Einführung des ralph-research Plugins. Ich habe gerade die ralph-loop übernommen, um Papers zu implementieren. Ich bin verblüfft, wie gut das bereits funktioniert. Das gesamte Plugin wurde von Claude Code in einem Rutsch erstellt, aber es kann bereits KI-Papierkonzepte codieren und Experimente in einer sich selbst verbessernden Schleife durchführen. Verrückt!

Hinweise: - Es hat etwa 40 Minuten gedauert, das ReAct-Papier ohne Unterbrechungen umzusetzen. - Es gab einige Probleme, aber es hat herausgefunden, wie man sie unterwegs löst. Das macht die ralph-Schleife extrem leistungsfähig. Sie kann Lösungen erkunden und aus ihren Fehlern lernen. Ich würde argumentieren, dass Forschung wahrscheinlich ein noch besserer Anwendungsfall für ralph ist, da Forschung viel Exploration erfordert. - Ich habe es an anderen neueren Papieren getestet, und es hat gute Arbeit geleistet, was mir Hoffnung gibt, dass dies robuster implementiert werden könnte. - Wie im Video zu sehen ist, und wie bei allem, was von LLM betrieben wird, wird es Schwierigkeiten haben, neuere Modelle zu verwenden, selbst wenn Sie Anweisungen und APIs geben. Aber das ist etwas, das leicht mit cleverem Prompting behoben werden kann. - Dies ist kein perfektes Plugin, und es ist hauptsächlich für interne Testzwecke gedacht. Ich habe noch viele Dinge zu verbessern, bevor ich es zusammen mit anderen Plugins, von denen es abhängt, veröffentlichen kann. Ich werde weitere Details teilen, während ich an diesen Plugins weiterarbeite. Folgen Sie @omarsar0 Lassen Sie mich Ihre Gedanken wissen und wie dies für Sie nützlich sein könnte.