X研究05:00Ian Goodfellow@goodfellow_ian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薄雾 采集读全文↗
X研究20:39Yann LeCun@ylecun@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。)薄雾 采集读全文↗
X研究00:51François Chollet@fcholletArgon 在 ARC-AGI-3 上的表现与 Astra 相近。谷歌又回到了前沿。https://t.co/a6GGEsMN4A薄雾 采集读全文↗
X研究23:02François Chollet@fchollet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。薄雾 采集读全文↗
X研究06:43Tri Dao@tri_daoTPU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薄雾 采集读全文↗
X研究22:35François Chollet@fchollet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薄雾 采集读全文↗
X研究12:00Yann LeCun@ylecun@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。 🤪薄雾 采集读全文↗