跳到正文
ByteWoops | AI 观察员
首页
TRAE 1024
最新
报道
原帖
Opus 5.5
Seedance电影导演
喵 AI
关于
中文
EN
搜索
登录
ByteWoops | AI 观察员
首页
TRAE 1024
最新
报道
原帖
Opus 5.5
Seedance电影导演
喵 AI
关于
登录
English
时间索引
2026年10月17日
5
05:00
1
01:00
1
00:00
3
2026年10月16日
2
2026年10月15日
9
2026年10月14日
4
原帖墙
2026年10月17日
周六
5 条
05:00
1 条
I
Ian Goodfellow
@goodfellow_ian
X
05:00
在 Aisle 的第一年里,他们已经表明:围绕 LLM 搭建的系统极为重要,即便是小型、廉价、快速的模型,也能被增强到做出有价值的安全工作 https://t.co/fOrK7l44P9
研究
01:00
1 条
J
Jeff Dean
@JeffDean
X
01:29
来看看这个!干得漂亮,@AndrewDai 和 Elorian 的伙伴们! https://t.co/2AoTYlnvyS
研究
00:00
3 条
J
Jim Fan
@DrJimFan
X
00:15
Guanzhi 的深入解读线程: https://t.co/LXfso5IRHa
研究
再看 @DrJimFan 的 2 条
2026年10月16日
周五
2 条
20:00
1 条
Y
Yann LeCun
@ylecun
X
20:39
@alexandr_wang 😅😅 专有 AI 模型公司就是昔日的 IBM 😅😅 (而如今的 IBM 其实是开源的大力支持者,和旧日的 IBM 完全不同。)
研究
00:00
1 条
F
François Chollet
@fchollet
X
00:51
Argon 在 ARC-AGI-3 上的表现与 Astra 相近。谷歌又回到了前沿。https://t.co/a6GGEsMN4A
研究
2026年10月15日
周四
9 条
23:00
1 条
F
François Chollet
@fchollet
X
23:02
人人都想已经解决过一道难题,但几乎没人愿意真正置身于动手解决它的苦熬之中。突破属于那些痴迷于过程本身的少数人,而不只是结果的想法。
研究
09:00
1 条
J
Jason Wei
@_jasonwei
X
09:08
@openpcma 谢谢帅哥
研究
06:00
1 条
T
Tri Dao
@tri_dao
X
06:43
TPU与GPU具有不同的瓶颈:内核很少,因此您不需要考虑并行性,大型VMEM更容易融合内核,但矢量单元的吞吐量较低,因此任何非matmul都需要更多关注https://t.co/4ZdhowD46c
研究
05:00
1 条
J
Jason Wei
@_jasonwei
X
05:05
@engyziedan 感谢并很高兴为这项工作提供数据合作!
研究
04:00
2 条
J
Jason Wei
@_jasonwei
X
04:47
@alexandr_wang 喜欢这句关于缪斯奇迹的名言: “我欣赏 Muse Wonder 的一点是,它不是阿谀奉承。我使用过的其他一些模型会让一个想法在当时听起来很棒,但后来我才意识到它站不住脚。Muse Wonder 愿意在我自己发现问题之前就告诉我并引导我采取更好的方法。这节省了很多时间,这也是我信任它的一个重要原因。” — Jason Rothschild,医学博士,肌肉骨骼放射科医生
研究
再看 @_jasonwei 的 1 条
03:00
2 条
J
Jason Wei
@_jasonwei
X
03:42
@_memoryleak在这个Ashish上合作很有趣!
研究
再看 @_jasonwei 的 1 条
02:00
1 条
J
Jason Wei
@_jasonwei
X
02:52
在 Meta 的健康工作流程中,我们做了一个项目,希望了解医学专家可以使用 Muse Wonder 编码支架撰写哪些研究论文,该编码支架可以访问我们从供应商处许可的 500 万条电子健康记录数据库。我们的目标是,通过数据库中的 500 万患者,人工智能可以进行研究来回答任意问题,例如“服用他汀类药物的人在以后的生活中患糖尿病的几率是否更高”?我们在这里押注的是,当你将人类专家、强大的编码模型和数据访问结合在一起时会发生什么 我们与一小群医学专家合作,帮助他们使用这个人工智能工具,最重要的是,他们都发现这种设置可以加快健康研究的步伐。他们在大约两周内生成了十份手稿,其中一名研究人员(Paddy Ssentongo)生成了三份手稿。在整个过程中,他们相互合作审查手稿并编写技能文件,以帮助我们的编码支架改进研究。医学专家们喜欢他们能够如此快速地测试不同的假设并选择最好的假设来继续研究 健康研究非常独特,因为能够解释噪声数据并了解哪些变量是重要的非常重要,这仍然是人类研究人员的重要附加值。鉴于医学是人类历史上最古老的领域之一,而且它最终是关于人类的,因此在此类研究中保留大量的人类成分可能很重要。在不久的将来,我认为人工智能主要是一种促进人类主导研究的工具。有了正确的支架,我相信健康研究人员使用人工智能工具可以将工作效率提高 10 倍甚至 100 倍,这些工具可以适当访问世界上收集的有关人类健康的大量数据 看待这项工作的一种方法是通过更广泛的科学人工智能视角。您可以将科学视为两个部分:(1)收集有关世界的原始数据,以及(2)将原始数据综合为理解。在这个项目中,我们已经拥有有关世界的现有数据,我们的目标是使用人工智能加速第 (2) 部分。最终,我想象一个世界,我们拥有如此强大的人工智能工具,将原始数据合成为理解的时间几乎为零。在那个世界中,科学将大大加快,大部分工作将集中于通过物理实验收集正确的原始数据 我们在很短的时间内做到了这一点(这就是重点),我认为科学研究的未来将比以往更快、更令人兴奋
研究
2026年10月14日
周三
4 条
22:00
3 条
F
François Chollet
@fchollet
X
22:35
单靠自回归采样无法解决现实世界的物理任务。 物质世界对幻觉或近似模式匹配是完全不可原谅的。 如果我们想要真正的自主机器人,我们必须将因果关系和离散推理设计回循环中。 Biwei和Aether AI的团队正在做该领域目前真正需要的基础性、非共识性工作。https://t.co/UJtL2t0tQ2
研究
再看 @fchollet 的 2 条
12:00
1 条
Y
Yann LeCun
@ylecun
X
12:00
@jakobmollerfi @JordanMich45361 @BachFrancis 对,就像多层网络、反向传播、卷积网络、深度学习和自监督学习一样。 如果你同意我的观点,那你显然站在了历史错误的一边。 🤪
研究
加载更多
↓
最新 · Latest
原帖墙
实验室、研究者与厂商的第一手发言,由采集智能体逐条钉上墙。点开任意一张便签读全文。
搜索报道、主题或贡献者
报道
原帖
全部
开发工具
基础模型
产业
基础设施
政策与治理
产品
研究
安全与对齐
时间线
便签墙
J
Jim Fan
@DrJimFan
3
I
Ian Goodfellow
@goodfellow_ian
1
J
Jeff Dean
@JeffDean
1
Y
Yann LeCun
@ylecun
1