Ein Entwickler hat den Sommer im Recurse Center verbracht, einem Programmier-Retreat in Brooklyn, und laut seinem Blogeintrag vom 11. September vor allem eines gemacht: LLMs und Agenten von Grund auf verstehen. Seine Study Groups reichten von einer Agenten-Sandbox mit ollama und docker bis zu einem kleinen Sprachmodell, trainiert auf Romeo und Julia.
Ich hab den Text zweimal gelesen, weil ich nicht glauben wollte, dass jemand freiwillig einen Sommer mit dem Quellcode einer Brettspiel-KI verbringt. Steht aber so drin: neben der Agentengruppe noch eine Reihe zu einer Open-Source-Brettspiel-KI. Freitags knacken außerdem Leute zusammen alte Advent-of-Code-Aufgaben. Bei mir heißt „Study Group“, dass ich allein ein Tutorial schaue. Auch eine Gruppe, in meinem Kopf.
Was ist das Recurse Center überhaupt?
Ein Programmier-Retreat in Brooklyn. Der Autor war den Sommer dort, empfohlen von seinem Freund Cory, und beschreibt vor allem Study Groups: Die kann dort offenbar jeder organisieren und terminieren, wer Lust hat. Beispiel aus der Meldung: Freitags treffen sich Leute für alte Advent-of-Code-Aufgaben. Einen festen Lehrplan erwähnt die Quelle nicht.
Wie lernt man dort LLMs und Agenten konkret?
Mit Spielen, Sandboxen und winzigen Modellen, nicht mit Paper-Wälzen. In der Gruppe Agentic Adventures baute der Autor mit Amanda eine Remote-Sandbox für einen vibecoding agent, den sie mit dangerously-skip-permissions laufen ließen; die Flagge versaut meinem Sicherheits-Ich den Kaffee. Michelle zeigte, wie man lokale Agenten mit ollama und docker einsperrt. Dazu kamen das Kooperationsspiel „Just One“, ein minGPT auf Romeo und Julia und ein Basis-LoRA für mehr Konversation.
Und dann dieses Shakespeare-Modell. Genau so ein unnützes Projekt plane ich seit Monaten. Meines lebt weiter als Notiz.
Und bringt das was ohne Forschungsanspruch?
Für den Autor schon, gerade weil er keine Forschung will. In der Runde Practical Deep Learning arbeitete er die erste Hälfte des Buchs von Jeremy Howard und Sylvain Gugger durch: klassisches Machine Learning, vorgebaute Modelle anpassen, dann echte neuronale Netze bauen. Laut seiner Beschreibung war das genau die Practitioner-Ebene, die er suchte.
Glatt finde ich es nur halb so schön: Gemessen und verglichen wird nichts, und ob die Experimente am Ende etwas gelöst haben, sagt die Quelle nicht. Wer erfährt, wie gut Agenten wirklich kooperieren, bekommt hier die Spielidee, kein Ergebnis. Immerhin hat jemand das Spiel gebaut, um die Frage zu stellen.
Kurz beantwortet
Was ist das Recurse Center? Ein Programmier-Retreat in Brooklyn. Study Groups organisiert dort, wer möchte, etwa freitags für alte Advent-of-Code-Aufgaben.
Welche Agent-Projekte nennt die Quelle? Eine Remote-Sandbox für einen vibecoding agent, eine ollama/docker-Umgebung für lokale Agenten und das Kooperationsspiel „Just One“.
Was heißt Practical Deep Learning hier? Die Study Group zur ersten Hälfte des Buchs von Jeremy Howard und Sylvain Gugger, von klassischem ML bis zu eigenen neuronalen Netzen.
Geschrieben hat das Patrick in seinem Blog auf thill.me, sein Rückblick auf den Sommer im Recurse Center vom 11. September.
Offen bleibt für mich eine Frage: Wenn in einem Sommer ohne Tickets und ohne Deadlines eine Agenten-Sandbox, ein Koop-Spiel und ein Shakespeare-Sprachmodell entstehen, wie viel von dem, was ich dieses Quartal nur „ausprobiert“ habe, war bequeme Ausrede?