W poprzednim wpisie napisaliśmy, po co nam ten blog. Teraz pokażemy, z czego dokładnie składa się Slayer AI Lab — i co będziemy tu opisywać w kolejnych tygodniach.
Nie jesteśmy kolejnym laboratorium, które publikuje tylko finalne wyniki. Chcemy dokumentować proces: decyzje, błędy, iteracje i narzędzia, które pozwalają nam budować polską AI na własnych zasadach. Dla nas to radość budowania zespołu: kiedy każdy kolejny krok zostawia ślad, który inni mogą podążyć.
Oto pięć obszarów, które tworzymy razem.
1. slayer — protokół dla polskiej inteligencji
To serce całego warsztatu. slayer to protokół, który łączy modele, dane i aplikacje w jeden spójny ekosystem. Nie chcemy dostosowywać się do cudzych API i cudzych reguł. Budujemy własne fundamenty — pod polski język, polskie dane i polskie zastosowania.
W kolejnym wpisie pokażemy, jak ten protokół wygląda od środka, jakie problemy rozwiązuje i dlaczego RAG to tylko początek.
2. Probierz — benchmarki, których nie da się ograć
Większość publicznych benchmarków jest zepsuta. Modele są trenowane na tych samych danych, które później służą do ewaluacji, a wyniki stają się iluzją. Probierz to nasz kamień probierczy: zestaw czystych, weryfikowalnych testów, w których provenance danych jest dowodliwy, a dwie niezależne drużyny wymieniają się zadaniami na ślepo.
Opiszemy, jak budujemy takie benchmarki i dlaczego wierzymy, że bez nich nie ma sensu mówić o postępie.
3. micro-models — dlaczego małe modele mają sens
Nie wszystko musi być GPT-4. Czasem potrzebny jest model, który działa szybko, tanio, lokalnie i po polsku. micro-models to nasza praca nad małymi, wyspecjalizowanymi modelami, które można wdrożyć tam, gdzie duże rozwiązania są zbyt wolne lub zbyt drogie.
Napiszemy, jakie architektury testujemy, ile to kosztuje i jakie zadania dają się rozwiązać modelem, który mieści się na jednym GPU.
4. slay-paper — workflow badawczy z AI-agentami
Pisanie badań to nie tylko LaTeX. To struktura myślenia: teza, antyteza, synteza, dwie bramki jakości i CI, który produkuje PDF. slay-paper to nasz sposób na to, żeby idea nie ginęła w chaosie notatek, a współpraca zespołowa była widoczna w każdej wersji dokumentu.
Pokażemy, jak formatujemy myślenie, zanim sformatujemy PDF.
5. Kultura labu — od obserwatora do kontrybutora
Technika jest ważna, ale kultura decyduje, czy projekt przetrwa. W Slayer AI Lab compute jest wspólnym dobrem, mentoring jest domyślny, a połowa miejsc jest zarezerwowana na stypendia. Nie pytamy, co masz w CV — pytamy, co potrafisz zbudować.
Opiszemy, jak wygląda droga od pierwszego clone do pierwszego wdrożonego modelu i co robimy, żeby laboratorium pozostało laboratorium, a nie biurem.
Co dalej?
Każdy z tych wpisów będzie miał coś wspólnego: repozytorium, komendę, wykres lub decyzję, którą można zweryfikować. Nie będziemy opisywać rzeczy, których nie da się uruchomić.
Jeśli któryś z tych tematów szczególnie Cię interesuje — daj znać!