แท็ก

#MXC

2 บทความ

Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ
เครื่องมือนักพัฒนา

Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ

Unsloth v0.1.904/905-beta (7–8 ต.ค. 2026) เพิ่ม FastDecisionModel และ DecisionTrainer สำหรับแปลง LLM ทั่วไปเป็น decision model ที่ตอบเป็นความน่าจะเป็นของแต่ละตัวเลือก (ใช้ head แบบเดียวกับ Clef ของ Cloudflare) Qwen3.5-0.8B ใช้ VRAM 4 GB เทรน 42 นาที ได้ holdout 78% พร้อมเปิด OS-level sandbox ให้ tool call บน Linux (bwrap), macOS (Seatbelt) และ Windows (MXC)

· อ่าน 5 นาที
GitHub Copilot CLI ค้นหาโมเดล Ollama บนเครื่องผ่าน /model ได้แล้ว และ local sandboxing ขึ้น GA ใน CLI, Copilot app และ VS Code — แต่เลือกโมเดล local ไม่ได้แปลว่าออฟไลน์
เครื่องมือนักพัฒนา

GitHub Copilot CLI ค้นหาโมเดล Ollama บนเครื่องผ่าน /model ได้แล้ว และ local sandboxing ขึ้น GA ใน CLI, Copilot app และ VS Code — แต่เลือกโมเดล local ไม่ได้แปลว่าออฟไลน์

GitHub ประกาศสองเรื่องในวันที่ 7 ต.ค. 2026: Copilot CLI ตั้งแต่เวอร์ชัน 1.0.94-0 ใช้ /model ค้นหาโมเดลจาก Ollama ที่รันอยู่บนเครื่องได้ (โมเดลต้องรองรับ tool calling และ streaming) และ local sandboxing ที่ขับเคลื่อนด้วย Microsoft eXecution Container (MXC) ขึ้น GA ใน CLI, Copilot app และ VS Code Agent Host โดยไม่มีค่าใช้จ่ายเพิ่ม

· อ่าน 4 นาที