Vi introduserer en bedre oppskrift for innsamling av data etter trening ved bruk av GRPO. Å samle inn prøver fra eksperter er dyrt, merknadsbudsjettene er begrenset. Hvilke eksempler er egentlig verdt å betale for? Vi finner at fokus på harde prøver resulterer i en forbedring på 30-40 %. 1/7

Hva er denne nye kategorien jobber? Er det på rommet med oss 👀. Det er greit å ønske å automatisere alt. Det er den nåværende dynamikken. Det er imidlertid *ikke* håp å forsøke å forsvare det ved å peke på jobber som ikke eksisterer ennå. Den industrielle revolusjonen skapte ikke maskiner som kunne gjøre alle kognitive oppgaver vi gjør. De var bare verktøy. At hele verden blir til amazon mekanisk tyrker er *IKKE* noens drøm om en positiv fremtid. Disse parallellene til tidligere teknologiske revolusjoner er stort sett uærlige. Kanskje maskiner ikke kan gjøre alt vi kan gjøre i dag, men på et tidspunkt vil de gjøre det. Og det er verdt å tenke oppriktig på hvordan samfunnet omstruktureres i den verden, og hva vi kan gjøre med det i dag. Det er greit å samle inn data og selge dem til laboratorier. La oss bygge oss den store hjernen. Det er også sant at de fleste ikke nødvendigvis ønsket å gjøre jobber for å overleve i utgangspunktet, la oss ha litt verdighet for den menneskelige tilstanden. Å tro på noe utover menneskelig, samtidig som man sikter mot en fremtid formet av våre verdier er edelt, det kommer ikke til å komme ved å behandle alle som en fabrikkgris sendt for datautvinning (med mindre grisene også eier fabrikken ;)).