ୍ଥ୍ରୋପିକ୍ କହୁଛି ଏହା କରେ ନାହିଁ। ସେପ୍ଟେମ୍ବର 2025 ରୁ ଏହାର ପୋଷ୍ଟମର୍ଟମ୍ କହୁଛି ଯେ ଏହା ଚାହିଦା, ଦିନର ସମୟ କିମ୍ବା ସର୍ଭର ଲୋଡ୍ ହେତୁ ମଡେଲ୍ ଗୁଣବତ୍ତାକୁ କେବେ ହ୍ରାସ କରେ ନାହିଁ। ସମାନ ପୋଷ୍ଟ ସ୍ୱୀକାର କରେ ଯେ ତିନୋଟି ବଗ୍ କ୍ଲାଉଡ୍ କୁ ଖରାପ କରିଦେଇଥିଲା, ଏବଂ ପ୍ରାୟ ଏକ ତୃତୀୟାଂଶ କ୍ଲାଉଡ୍ କୋଡ୍ ଉପଭୋକ୍ତା ଅତି କମରେ ଥରେ ଭୁଲ ସର୍ଭରରେ ପହଞ୍ଚିଥିଲେ।

ଏହି ଅଂଶ ଦେଖନ୍ତୁ 3:08 · www.anthropic.com

କ୍ଲାଉଡ୍ ନର୍ଫ ଦେଖାଇବା ପାଇଁ ଲାଇଭେନର୍ଫ ଫଳାଫଳଗୁଡ଼ିକୁ ବିଶ୍ୱାସ କରାଯାଇପାରିବ କି?

ଦି ଡେଲି ଡିଫ୍ ର ରାୟ ପ୍ରକଳ୍ପ ପାଇଁ SHIP IT ଥିଲା, କାରଣ ଏହା ଏକ ଟାଇମଷ୍ଟାମ୍ପ, ଏକ ସାର୍ବଜନୀନ ନିୟମାବଳୀ ଏବଂ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ଅନ୍ଧ ସ୍ପଟ୍ ସହିତ ପ୍ରଥମ ନର୍ଫ ଯୁକ୍ତି। ଏହି ଏପିସୋଡ୍ କହୁଛି ଅକ୍ଟୋବର 24 ପୂର୍ବରୁ ଏହାକୁ ଉଦ୍ଧୃତ ନକରିବାକୁ, କାରଣ ତିରିଶ ଦିନ ମଧ୍ୟରୁ ମାତ୍ର ଛଅ ଦିନ ଥିଲା ଏବଂ ପ୍ରଥମ ସମ୍ଭାବ୍ୟ କଲ୍ ସେତେବେଳେ ହୁଏ। ଅଡିଟ୍ ମଧ୍ୟ 8 ଟି ଉତ୍ତର କି' ପାଇଛି ଯାହା ଭୁଲ୍ ଦେଖାଯାଉଛି।

ଏହି ଅଂଶ ଦେଖନ୍ତୁ 4:50 · github.com · github.com · news.ycombinator.com

ଅନୁବାଦିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ

ମୂଳ ଇଂରାଜୀ ବର୍ଣ୍ଣନାରୁ ଅନୁବାଦିତ। ଉପଲବ୍ଧ ଅଡିଓ ଏବଂ କ୍ୟାପ୍ସନ୍ଗୁଡ଼ିକ YouTube ଦ୍ୱାରା ନିୟନ୍ତ୍ରିତ।

ଲଞ୍ଚ୍ ପରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୁଏ: ସିଦ୍ଧାନ୍ତ ଏକ ଦିନ-ଶୂନ ଘଡ଼ି ସହିତ ମିଶିଥାଏ

0:00 ସମସ୍ତେ ଜାଣନ୍ତି ଲଞ୍ଚ୍ ପରେ କିଛି ସପ୍ତାହ ମଧ୍ୟରେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୋଇଯାଏ। ତେଣୁ ଜଣେ ଡେଭଲପର୍ ଓପସ୍ ୫.୫ କୁ ଲଞ୍ଚ୍ ସପ୍ତାହରୁ ଏକ ଘଡ଼ିରେ ରଖିଥିଲେ, ଏବଂ ଘଡ଼ି କହୁଛି ଯେ ଏପର୍ଯ୍ୟନ୍ତ କେହି ଜାଣି ପାରିନଥାନ୍ତେ। ଏହି ଭିଡିଓରେ, ତିନୋଟି ପ୍ରଶ୍ନ। ଆପଣ ଏକ ନର୍ଫ୍ କିପରି ଧରିବେ? ଏହି ମିଟର କ’ଣ ଦେଖିପାରେ? ଏବଂ ଆନ୍ଥ୍ରୋପିକ୍ କ’ଣ କହେ? ଏବଂ ରିପୋ'ର କ୍ରେଡିଟ୍ସରେ ଥିବା ଗୋଟିଏ ଧାଡ଼ି ମୋତେ ହସାଇଲା।

0:20 ମୁଁ ଶେଷରେ ସେଠାକୁ ଯିବି। ଆଜି ବୁଧବାର, ସେପ୍ଟେମ୍ବର ତିରିଶ, ଏବଂ ଏହା ହେଉଛି The Daily Diff। ଆଜି ତିନୋଟି ଗଳ୍ପ, ଏବଂ ବଡ଼ଟି ହେଉଛି ଲାଇଭ୍ ନର୍ଫ୍ ନାମକ ଏକ ଗିଟ୍‌ହବ୍ ରିପୋ।

ଲାଇଭନର୍ଫ୍: ଲଞ୍ଚ୍ ସପ୍ତାହରୁ ଓପସ୍ ୫.୫ ଉପରେ ଏକ ୩୦ ଦିନର ଘଡ଼ି

0:30 ମାସ ମାସ ଧରି, ଲୋକମାନେ କହିଛନ୍ତି ଯେ ଆନ୍ଥ୍ରୋପିକ୍ ଲଞ୍ଚ୍ ପରେ ଚୁପଚାପ୍ ନିଜ ମଡେଲ୍‌ଗୁଡ଼ିକୁ ନର୍ଫ୍ କରେ। ସାଧାରଣ ସିଦ୍ଧାନ୍ତଗୁଡ଼ିକ ହେଉଛି ଏକ ସଙ୍କୁଚିତ ମଡେଲ୍, ସମାନ ନାମରେ ଏକ ଛୋଟ ମଡେଲ୍ କିମ୍ବା କେବଳ କମ୍ ଚିନ୍ତାଧାରା। ରିପୋ ସବୁ ଯୁକ୍ତିକୁ ଏପର୍ଯ୍ୟନ୍ତ ଭାବନା ବନାମ ଭାବନା ବୋଲି କହେ। ଓପସ୍ ୫.୫ ସେପ୍ଟେମ୍ବର ୨୨ ରେ ଜାହାଜରେ ପଠାଯାଇଥିଲା, ଏବଂ ଏକ ସପ୍ତାହ ପୂର୍ବରୁ ମୁଁ ଆପଣଙ୍କୁ କହିଥିଲି ଯେ ଏହା ସ୍ୱାଧୀନ ବୋର୍ଡରେ ଶୀର୍ଷରେ ଥିଲା ଯେତେବେଳେ ତିନି ଗୁଣ ଅଧିକ ଶବ୍ଦ ଲେଖୁଥିଲା। ମଧ୍ୟମ ମଡେଲ୍ ଠାରୁ ଅଧିକ ଶବ୍ଦ ଲେଖୁଥିଲା। ଅଢ଼େଇ ଦିନ ମଧ୍ୟରେ, ନିଞ୍ଜା ହକ୍ ନାମକ ଜଣେ ଡେଭଲପର୍ ଘଡ଼ି ଆରମ୍ଭ କରିଥିଲେ,

0:59 ଦିନକୁ ଥରେ ତିରିଶ ଦିନ ପାଇଁ, ଲଗ୍ ସହିତ ଯାହାକୁ କେହି ଏଡିଟ୍ କରିପାରିବେ ନାହିଁ। ଦି ହ୍ୟାକର୍ ନ୍ୟୁଜ୍ ଥ୍ରେଡ୍ ପ୍ରାୟ ଆଠ ଶହ ପଏଣ୍ଟ୍ ରେ ପହଞ୍ଚିଥିଲା ଏବଂ ଏକ ଟିମ୍ ଚାଟ୍ ପରି ବିଭାଜିତ ହୋଇଥିଲା। ଜଣେ ମନ୍ତବ୍ୟକାରୀ କୁହନ୍ତି ଯେ ରିପୋର୍ଟ ହୋଇଥିବା ଅଧିକାଂଶ କ୍ଷେତ୍ରରେ ମଡେଲ୍ ନର୍ଫ୍ କରିବା ବାସ୍ତବ ନୁହେଁ। ଅନ୍ୟ ଜଣେ କୁହନ୍ତି ଯେ ଲୋକମାନେ କେବଳ ନୂତନ ସ୍ତରର ବୁଦ୍ଧିମତ୍ତା ସହିତ ଅଭ୍ୟସ୍ତ ହେଉଛନ୍ତି। ଏବଂ ଜଣେ କ୍ଲୋଡ୍ କୋଡ୍ ପାୱାର୍ ୟୁଜର୍ ବର୍ତ୍ତମାନ ପ୍ରତ୍ୟେକ ଥର 'ରେଟ୍-ଦିସ୍-ସେସନ୍' ପପ୍-ଅପ୍ କୁ ଅଗ୍ରାହ୍ୟ କରୁଛନ୍ତି, କାରଣ କ୍ଲୋଡ୍ କୁ ରେଟିଂ କରିବା ଦ୍ୱାରା ଏହା ଆହୁରି ଖରାପ ହେଉଥିବା ପରି ଲାଗୁଥିଲା। ସମୀକ୍ଷା। ତେଣୁ, ପ୍ରଶ୍ନ ଏକ, ଆପଣ ଏକ ନର୍ଫ୍ କିପରି ଧରିବେ?

ଏକ ନର୍ଫ୍ କିପରି ଧରିବେ: ୭୮ ବେଳେବେଳେ ସଠିକ୍ ପ୍ରଶ୍ନ

1:27 ଆପଣ ପ୍ରାୟ ୨୩୦୦ କଠିନ ପରୀକ୍ଷା ପ୍ରଶ୍ନ ସହିତ ଆରମ୍ଭ କରନ୍ତି, ଏବଂ ଓପସ୍ ପ୍ରଥମ ପ୍ରୟାସରେ ୯୩ ପ୍ରତିଶତ ସଠିକ୍ ପାଏ, ଯାହା ଏକ ଡିଟେକ୍ଟର୍ ପାଇଁ ଅଦରକାରୀ, ଯେହେତୁ ଏକ ପ୍ରଶ୍ନ ଯାହାକୁ ଏହା ସବୁବେଳେ ସଠିକ୍ ପାଏ ତାହା କମିପାରିବ ନାହିଁ। ୯୭ ପ୍ରତିଶତ ସବୁବେଳେ ସଠିକ୍ କିମ୍ବା ସବୁବେଳେ ଭୁଲ ଥିଲା, ଏବଂ ୭୮ ଟି ଯାହାକୁ ଏହା କେବଳ ବେଳେବେଳେ ସଠିକ୍ ପାଏ ତାହା ପ୍ୟାନେଲ୍ ହେଲା। ସମାନ ପ୍ରମ୍ପ୍ଟ, କୌଣସି ଟୁଲ୍ ନାହିଁ, ଏବଂ AI ବିଚାରପତି ବିନା ସଠିକ୍-ମିଳନ ଗ୍ରେଡିଂ, କାରଣ ବିଚାରପତି ମଧ୍ୟ ବିଚଳିତ ହେବ। ଏହା ହେଡଲେସ୍ କ୍ଲୋଡ୍ କୋଡ୍ ମାଧ୍ୟମରେ ଏକ ମାକ୍ସ ସବସ୍କ୍ରିପସନ୍ ଉପରେ ଚାଲେ,

1:55 କାରଣ API ସଂସ୍କରଣର ମୂଲ୍ୟ ମାସକୁ ପ୍ରାୟ ୧୬୦୦ ଡଲାର ଥିଲା। ଏବଂ କ୍ଲୋଡ୍ କୋଡ୍ ସଂସ୍କରଣ ପିନ୍ ହୋଇଛି, କାରଣ, ରିପୋ'ର ଶବ୍ଦରେ, ଏକ ପରିବର୍ତ୍ତିତ ହାର୍ନେସ୍ ଏକ ପରିବର୍ତ୍ତିତ ମଡେଲ୍ ପରି ଦେଖାଯାଏ। ପରିସଂଖ୍ୟାନ ଏଭାନ୍ ମିଲର୍ ଙ୍କ 'ଆଡିଂ ଏରର୍ ବାର୍ସ୍ ଟୁ ଇଭାଲ୍ସ' ନାମକ ଏକ ପେପରରୁ ଆସିଛି, ଆନ୍ଥ୍ରୋପିକ୍ ରେ। ତେଣୁ ଆନ୍ଥ୍ରୋପିକ୍ ର ନିଜ ଗଣିତ ବର୍ତ୍ତମାନ ଆନ୍ଥ୍ରୋପିକ୍ କୁ ଅଡିଟ୍ କରୁଛି, ଯାହା ଶିକ୍ଷାଗତ ସଂସ୍କରଣ। ଗ୍ରାହକ ସହାୟତାକୁ ସେବାର ସର୍ତ୍ତାବଳୀ ଉଦ୍ଧୃତ କରିବା ସହିତ ସମାନ।

ଏହା କ’ଣ ଦେଖିପାରେ: ୭.୫ ପଏଣ୍ଟ, ଏବଂ ଟୋକେନ୍ ଗଣନା ପ୍ରଥମେ ଗତି କରେ

2:19 ପ୍ରଶ୍ନ ଦୁଇ, ଏହା କ’ଣ ଦେଖିପାରେ? ଦଶ ଦିନିଆ ଝରକା ପିଛା, ପ୍ରାୟ ୭.୫ ପଏଣ୍ଟର ହ୍ରାସ। ରିଗ୍ କାର୍ଯ୍ୟ କରୁଛି ପ୍ରମାଣିତ କରିବା ପାଇଁ, ଲେଖକ ଉଦ୍ଦେଶ୍ୟମୂଳକ ଭାବରେ କ୍ଲୋଡ୍ ର ପ୍ରୟାସକୁ କମ କରିଥିଲେ। ମଧ୍ୟମ ପ୍ରୟାସ ଆଉଟପୁଟ୍ କୁ ପ୍ରାୟ ଏକ ଚତୁର୍ଥାଂଶ କମାଇ ଦେଇଥିଲା, ଏବଂ ସ୍କୋରକୁ କେବଳ ଚାରି ପଏଣ୍ଟ୍ କମାଇ ଦେଇଥିଲା। କମ୍ ପ୍ରୟାସ ଆଉଟପୁଟ୍ କୁ ପ୍ରାୟ ଦୁଇ ତୃତୀୟାଂଶ କମାଇ ଦେଇଥିଲା, ଆଠ ପଏଣ୍ଟ୍ ପାଇଁ। ସେହି ଅଂଶଟି ଚୋରି କରିବାର ଅଛି। କମ୍ ଚିନ୍ତାଧାରା ଉତ୍ତରରେ ଦେଖାଯିବା ପୂର୍ବରୁ ଟୋକେନ୍ ଗଣନାରେ ଦେଖାଯାଏ।

2:43 ତେଣୁ ଆପଣଙ୍କ ମଡେଲ୍ ସଂସ୍କରଣକୁ ପିନ୍ କରନ୍ତୁ, ପ୍ରତି ଟାସ୍କ ପିଛା ଆଉଟପୁଟ୍ ଟୋକେନ୍ ଲଗ୍ କରନ୍ତୁ, ଏବଂ ନିଜର କିଛି ଫ୍ରିଜ୍ ହୋଇଥିବା ପ୍ରଶ୍ନ ରଖନ୍ତୁ। ଯଦି ଆପଣଙ୍କ ଏଜେଣ୍ଟ ହଠାତ୍ କମ୍ ଲେଖେ, ରେଡିଟ୍ ଯାଞ୍ଚ କରିବା ପୂର୍ବରୁ ଆପଣଙ୍କ ଲଗ୍ ଯାଞ୍ଚ କରନ୍ତୁ। ଏବଂ ଏହା ହେଉଛି ସଚ୍ଚୋଟ ଅଂଶ।

ଅନ୍ଧ ସ୍ପଟ୍: ଏକ ଓପସ୍ ୫ ସ୍ୱାପ୍ ଏବଂ ୮ ଭୁଲ ଉତ୍ତର କୀ'

2:54 ପୁରୁଣା ଓପସ୍ ୫ ରେ ଚୁପଚାପ୍ ସ୍ୱାପ୍ କରିବା ରିଗ୍ କୁ କହିବା ପାଇଁ ଅତି ଛୋଟ ପରିବର୍ତ୍ତନ ଥିଲା, ଏବଂ ରିଡ୍ମି ଆଗରୁ ଏହା କହୁଛି। ଅଡିଟ୍ ଆଠଟି ଉତ୍ତର କୀ' ମଧ୍ୟ ପାଇଲା ଯାହା ଭୁଲ୍ ଲାଗୁଛି, ତେଣୁ ନର୍ଫ୍ ଡିଟେକ୍ଟର୍ ଏକ ନର୍ଫ୍ ପାଇବା ପୂର୍ବରୁ ବେଞ୍ଚମାର୍କରେ ତ୍ରୁଟି ପାଇଲା।

ଆନ୍ଥ୍ରୋପିକ୍: ଆମେ କେବେବି ମଡେଲ୍ ଗୁଣବତ୍ତା ହ୍ରାସ କରୁନାହୁଁ

3:08 ପ୍ରଶ୍ନ ତିନି, ଆନ୍ଥ୍ରୋପିକ୍ କ’ଣ କହେ? ଗତ ବର୍ଷ, ଅଭିଯୋଗର ଏକ ତରଙ୍ଗ ପରେ, ଆନ୍ଥ୍ରୋପିକ୍ ଏକ ପୋଷ୍ଟମର୍ଟମ ପ୍ରକାଶ କରିଥିଲା। ଏହା କହେ, ଉଦ୍ଧୃତ, ଆମେ କେବେବି ଚାହିଦା, ଦିନର ସମୟ କିମ୍ବା ସର୍ଭର ଲୋଡ୍ ଯୋଗୁଁ ମଡେଲ୍ ଗୁଣବତ୍ତା ହ୍ରାସ କରୁନାହୁଁ। ସମାନ ପୋଷ୍ଟରେ ତିନୋଟି ତ୍ରୁଟି କ୍ଲୋଡ୍ କୁ ଖରାପ କରିଥିବା ସ୍ୱୀକାର କରାଯାଇଛି, ଏବଂ ପ୍ରାୟ ଏକ ତୃତୀୟାଂଶ କ୍ଲୋଡ୍ କୋଡ୍ ଉପଭୋକ୍ତା ଅତିକମରେ ଥରେ ଭୁଲ ସର୍ଭରରେ ପହଞ୍ଚିଥିଲେ। ତେଣୁ ଅଭିଯୋଗଗୁଡ଼ିକ ବାସ୍ତବ ଥିଲା ଏବଂ କାରଣ ଥିଲା ତ୍ରୁଟି, ଯେଉଁଥିପାଇଁ ରିପୋ ଚେତାବନୀ ଦିଏ ଯେ ଲଞ୍ଚ୍ ସପ୍ତାହ ସବୁଠାରୁ ଖରାପ ସପ୍ତାହ ହୋଇପାରେ। ତିରିଶ ଦିନ ମଧ୍ୟରୁ ଛଅଟି ଦିନ ସରିଛି।

3:35 ପ୍ରଥମ ସମ୍ଭାବ୍ୟ କଲ୍ ପ୍ରାୟ ଅକ୍ଟୋବର ୨୪ ରେ ହେବ, ତେଣୁ ସଚ୍ଚୋଟ ଉତ୍ତର ହେଉଛି ଯେ କେହି ଜାଣନ୍ତି ନାହିଁ, ସୁନିଶ୍ଚିତ ଥିବା ସମସ୍ତଙ୍କ ସମେତ। ସଂଖ୍ୟା ବିଷୟରେ କହିବାକୁ ଗଲେ ଯାହାକୁ କେହି ପ୍ରକାଶ କରନ୍ତି ନାହିଁ। ଲାଇଟ୍‌ହାଉସ୍ ରିପୋର୍ଟସ୍ ଏବଂ ଡଚ୍ ପେପର୍ ଟ୍ରୁଭ୍ ପାଇଲେ ଯେ ଅଧିକାଂଶ ୟୁରୋପୀୟ ଡାଟା କେନ୍ଦ୍ରଗୁଡ଼ିକ

ଡାଟା କେନ୍ଦ୍ରଗୁଡ଼ିକ ସେମାନଙ୍କ ସଂଖ୍ୟା ଗୁପ୍ତ ରଖନ୍ତି; ବ୍ୟାକବ୍ଲେଜ୍ ପ୍ରକାଶ କରେ

3:46 ସେମାନଙ୍କର ଶକ୍ତି ଏବଂ ଜଳ ବ୍ୟବହାରକୁ ଗୁପ୍ତ ରଖନ୍ତି, ଯଦିଓ ଏକ EU ନିୟମ ତିନି ବର୍ଷ ଧରି ରିପୋର୍ଟିଂ ଆବଶ୍ୟକ କରୁଛି। ନେଦରଲାଣ୍ଡରେ, ଏକ ଚତୁର୍ଥାଂଶରୁ କମ୍ ପ୍ରକାଶ କରନ୍ତି। କେବଳ ଗୋଟିଏ ମାଇକ୍ରୋସଫ୍ଟ ଡାଟା କେନ୍ଦ୍ର ନେଦରଲାଣ୍ଡର ପ୍ରାୟ ଏକ ପ୍ରତିଶତ ବିଦ୍ୟୁତ୍ ବ୍ୟବହାର କରେ। ଏହି ସମୟରେ, ବ୍ୟାକବ୍ଲେଜ୍ ପୁଣି ଥରେ ନିରସ କାର୍ଯ୍ୟ କଲା। ଏହାର ତ୍ରୈମାସିକ ଡ୍ରାଇଭ୍ ଷ୍ଟାଟସ୍ ପ୍ରାୟ ୩,୫୦,୦୦୦ ହାର୍ଡ ଡ୍ରାଇଭ୍ କୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ, ଏବଂ ବିଫଳତା ହାର ୧.୭୩ ପ୍ରତିଶତକୁ ବୃଦ୍ଧି ପାଇଲା, ଯାହାକି କିଛି ସମୟ ମଧ୍ୟରେ ସର୍ବୋଚ୍ଚ।

4:16 ତିନୋଟି ସିଗେଟ୍ ମଡେଲ୍ ରେ ଶୂନ୍ୟ ବିଫଳତା ଥିଲା। ସେହିପରି ଏକ ସାର୍ବଜନୀନ ବେସ୍‌ଲାଇନ୍ ଦେଖାଯାଏ, ତ୍ରୈମାସିକ ପରେ ତ୍ରୈମାସିକ, ତେର ବର୍ଷ ଧରି। ବର୍ତ୍ତମାନ, ସେହି କ୍ରେଡିଟ୍ ଲାଇନ୍।

କ୍ରେଡିଟ୍ ଲାଇନ୍: କ୍ଲୋଡ୍ ମିଟର ନିର୍ମାଣରେ ସାହାଯ୍ୟ କଲା

4:25 ରିଡ୍ମି ସ୍ୱୀକାର କରେ ଯେ ରିପୋର ଅନେକ ଅଂଶ କ୍ଲୋଡ୍ ର ସହାୟତାରେ ଲେଖାଯାଇଥିଲା, ଯାହାକି ମାପ କରାଯାଉଥିବା ମଡେଲ୍। ତେଣୁ କ୍ଲୋଡ୍ ମିଟର ନିର୍ମାଣରେ ସାହାଯ୍ୟ କଲା ଯାହା ଯାଞ୍ଚ କରେ ଯେ କ୍ଲୋଡ୍ ଅଧିକ ନିର୍ବୋଧ ହୋଇଛି କି ନାହିଁ। ସେଥିପାଇଁ ଗ୍ରେଡର୍ଗୁଡ଼ିକ ସାଧା ଫଙ୍କସନ୍ ଅଟନ୍ତି। ଲେଖକଙ୍କ ଶବ୍ଦରେ, ଆପଣଙ୍କୁ ଲେଖକଙ୍କୁ ବିଶ୍ୱାସ କରିବାକୁ ପଡ଼ିବ ନାହିଁ, ମାନବ କିମ୍ବା ଅନ୍ୟଥା। ଯଦି ଆପଣ ଏହାକୁ ମୁଁ କହିବା ଅପେକ୍ଷା ପଢ଼ିବାକୁ ପସନ୍ଦ କରନ୍ତି, ତେବେ ପ୍ରତିଦିନ ସକାଳେ ଆପଣଙ୍କ ଇନବକ୍ସରେ ଡିଫ୍ ଆସିବ, the daily diff dot dev ରେ ମାଗଣା, ଲିଙ୍କ୍ ତଳେ ଅଛି।

4:46 ତେଣୁ, ଆଜି ଲାଇଭ୍ ନର୍ଫ୍ ଉପରେ ରାୟ। SHIP IT। ମୁଁ ଏହାକୁ ପଠାଇବି କାରଣ ଏହା ହେଉଛି ପ୍ରଥମ ନର୍ଫ୍ ଯୁକ୍ତି ଯାହାକୁ ମୁଁ ଏକ ଟାଇମ୍‌ଷ୍ଟାମ୍ପ୍,

ରାୟ: SHIP IT, ଏବଂ ଅକ୍ଟୋବର ୨୪ ପୂର୍ବରୁ ଏହାକୁ ଉଦ୍ଧୃତ କରନ୍ତୁ ନାହିଁ

4:51 ଏକ ସାର୍ବଜନୀନ ନିୟମାବଳୀ ଏବଂ ଏକ ଉଲ୍ଲେଖିତ ଅନ୍ଧ ସ୍ପଟ୍ ସହିତ ଦେଖିଛି। କେବଳ ଅକ୍ଟୋବର ୨୪ ପୂର୍ବରୁ ଏହାକୁ ଉଦ୍ଧୃତ କରନ୍ତୁ ନାହିଁ। ଏବଂ ଆଜି ପାଇଁ ଏହା ହେଉଛି ଡିଫ୍। ମୁଁ Axrisi ରୁ ନିକୋ। ଦାୟିତ୍ୱର ସହିତ ମିଶାନ୍ତୁ। ଦାୟିତ୍ୱର ସହିତ ମିଶାନ୍ତୁ।

ଉତ୍ସଗୁଡ଼ିକ

  1. livenerfgithub.com
  2. Validationgithub.com
  3. Hacker Newsnews.ycombinator.com
  4. Anthropic postmortem (Sep 2025)www.anthropic.com
  5. Adding Error Bars to Evals (Evan Miller)arxiv.org
  6. Inspect (UK AI Security Institute)inspect.aisi.org.uk
  7. NL Timesnltimes.nl
  8. Hacker Newsnews.ycombinator.com
  9. Backblaze Drive Stats Q2 2026www.backblaze.com
  10. Hacker Newsnews.ycombinator.com

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

ସମ୍ବନ୍ଧିତ ଭିଡିଓଗୁଡ଼ିକ

daily · or · ସେପ୍ଟେମ୍ବର 23, 2026

କ୍ଲାଉଡ୍ ଓପସ୍ 5.5 ଦର କମାଇଲା । OpenAI ଆହୁରି ଗଭୀରରେ କମାଇଲା ।

ଆନ୍ଥ୍ରୋପିକ୍ କ୍ଲାଉଡ୍ ଓପସ୍ 5.5 ଜାହାଜରେ ପଠାଇଲା: ଅଧିକାଂଶ କାର୍ଯ୍ୟରେ କାଳ୍ପନିକ-ସ୍ତର, ଷ୍ଟିକର୍ ମୂଲ୍ୟର ଏକ ପଞ୍ଚମାଂଶ ଏବଂ କ୍ୟାସେଡ୍ ରିଡ୍ ଉପରେ 60% ରିହାତି । ପ୍ରାୟ ନବେ ମିନିଟ୍ ପରେ OpenAI GPT-6 ସୋଲ୍ ଏବଂ ଲୁନାକୁ ସେମାନେ ବଦ

5:12 ↗
daily · or · ନଭେମ୍ବର 6, 2026

କ୍ଲାଉଡ୍ କୋଡ୍ ଉପଭୋକ୍ତାମାନଙ୍କ ଇମେଲକୁ ୱେବସାଇଟ୍‌ଗୁଡ଼ିକୁ ସମ୍ପର୍କ ଠିକଣା ଭାବରେ ପଠାଇଲା

କ୍ଲାଉଡ୍ କୋଡ୍ ସାଇନ୍ ଇନ୍ ହୋଇଥିବା ଆକାଉଣ୍ଟର ଇମେଲ୍ ଠିକଣାକୁ ମଡେଲର ପ୍ରସଙ୍ଗରେ ଯୋଡିଥିଲା, ଏବଂ ଏଜେଣ୍ଟ ବେଳେବେଳେ ସେହି ଠିକଣାକୁ କର୍ଲ ଅନୁରୋଧର ୟୁଜର୍-ଏଜେଣ୍ଟ୍ ହେଡର୍‌ରେ ରଖିଥିଲା, ଯାହା ସ୍କ୍ରିପ୍ଟଗୁଡ଼ିକୁ ସମ୍ପର୍କ ପାଇଁ ଅନୁରୋଧ

5:08 ↗
daily · or · ଅକ୍ଟୋବର 1, 2026

ଜେମିନି ୪ ଆର୍ଗନ ହେଉଛି ଗୁଗୁଲର ସର୍ବଶ୍ରେଷ୍ଠ ମଡେଲ। ଆପଣ ଏହାକୁ ଏପର୍ଯ୍ୟନ୍ତ ବ୍ୟବହାର କରିପାରିବେ ନାହିଁ।

ଗୁଗୁଲ ଜେମିନି ୪ ଆର୍ଗନ, ଏହାର ନୂତନ ଫ୍ରଣ୍ଟିଅର ମଡେଲ ଘୋଷଣା କରିଛି, ଏବଂ କେବଳ ବିଶ୍ୱସ୍ତ ସାଇବର ପ୍ରତିରକ୍ଷାକାରୀମାନେ ଏହାକୁ ବ୍ୟବହାର କରିପାରିବେ। ଗୁଗୁଲର ନିଜସ୍ୱ ୧୯-ଧାଡ଼ି ବିଶିଷ୍ଟ ବେଞ୍ଚମାର୍କ ଟେବୁଲ୍ କ’ଣ ଦର୍ଶାଉଛି, ସ୍ୱାଧୀନ ଲ

4:53 ↗
daily · or · ସେପ୍ଟେମ୍ବର 27, 2026

OpenAI କାହିଁକି ଏହାର ଚୋରି ହୋଇଥିବା ପୁସ୍ତକଗୁଡ଼ିକୁ ଡିଲିଟ୍ କଲା

ଅନସିଲ୍ଡ ଫାଇଲିଂରେ ୨୦୧୯ ରେ ଜଣେ OpenAI ଗବେଷକଙ୍କୁ ଉଦ୍ଧୃତ କରାଯାଇଛି: ଏକ ଚୋରି-ପୁସ୍ତକ ସାଇଟ୍ ଉପରେ ତାଲିମ ଦେବା ବିଷୟରେ ତାଙ୍କର ଚିନ୍ତା Hacker News ରେ "optics" ଥିଲା। OpenAI କ’ଣ ଜାଣିଥିଲା, କିଏ ବିଲ୍ ଗେଟ୍ସଙ୍କୁ କହିଲା, ଫା

5:01 ↗