Răbdare, volatilitate și Jev

Avem răbdare

Părerea noastră nu s-a schimbat. Avem răbdare. Un număr mic de zile foarte bune poate contribui disproporționat la randamentul pieței pe termen lung, iar noi vrem să fim investiți atunci când vin acele zile. [1]

Acțiunile legate de crypto vin cu oscilații mari. Pe graficul săptămânal pe care îl folosim, indicatorul de amplitudine medie pentru HOOD este în jur de 16%. Este o măsură a variațiilor istorice dintre maxim și minim, nu o prognoză de ±16% pentru săptămâna următoare. Tezele noastre de investiție rămân în picioare, așa că, deocamdată, ne păstrăm pozițiile. [2]

Cele două evenimente despre care am vorbit la începutul săptămânii au avut loc: Fed a majorat dobânda cu 0,25 puncte procentuale, iar Senatul a blocat avansarea CLARITY Act la votul procedural. Majorarea dobânzii era larg anticipată. În continuare, vedem reculul legislativ drept o amânare, nu o inversare a tendinței de tokenizare pe termen mai lung. [3]

Jev: decizii rapide în interiorul software-ului

Între timp, TypeSafe AI a lansat Jev în acces timpuriu. În loc să genereze un răspuns text, token cu token, acesta returnează decizii structurate și probabilități pentru opțiunile definite de dezvoltator. TypeSafe raportează timpi de răspuns de 70–500 de milisecunde. Fondatorul, Diogo Almeida, este coautor al cercetării InstructGPT de la OpenAI, care a contribuit la apariția ChatGPT. [4]

Primele exemple fac ideea mai ușor de înțeles:

• Un agent de căutare a zborurilor parcurge o căutare pe Google Flights în aproximativ șapte secunde în demonstrația creatorului, după încărcarea paginii. Jev alege acțiunile; un alt model generează textul de introdus.
• Un agent pentru Super Mario folosește Jev pentru a decide când să alerge sau să sară, pornind de la date structurate despre joc, pregătite de codul din jurul modelului.
• La Every, Mike Taylor a folosit Jev pentru 777 de verificări de stil pe 37 de documente și a raportat rezultate în mai puțin de o secundă. [5]

Sunt experimente timpurii, iar viteza nu garantează acuratețea. Creatorul agentului Mario spune că, în testele sale informale, acesta reușește aproximativ o dată din patru încercări. Un mic test de verificare a textelor realizat separat la Every arată de ce trebuie urmărită și acuratețea: Jev răspunde mult mai repede, dar ratează o problemă pe care modelul comparat o identifică.

Direcția rămâne interesantă: dacă evaluările rapide și ieftine devin ușor de integrat în software-ul de zi cu zi, putem folosi AI mult mai des pentru a clasifica informații, a direcționa cereri și a alege următoarea acțiune. Credem că asta poate deschide un nou val de aplicații.