Anthropic'scion به شدت از Mononoke الهام گرفته شده است

در اینجا Anthropic دیروز (لینک بایگانی) را توصیف می کند که چگونه سیستم کنترل نسخه جدید آنها، Scion، از مفهومی به نام "داده های مشتق شده" برای کارآمدتر کردن عملیاتی مانند سرزنش استفاده می کند:

این من هستم، در سال 2022، در مواد کاندید Oxide خود توضیح می‌دهم که چگونه سرور کنترل منبع Mononoke که در ساخت آن کمک کردم، از مفهومی به نام «داده‌های مشتق شده» برای کارآمدتر کردن عملیاتی مانند سرزنش‌ها استفاده می‌کند:

من فکر می کنم سطح تقلید فراتر از داشتن بینش های مشابه است 1 . این واقعیت که نهال فقط برای "درس های سخت به دست آمده" اعتبار داشت، و اینکه Mononoke اصلا ذکر نشده بود، به سرقت ادبی محدود می شود. این پست زمانی منتشر شد که آنتروپیک ادعا می‌کرد که کلود همه اینها را طراحی کرده است، در حالی که واقعیت این است که تیم (فوق‌العاده) ما در متا به بسیاری از بینش‌هایی رسید که کلود تقریبا یک دهه بعد به درستی از آنها استفاده کرد. (ما به بسیاری از هنرهای قبلی برای Mononoke و Sapling نیز نگاه کردیم، از SrcFS گوگل گرفته تا گزارش‌های پیش‌نویس در پایگاه‌های داده.)

من بسیار خوشحالم که چشم اندازی که تیم ما در سال 2017-2018 داشت بسیار قدرتمند و ماندگار بود - زمانی که شما در برابر دانه قرار می گیرید، همیشه کمی مطمئن نیستید که کاری که انجام می دهید نبوغ است یا دیوانگی، و من فکر می کنم طراحی Mononoke آزمون زمان را پس داده است. و برای واضح بودن، من مشکلی با کپی کردن Anthropic از طرح Mononoke ندارم. (این بخشی از دلیلی است که ما منبع باز منتشر می کنیم - تا از طریق گسترش ایده های خوب به نفع بشریت باشد.)

اما از آنجایی که LLM ها به کمک در طراحی سیستم های جدید ادامه می دهند، احتمالا به شدت بر طرح های موجود ایندکس می شوند. Mononoke منبع باز و در هر مجموعه آموزشی LLM است. اگر از Opus 5.5 یا GPT-6 Astra (با تشکر متیو فاول) در مورد هنر قبلی بپرسید، هر دو بلافاصله به شباهت های Mononoke اشاره می کنند.

اعطای اعتبار به کسانی که پیش از ما بودند، اکنون آسان‌تر - و مهم‌تر - از همیشه است. دیگر بهانه ای نیست.

برای نمونه‌ای از سیستمی با بینش‌های مشابه، اما تفاوت‌های اصلی در طراحی، به پست وبلاگ Vicent Marti برای Cursor مراجعه کنید. ↩︎