TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #191 · 14 дек.

Как разделить строку с shell-командой на отдельные аргументы в виде списка? Если сделать просто сплит по пробелу то получим то что надо, кроме случаев со вставками текста с пробелами. Например так: >>> '-arg "I Am Groot"'.split(' ') ['-arg', '"I', 'Am', 'Groot"'] Чтобы учитывать текст в кавычках как единый аргумент можно воспользоваться функцией shlex.split() Кто читает мой канал давно, уже в курсе. А что делать, если нужно обратное действие? Объединить аргументы из списка в строку и при этом добавить кавычки в аргумент с пробелами. Конечно, если вы используете subprocess то он сам всё разрулит. Но если вам нужна именно команда одной строкой, то можно воспользоваться готовой функцией в том же subprocess. >>> from subprocess import list2cmdline >>> list2cmdline(['-arg', 'I Am Groot']) '-arg "I Am Groot"' Он также позаботится об экранировании уже имеющихся кавычек >>> list2cmdline(['-arg', 'I Am "Groot"']) '-arg "I Am \"Groot\""' А вот так он может "схлопнуть" в команду JSON >>> list2cmdline(['--json', json.dumps({'key': 'value'})]) '--json "{\"key\": \"value\"}"' _______________ Возможно кто-то спросит, а зачем соединять аргументы в строку если subprocess сам это сделает а os.system не наш путь? Мне как-то потребовалось отправлять команду на удалённое выполнение и в API поддерживалось указание команды только строкой. Так что всякое бывает) #libs#basic

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