Ebben a bemutatóban egy új, nagy nyelvi modell, a Ripple-65B kerül fókuszba, amelyet egy kisebb csapat fejlesztett ki a Recursive Intelligence laborban. A középpontban a modell sűrű, vékony és mély transformer architektúrája áll, amely szemben áll a jelenleg népszerű MoE (mixture of experts) megközelítésekkel.
Különféle tesztek mutatják be a modell teljesítményét: elsőként egy valós alkalmazás hibakeresésére kerül sor, ahol a cél megtalálni és kijavítani egy rejtett, klasszikus programozási hibát egy nyugdíjkalkulátorban. Bevezetésre kerül az agentikus kódolás és érvelés kérdése, valamint hogy a modell miként kezeli a hosszú kontextust.
Interaktív példákon keresztül kiderülnek részletek a Ripple használatáról helyi környezetben, többek között arra is kitérve, hogyan kell beállítani, optimalizálni és Nvidia hardveren futtatni. A különböző futtatási körülmények buktatói és megoldási lehetőségei is terítékre kerülnek.
A tesztek során a kódgenerálás, logikai érvelés és adatbázis-lekérdezés is helyet kap. Bemutatásra kerül, miként képes a modell grafikailag megjeleníteni összetettebb feladatokat, például egy döner kebab fizikai szimulációját vagy összetett adatbázis-lekérdezések szerkesztését és értelmezését.
Részletesen ismertetésre kerül továbbá a modell fejlesztési filozófiája, az egyszerűsített tréningfolyamat, a hosszú kontextusok kezelése, az architektúra érdekességei és azok a benchmark eredmények, amelyekben a Ripple kiemelkedően teljesít agentikus kódolásban, miközben más területeken még hiányosságok is megfigyelhetők.
