एक डेवलपर ने 360M पैरामीटर वाले भाषा मॉडल को टर्मिनल की तरह काम करने के लिए फाइन-ट्यून किया है। इसके पीछे कोई शेल या फ़ाइल सिस्टम नहीं है। इसके बजाय, हर कीप्रेस मॉडल में जाती है, और मॉडल अनुमान लगाता है कि स्क्रीन कैसे बदलेगी। लेखक के अनुसार, यह फ़ाइलें बना सकता है, vim और tmux चला सकता है, snake खेल सकता है, और आमतौर पर कुछ कमांड पहले टाइप की गई बातें याद रखता है। सबसे बड़े सुधार मॉडल को अपनी गलतियाँ ठीक करना सिखाने और स्क्रीन की पंक्तियों को समानांतर रूप से डिकोड करने से आए। यह डेमो ब्राउज़र में चलता है और इसका आकार लगभग 208 MB है। उपयोगकर्ता "pythoon" टाइप करके देख सकते हैं कि यह असली शेल नहीं है।
यह प्रोजेक्ट Genie 3 से प्रेरित था, जिसने ऐसे भविष्य का संकेत दिया था जहाँ एप्लिकेशन कोड किए जाने के बजाय सीखे जाते हैं। लेखक ने इस विचार को एक गेम वर्ल्ड से घटाकर टर्मिनल तक सीमित किया। टर्मिनल पिक्सल के बजाय अक्षरों का एक ग्रिड है, और असली शेल चलाकर प्रशिक्षण डेटा तैयार किया जा सकता है। यह मॉडल Qwen2.5-Coder-0.5B पर आधारित है और Docker के अंदर चल रहे असली प्रोग्राम के रिकॉर्ड किए गए टर्मिनल सत्रों पर फाइन-ट्यून किया गया है।
सामान्य भाषा मॉडल एक-एक करके टोकन जोड़ते हैं, जो टर्मिनल के लिए उपयुक्त नहीं है, क्योंकि वहाँ एक ही कीप्रेस स्वतंत्र रूप से काम कर सकती है और आउटपुट हमेशा स्क्रीन के नीचे नहीं जाता। इसके बजाय, मॉडल अक्षरों के ग्रिड में होने वाले बदलावों का अनुमान लगाता है। हर सत्र स्क्रीन के आकार, उसकी सामग्री और कर्सर की स्थिति के स्नैपशॉट से शुरू होता है। कीप्रेस उसी कच्चे बाइट रूप में भेजी जाती हैं जैसे असली टर्मिनल उन्हें प्राप्त करता है, और मॉडल फिर से लिखी जाने वाली पंक्तियों और नई कर्सर स्थिति के साथ जवाब देता है। समय भी एक इनपुट है, इसलिए WAIT टोकन snake को बिना कीप्रेस के चलते रहने देता है।
स्क्रीन स्क्रॉल होने पर हर पंक्ति को दोबारा बनाने से बचने के लिए, लेखक ने एक COPY ऑपरेशन जोड़ा जो पिछली स्क्रीन की पंक्तियों को स्थानांतरित करता है, जिससे हर कीप्रेस पर हजारों टोकन बचते हैं। यह डेमो WebGPU और भौतिक कीबोर्ड वाले डेस्कटॉप ब्राउज़र के लिए बनाया गया है, और Chrome या Edge की सिफारिश की जाती है।
स्रोत: Hacker News · HeadlinesBriefing द्वारा सारांशित