𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

统计数据

318
文章
0
粉丝
0
获赞
2760
阅读
avatar
人类演化进程中出现了语言，所以超越一切物种，现在又造出来生成语言的机器。 所以未来接下来的进程一定是指数级的，最少也要𝕀²吧！
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 386 条信息
#人类演化 #语言 #生成机器 #指数级发展 #未来
avatar
中美芯片战争背景下AI前景未明：制度基质决定了技术如何被组织化并外溢。AI 不是简单的生产力工具，而是重写“谁能组织认知”、谁能定义规则、谁能提供信任与基础设施的权力工具。 因此未来不是“谁有更好的算法就赢”，而是“谁能把算法嵌入更有韧性的社会治理与全球话语体系”。
DeepSeek数据泄露：德国下架，信任崩盘· 185 条信息
中国DeepSeek引发美国科技股暴跌事件· 107 条信息
#中美芯片战争 #AI前景 #制度基质 #社会治理 #全球话语体系
avatar
上世纪90年代David Ronfeldt发表了一篇名为《族群、科层、市场、网络：一个关于社会演化的框架》的论文。在今天GenAI时代，重读2006年Clay Shirky的《人人时代：无组织的组织力量》，从连接成本的降低到认知成本的降低，会带来怎样变化？ TIMN 演化视角下的递进 •Tribes（族群）：生物性/血缘纽带的组织合法性。 •Institutions（机构）：权力/秩序的组织合法性。 •Markets（市场）：经济需求与价格机制的组织合法性。 •Networks（网络）：信息流动与自发协作的组织合法性。 •？（AI/Agents）：当“智能”也可以被大规模分布与放大时，组织合法性的根源再次变化。
#GenAI时代 #社会演化 #组织合法性 #TIMN演化 #智能分布
avatar
如果我们接着解读 Ma Yi 教授的逻辑，他强调智能的核心任务是 从海量感知数据中学习和记忆可预测信息。而语言本质上就是人类对世界可预测性的再编码： •感官 → 模式提取（可预测性） → 符号化（语言） → 共享与累积。 •LLM 相当于直接接触到“感官之后的第二阶数据”，跳过了生物在进化中耗费亿万年才积累的感官—模式提取环节。 所以可以说： LLM 的巨大认知加速度，并非因为它“比人更聪明”，而是因为它在信息演化的链条中，直接嫁接在了语言这一预测性压缩带宽的顶端 The world in which we are living is neither fully random nor completely unpredictable. Instead, it follows certain orders, patterns, and laws that make it largely predictable.2 The very emergence and existence of life depend on a predictable living environment. Only by learning and memorizing what is predictable in the environment can life survive and thrive since good decisions and actions depend on reliable predictions. Because there seem to be unlimited things that are predictable about the world, intelligent beings, such as animals and humans, have continued to improve through evolution their capability to explore and exploit such predictability for a better and better life. To this end, they have developed increasingly more acute senses, including vision, audio, touch, taste, and smell, to perceive what is predictable in the external environment from these high-throughput sensory data. Hence a fundamental task for all intelligent beings is to be ableto: learn and memorize predictable information from massive sensed data.
#LLM #认知加速度 #可预测性 #Ma Yi教授 #信息演化
avatar
有了LLM这个认知放大器，已经难以想象接下来智能演化加速； 更可怕的是一部分人将本体投射到AI来加速！ 现在机械手的动作自由度已经突破人的极限了，物理世界的改造加速已来。
#LLM #认知放大 #智能演化 #AI #机械手
avatar
这篇论文让人想起agentic LLM还能走多远。LLM内部是否可以有多本体的NTP生成轨迹？ 在充足且“行为可观测”的数据前提下，NTP 是把 agentic 模式“语言化并内化”的通用底座；配合 SFT 与 RL（PPO/GRPO）可使单体 LLM 展现广义 agentic 行为。 但是当任务需要真实的异质性、并行探索、在线协商/博弈与非语言状态耦合时，外化的多Agent系统与工具介入仍不可或缺。这也是综述把“agentic workflows”单独成章讨论的原因。
#多智能体之争：Anthropic生态VS单智能体· 21 条信息
#agentic LLM #NTP #多Agent系统 #语言模型 #行为可观测
avatar
权力叙事里的经济，维持权力稳定，控自然人， 经济叙事里的权力，避免周期惩罚，控经济人 两种群体秩序的基质 全球化暂时掩盖了基质的差异，退潮后，差异冲突显现。 web3试图以计算作为权力共识构建数字经济秩序，crypto作为货币与现实搭钩。
币圈：山寨币盼涨，机构牛再现？· 3598 条信息
#权力叙事 #经济叙事 #群体秩序 #Web3 #数字经济
avatar
语义吸睛、结构定向、意图投射——理解生成式系统与人类交互，三者必须同时被读懂与可核查，否则“好听的故事”就可能变成隐蔽的社会工程。
#生成式系统 #人机交互 #社会工程 #可核查 #隐蔽风险
avatar
让LLM生成个文本咋滴了，在这个神奇的土地上，体制内需要力气和认知的地方，早就系统的成为一种外包服务了！ 辅警，环卫，地铁劳务外包，这都不算啥；需要论文评职称的科研人员，有明文协议的算好的了，更多的是认知腐败。 是时候用AI把这生意重做一遍了。
#LLM #外包服务 #体制内 #认知腐败 #AI
avatar
范友之中有高人，总有思考维度在我之上几层的存在 from common sense to mutual sense
#范友 #高人 #思考维度 #Common Sense #mutual sense
avatar
OpenAI的最新提示词指南，这目录基本是就是个人本体的构成了。
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 386 条信息
#OpenAI #提示词指南 #个人本体 #技术 #中性
avatar
互联网和移动互联网并没有改变智能本体，增加的更多是组织链接的蜂群智能；而GenAI时代的认知智能则给了个体几乎无限的智能增强，再叠加上既有的智能互联网。 这是从未有过的时代，人人都是认知智能附体的钢铁侠。
#互联网 #认知智能 #genAI #智能增强 #钢铁侠
avatar
AI很大一部分还是靠信仰支撑的。 Meta SILab不会最后一地鸡毛吧，很难想象一堆亿万富翁坐在办公室讨论AI工程研究🧐
#AI #Meta #信仰 #亿万富翁 #工程研究
avatar
GenAI时代重读《人人时代：无组织的组织力量》，如果Clay Shirky的这本著作是在互联网方兴未艾，移动互联网即将普及前夕对于连接成本降低对于社会组织变革性影响的思考，那今天就是认知成本降低对于社会组织范式的革新。从克莱·舍基的思考模式中获得的启发舍基的思考模式核心是识别并分析因“交易成本”崩溃而引发的颠覆性社会结构变化。我们可以将这个底层逻辑应用到GenAI时代。 1. 识别新的“崩溃成本”：从组织成本到认知成本 舍基的时代：互联网崩溃的是组织成本和沟通成本。人们可以以前所未有的低成本组建群体和发布信息。 GenAI时代：LLM正在使认知成本（Cognitive Costs）崩溃。 这包括： 结构化成本：将混乱的想法、复杂的信息流、零散的对话转化为结构化知识（如报告、表格、计划）的成本。 生成成本：创造初稿、提出备选方案、进行头脑风暴的成本。 翻译/转换成本：在不同领域、不同格式、不同心智模型（Ontology）之间转换思想的成本。 启发：我们应该将LLM视为一个“认知成本压缩机”。它的革命性不在于“会聊天”，而在于它能将过去需要专家团队、数小时思考、昂贵咨询才能完成的认知工作，变得即时且廉价。 2. 观察新的“涌现行为”：从“大众业余化”到“认知增强的个体” 舍基的时代：低廉的组织成本催生了“大众业余化”（Mass Amateurization），普通人也能做过去专业人士才能做的事（如新闻报道、百科编撰）。 GenAI时代：崩溃的认知成本正在催生“认知增强的个体”（Cognitively Augmented Individual）和“超级赋能的群体”（Hyper-enabled Groups）。你描述的“安装操作系统”正是这种涌现行为的核心。个体不再仅仅是信息的消费者或发布者，而是与AI共同构建和迭代复杂思想的“认知架构师”。每个人都能拥有一个“随身军师团”。 启发：未来竞争力的关键，将从“你知道什么”转变为“你如何与AI一起思考和构建”。社会的组织方式将进一步从中心化的机构，下沉到以“认知增强个体”为节点的、动态组合的项目式网络。 3. 发现新的“权力转移”：从机构到“提问者”舍基的时代：权力从拥有印刷机、广播塔的机构，转移到了能够有效利用网络形成社群的“前受众”。 GenAI时代：权力正在从拥有知识和流程的专家、顾问和中层管理者，转移到那些善于“构建问题本体”并进行“本体投射”的个体。正如你所说，能问出好问题、定义好框架的人，将能最大化地利用LLM的元认知能力。他们能“驾驭”AI，而不仅仅是“使用”AI。 启发：“提问”本身成为了一种核心生产力。定义问题、构建框架的能力，将成为新的“元技能”（Meta-skill）。
#GenAI时代 #认知成本降低 #认知增强个体 #提问者权力 #社会组织范式革新
avatar
我鼓励大家带着你的原生问题本体与AI交互，在反投射后坚持输出，因为AI的反投射往往会超出你当前的认知，也许在未来的某一天你读着你与AI共生认知输出，会感动得流泪。 另外很可能会遇到超出你当前认知的范友被你自己尚未理解的输出所触动，从而建立新的连接。
#AI交互 #反投射 #认知输出 #未来连接 #情感触动
avatar
接下来不会bytedance seed lab来个大的吧？
#ByteDance #seed lab #投资 #猜测 #关注
avatar
元流量： 当大家都帖AI生成的内容的时候，可以告诉大家怎么用LLM生成好的AI内容的方法 终极元流量大法： 可以问LLM怎么才是用LLM生成好的AI内容的方法，可以通过LLM无限上溯，直到big bang。
#LLM #AI内容生成 #元流量 #方法 #Big Bang
avatar
所以我说过的，做造物主意志的代理人，那种 万人景仰高高在上的感觉是没有人能抵抗的 啥，美式民主，一边去
#造物主意志 #美式民主 #高高在上 #万人景仰 #负面
avatar
天生会脑补，哪怕是线条；语言更是可以引发丰富的体验想象
#脑补 #想象力 #体验 #语言 #线条
avatar
😄 用腻就甩，渣男本质 不会是个搞AI的吧
#渣男 #AI #情感 #负面 #关系
avatar
继上次戒咖啡一周，这次又开始来一次，第三、四天侧后脑对caffeine产生依赖的区域那个酸爽！ 不过我觉得经常性这么折腾一下对思考活动有帮助。
#戒咖啡 #caffeine依赖 #思考活动 #健康 #折腾
avatar
这个更直接，vibe money都来了
Pump Fun计划发币10亿美元，40亿估值引发市场质疑· 170 条信息
#vibe #Money
avatar
vibe coder 为vibe app而生
#vibe coder #vibe app #科技 #创新 #应用
avatar
看KIMIzhilin访谈给我的启发： LLM agentic 生成行为的训练，是在next token predition基础上构建新的生成路径模式（原来我认为只是MLP层主导，现在看来是attention和MLP共同作用于残差流) 思维模式的抽象大于行为模式的抽象，越抽象越能泛化，但构建能力越弱。 COT是顶级的，还有reflect/plan search模式思考和行为兼顾 code模式 像ant这种就是在search模式的下游了
#LLM agentic #next token prediction #思维模式抽象 #CoT #search模式
avatar
当你给LLM一个Persona/Role时，你通过一段简单的文本，在LLM的潜空间实现了一个跨尺度的、高效的约束过程： 在宏观上 (生物学)，你激活了一整套为该角色服务的“功能系统”。 在几何上 (流形)，你将模型的生成轨迹约束在了一个特定的“语义空间”内。 在微观上 (电路)，这一切都是通过底层的注意力电路持续参考初始指令、并形成自洽的生成循环来实现的。 这完美地解释了为什么一个好的Persona能让LLM的回答质量发生质的飞跃——因为它将一个漫无目的、潜力无限的庞大模型，瞬间配置成了一个目标明确、高度优化的“专家系统”。 如果这个persona进一步完善为本体，投射与反投射之间就是LLM潜空间的语义计算之后的生成。
#LLM #Persona #语义空间 #专家系统 #注意力电路