mitattua
Tutkimus
Tutkimuksia omasta työstäni, julkaistuna lukujen kanssa. Uusin ensin. Jokaisesta saa PDF:n mukaansa, ja yksi niistä peruu aiemman löydökseni.
-
Do the cheap agents pay for themselves? Seven delegations, measured
maksavatko halvat agentit itsensä takaisin: seitsemän mitattua delegointia yhdestä istunnosta; 3 seitsemästä huomasi jotain, minkä olisin itse jättänyt huomaamatta, 1 oli väärä löydös, eikä säästöä väitetä, koska vertailukohtaa ei voi mitata
-
The translation audit: a local model re-reads my Finnish
käännösauditointi: paikallinen suomen kielen malli lukee sivuston kaikki 396 suomenkielistä merkkijonoa englanninkielistä lähdettä vasten; sen 276 ehdotetusta muutoksesta vain 2 kesti
-
Poro-2-8B in production: what we measured, what broke, what we built around it
Poro-2-8B tuotannossa: mitä kaksi projektia mittasi, miksi toinen otti sen käyttöön ja toinen ei, sekä sen ympärille rakennettu deterministinen kerros
-
Which local model writes the best Finnish? A blind test settles it
sokkotesti: äidinkielinen puhuja arvioi sokkona 3 paikallista mallia suomen luonnollisuudessa; Poro voittaa 26/30
-
How a Finnish-RAG experiment caught and corrected its own mistake
rag suomi -tutkimus, menetelmä: miten koe huomasi ja korjasi oman virheensä; prosessi, ei löydökset
-
Does the portfolio RAG need Finnish, and does it need a Finnish-built model?
rag suomi -koe: 3 paikallista 8B-mallia suomen synteesistä vs hallinnasta, yksittäismuuttuja, €0
-
Skill-suite calibration: 96 A/B arms across three codebases and three models
uusin + laajin: 16 skilliä, kylmä-vs-skilli A/B kolmella mallilla; nykyinen tilannekuva
-
The two skill-auditors: what they cost, and what they fixed
synteesi: mitä kaksi skilliauditoijaa maksoivat (~36 % halvempi ajaa) ja mitkä ansat ne paljastivat
-
Round 6 of the skills optimization study: re-measuring the six noisiest cells
kierros 6 · meluisimmat solut mitattu uudelleen syvemmin: N=1-sattuma kumottu, ~+76 % vahvistettu
-
Why "read each SKILL.md" costs tokens: five rounds of before/after testing
optimointi: 5 kierrosta ennen/jälkeen yhdellä SKILL.md:llä; 3 kustannusansaa löydetty + korjattu
-
The skill catalog: every skill across four repositories
jokainen skilli kaikista 4 reposta: inventaario, kustannukset mitattu (ei arvattu)