Silico by Goodfire

Silico — это платформа для команд ИИ-исследователей, которым нужно запускать долгие и сложные эксперименты без постоянного присмотра. Вместо того чтобы «нянчить» процессы обучения или вручную координировать множество этапов, исследователи ставят перед Silico высокоуровневую цель. После этого платформа разрабатывает план эксперимента, параллельно выполняет работу на доступных вычислительных мощностях, отслеживает прогресс и возвращает результаты, которые можно изучить и использовать для дальнейшей работы. Система базируется на исследованиях Goodfire в области интерпретируемости, поэтому она создана для команд, занимающихся серьезной механистической интерпретируемостью, а не просто быстрыми демо.

Главная особенность Silico — агентный подход к исследованиям. Вы задаете цель, а платформа берет на себя всё остальное: планирование экспериментов, координацию нескольких агентов и отслеживание контекста в длительных задачах. В комплект входят современные библиотеки для обучения и интерпретируемости, а также возможность оркестрации вычислений через разных провайдеров инфраструктуры. Это значит, что исследователи могут перестать беспокоиться о планировании задач и сосредоточиться на науке. Платформа также поддерживает распространенные методы обучения, такие как SFT, DPO и RL, и позволяет сравнивать чекпоинты и тестировать точечные интервенции.

Silico лучше всего подходит для команд ИИ-исследователей в таких организациях, как Microsoft, Mayo Clinic и Prime Intellect. Она полезна для изучения того, как работает модель (визуализация архитектуры, обучение разреженных автоэнкодеров, картирование нейронной геометрии), диагностики сбоев моделей (отслеживание регрессий до причин в виде недообучения или артефактов данных), обучения и улучшения моделей, а также для репликации или расширения опубликованных исследований. Если ваша команда тратит больше времени на управление экспериментами, чем на сами исследования, Silico стоит попробовать.