TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #146 · 16 сеп.

Функция sub в regex может принимать функцию в качестве аргумента repl. 📄 Из документации: If repl is a function, it is called for every non-overlapping occurrence of pattern. The function takes a single match object argument, and returns the replacement string. То есть для каждого совпадения будет вызвана функция для вычисления замены вместо замены на одну и ту же строку для всех совпадений. Иными словами, для замены разных совпадений на разные строки не потребуется запускать re.sub() много раз для каждой строки замены. Достаточно определить функцию, которая вернёт строку для каждого из совпадений. Описание слишком запутанное🤔, давайте лучше рассмотрим на простом примере: Создаем карту замены. То есть какие строки на какие требуется менять. remap = { 'раз': '1', 'два': '2', 'три': '3', 'четыре': '4', 'пять': '5', } Пишем функцию поиска строки для замены. Единственным аргументом будет объект re.Match. Используя данные этого объекта мы вычисляем замену on-the-fly! def get_str(match: re.Match): word = match.group(1) return remap.get(word.lower()) or word Пример текста. text = '''Раз Два Три Четыре Пять Вместе будем мы считать Пять Четыре Три Два Раз Мы считать научим вас ''' Теперь запускаем re.sub и вместо строки замены (repl) подаём имя функции. (Данный паттерн ищет отдельные слова в тексте) >>> print(re.sub(r'(\w+)', get_str, text)) 1 2 3 4 5 Вместе будем мы считать 5 4 3 2 1 Мы считать научим вас Думаю, достаточно наглядно 🤓 #libs#regex

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #gpt6

当前筛选 #gpt6清除筛选

🔥ИИ, который учится вечно: закат эры «замороженных» моделей Знакомо ощущение, что разговариваешь с очень умным, но давно застрявшим в прошлом собеседником? 🤔 Так и есть. Текущие LLM (большие языковые модели) — это статичные «энциклопедии». Их знания и логика заморожены на моменте окончания обучения. Да, они могут проанализировать дополнительный материал в контексте запроса (например, статью из интернета или ваш файл), но их ядро остаётся неизменным. Они не учатся на своих ошибках и не адаптируются к миру, который меняется прямо сейчас. А что, если бы ИИ мог учиться так же, как человек? Не просто читать, а впитывать опыт и становиться умнее с каждым днем. Это уже не фантастика. Это — SEAL. Исследователи из MIT представили фреймворк SEAL (Self-Adapting Language Models) — самоприспосабливающиеся языковые модели . Это фундаментальный прорыв. Такая модель умеет: ➡️Генерировать собственные учебные данные через саморедактирование . ➡️Обновлять свои веса (параметры) — то есть, менять то, как она «думает» . ➡️Оценивать свою работу с помощью reinforcement learning (обучения с подкреплением) и постоянно самосовершенствоваться . Что это значит на практике? ➡️Чат-бот для поддержки, который сталкивается с новой проблемой, не просто эскалирует ее человеку, а сам генерирует для себя примеры и учится ее решать . ➡️AI для кибербезопасности, который не просто ищет известные угрозы, а эволюционирует вместе с новыми атаками, постоянно refining свои защитные механизмы . ➡️Конец эры моделей с фиксированными весами . Система, которая адаптируется к миру и улучшается каждый день. Любопытно, что некоторые исследователи, стоящие за SEAL, уже работают в OpenAI . Это наводит на мысль, что GPT-6 может быть больше, чем просто «умнее» — он может «ожить» в вычислительном смысле . Конечно, есть и вызовы: например, «катастрофическое забывание» (когда новые знания вытесняют старые) и высокая требовательность к вычислениям . Но направление задано. Эпоха статичного ИИ подходит к концу. Начинается эра живых, самообучающихся систем. 🚀 P.S. Для глубокого погружения в тему можно почитать про другие подходы, например, Darwin Gödel Machine — самоулучшающегося агента, который эволюционирует, меняя собственный код . #ИИ#Самообучение#SEAL#GPT6#Будущее#AI https://t.me/semasci