Спробуйте ось цю загадку:
Сім сестер знаходяться на дачі, де кожна зайнята якоюсь справою. Перша сестра читає книгу, друга — готує їжу, третя — грає в шахи, четверта — розгадує судоку, п’ята займається пранням, шоста доглядає рослини. А чим займається сьома сестра?

А що, якщо тестове, це актуальне бізнес завдання, я його вирішу, принесу грошей, а Ви мені відповісте шаблонне — «ми Вам передзвонимо».

Ну, це дозволило вийти з ВНЗ знаючи, що існують і інші ОС, які працюють не гірше Windows.

У нас був Windows, який ми юзали через VirtualBox під Linux.

У фото, яке використовувалось у статті є ціла сторінка на вікі
en.wikipedia.org/wiki/Lenna

Передивитись всі фільми про ШІ, про проблематику та етику. Жарт.

Ще того року купив у Steam, думав що у вересні 2023 спробую...

По цьому проєкту я опублікував датасет на Kaggle з ліцензією MIT:
www.kaggle.com/...​ess-point-signal-strength

Не знаю чому, але ось це не типове форматування(вигляд) мене чомусь відштовхує.

«Я ви вже зрозуміли, мою кандидатуру відхиляли багато разів.»
Певно тут теж варто почати речення з «Як...»

«...щоб переглянути ваше резюме особисто перед тим я він, рекрутер, прийме рішення...»

Певно тут не «я», а «як»

Це pet-проєкт, не бачу змісту в нього вкладати якісь гроші.

Ну і до списку моїх pet-проєктів добавився ще один проєкт з ШІ — Як я розробив чат-бот зі штучним інтелектом:
dou.ua/forums/topic/49408

Ось тут можна спробувати Llama 3.1 405B
deepinfra.com/...​a-Llama-3.1-405B-Instruct

Я розробляю щось наближено схоже — голосовий асистент
github.com/...​nt/blob/main/code/main.py
Правда він використовує не ChatGPT а локально встановлену на моєму комп’ютері велику мовну модель.

У мене більш-менш працюють моделі 7-13b, використовую для роботи LLM Studio з GGUF файлом, далі у Python скрипті через бібліотеку OpenAI уже працюю з LLM.

Мій конфіг:

Ryzen 5 5600(6 ядер 12 потоків)
32 гігабайти(2 по 16-ть) DDR4 оперативки з роб. частотою 3200
Nvidia RTX3050(mobile) на 4 гігабайти VRAM(DDR6 128 bit шина)
SSD 1 TB Samsung EVO 970

Генерація від 5 токенів на секунду, якщо говорити про LLAMA3.1 з квантуванням Q4_K_M. Якщо добавити контексту, скажімо більше 20 000 токенів то генерація падає у 2-3 рази.

Дивлячись який vendor

Я тестив 3.1 8b Q4_K_M — великої різниці не відчув відносно попередньої.

А ось збільшення контексту з 8 до 128к це непогано.

Так, Gemma 9b від Google доволі непогано себе показує.

Я не про квантування, а про оптимізацію і ріст обчислювальних потужностей.