Siedem ścieżek fabryka.ai: od benchmarków do produktów
CodeSOTA, Hardparse, Hermes SDK, Router, Robotnik, ZusWaveBench, Bozenka. Jeden klaster — RTX 3090 — i siedem aktywnych projektów łączących badania z produktem.
czytaj wpis →◆ dziennik laboratorium Wrocław · PL
Notatki z budowy polskiej AI.
Eksperymenty, benchmarki, koszty treningu i decyzje techniczne z otwartego laboratorium Slayer.
Log eksperymentów: pełna macierz wyników
12 eksperymentów, modele i dane na Hugging Face. Macierz base vs v3 vs v4 × benchmarki. Auto-aktualizowany pipeline.
czytaj wpis →Pomiar na żywo: CPT 2B high-quality tokens
Konsola pomiaru postępu wstrzykiwania wiedzy. Prawo, administracja, edukacja, gospodarka lokalna. Skala logarytmiczna, bramki jakości, deduplikacja.
czytaj wpis →Benchmarki zamknięte: odtwarzalność ponad zasięg
Tych benchmarków nie mierzymy — ich zbiory testowe nie są publicznie dostępne. Polish EQ-Bench, CPTUB, PLCC. Zasada: jeśli nie możemy powtórzyć, nie porównujemy.
czytaj wpis →Przeglądarka benchmarków: zgłaszaj i przeglądaj
Jedno źródło prawdy: data/benchmarks.json. Wyniki modeli z leaderboardu, zgłoszenia przez pull request, review przed publikacją.
czytaj wpis →Przeglądarka benchmarków: zgłaszaj i przeglądaj
Jedno źródło prawdy: data/benchmarks.json. Wyniki modeli z leaderboardu, zgłoszenia przez pull request, review przed publikacją.
czytaj wpis →Benchmarki: metodologia czystego pomiaru
Jak mierzymy, żeby wynik znaczył. Publiczne zbiory, deterministycznie, przez lm-eval-harness. Bez inspekcji itemów, bez benchmaxxingu.
czytaj wpis →Leaderboard: wyniki na żywo i natywność polszczyzny
Macierz benchmarków × modele, wizualny raport natywności i strategia SFT/CPT. Jak mierzymy to, czego nie łapią benchmarki MCQ.
czytaj wpis →Engineering log: co poszło nie tak i czego się nauczyliśmy
Dziennik inżynierski Slayer AI Lab. Regresja CDSC-E, pułapka małej próbki, czerwone flagi i wyciekłe receptury.
czytaj wpis →Wiedza: wstrzykiwanie polskiego długiego ogona (synthetic CPT)
Ile wiedzy o Polsce da się wstrzyknąć w model? Badanie synthetic CPT, held-out z konstrukcji, audyt verbatim i budżet hobbystyczny.
czytaj wpis →Styl: co base Qwen robi źle po polsku
Ręczna analiza błędów Qwen3.5-27B. Gramatyka, ortografia, kalki z angielskiego, liczenie w dolarach. Porównanie base vs fine-tuned v1.
czytaj wpis →Trening: metody fine-tuningu (SOTA 2026)
Jak trenować tanio i czysto. QLoRA SFT, ORPO/DPO, GRPO/RLVR na egzaminach. Co działa w 2026, co było modą 2025.
czytaj wpis →