𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

统计数据

907
文章
0
粉丝
0
获赞
7568
阅读
avatar
AI瓶颈回到了电力设施。 施耐德电气的产能排到了2030年！ 看来雅江电站赌对了… 不过昨天试了一下GLM4.5下的claude code，token智能含量还是差距不小啊！
#AI瓶颈 #电力设施 #施耐德电气 #雅江电站 #GLM4.5 vs claude code
avatar
和LLM这类认知智能系统交互，与其他的系统都不太一样的地方是：meta interaction 可能源自这类系统的meta learning特性。 就是你可以一直回溯，只到能继续这种交互。 从最早的prompt，如果你不知道提问，你可以问LLM怎么写提示词；今天的vibe coding也一样，你可以一直回溯到你怎么敲下claude code的第一句指令。 这是历史上从未有过的智能交互。
#LLM #认知智能 #meta interaction #meta learning #智能交互
avatar
这两个小姐姐突然在时间线上较起了劲，细思背后有深意😄
#时间线 #小姐姐 #较劲 #深意 #积极
avatar
江浙沪包邮区台风🌀？
#江浙沪 #台风 #灾害预警 #天气 #包邮区
avatar
看到Anthorpic怎么在组织内部使用claude code，我觉得大部分文本产出类的工作都危险了…
AI编程工具激战：Claude Code、Gemini Cli崛起· 1255 条信息
#Anthorpic #Claude Code #文本产出 #AI威胁 #工作危机
avatar
在社交平台的“注意力经济”中，每个用户的注意力、时间和认知资源都是有限的。平台算法的目标是最大化用户的参与度（点赞、评论、转发）。在这个背景下： •情绪共鸣内容 = P 类问题（易于验证和处理） •深层次认知内容 = NP 类难题（难以解决和处理）
#社交平台 #注意力经济 #算法 #情绪共鸣 #认知内容
avatar
这是辛顿Hinton老爷子在WAIC没讲全的部分： 关于超级智能被恶人利用攫取权利和战争 ——截图来自前几天在The Royal Institute的演讲。
#辛顿 #Hinton #超级智能 #恶人利用 #战争
avatar
Hinton在WAIC上的主题演讲： 还是过去那套，区别上去掉了点名坏人利用AI作恶的那张，另外加了点agent的内容。
#Hinton #WAIC #AI #agent #演讲
avatar
这是我看过解读Tesla那句话最好的视频展示了吧！ “If you wish to understand the universe, think of energy, frequency, and vibration”
#TESLA #能量 #频率 #振动 #积极
avatar
阶跃星辰stepfun可以的，这个step3的部署架构把attention和MLP分开，效率更高！ LLM的下一个突破是啥？attention+MLP+？
Google Gemini 2.5发布引发AI模型性价比热议· 475 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 867 条信息
#阶跃星辰 #step3部署架构 #attention #MLP #LLM
avatar
周末是读论文的vibe时间：⬇️
#论文 #周末 #阅读 #vibe #学习
avatar
既然RL有reward hacking（奖励投机）的风险，提示词工程是不是更好的方法呢？ 答案是：它们不是相互替代的关系，而是两种有着不同目标、成本和适用场景的工具。没有绝对的“更好”，只有“更适合”。 那么问题来了：是应该投入更多精力去“教”（通过微调/RL）模型，还是去“引导”（通过提示词工程）模型？ 1. 为什么奥数论文用提示词工程？ 因为奥林匹克数学竞赛（IMO）的问题极其困难、开放且变化多端。为这类问题设计一个能覆盖所有情况的、公平的、自动化的奖励函数几乎是不可能的。你如何量化一个“思路巧妙但步骤错误”的解法的奖励？因此，利用人类的智慧和洞察力，设计一个引导模型进行深度思考和自我批判的提示词流程，是当下最现实、最有效的方法。这本质上是把奖励信号的判断工作交给了人类提示词工程师和模型自身的（被引导的）反思能力。 2. 既然如此，为什么还要用RLCR？ RLCR解决的问题更具有普遍性和基础性。我们希望模型内化一种能力，即“诚实地评估自己的不确定性”。这是一种元认知能力。对于成千上万种日常问答、信息检索等任务，我们不可能都去设计复杂的提示词。我们更希望模型本身就具备这种可靠的特性。 •场景一（用RLCR）：一个在线客服机器人，每天回答上万个用户问题。你希望它在遇到自己不确定的问题时，能主动说“我不确定，正在为您转接人工客服”，而不是胡乱回答。在这里，通过RLCR训练一个可靠的模型，一劳永逸。 •场景二（用提示词工程）：你要用LLM帮你解决一个极其专业且一次性的问题，比如为你的公司设计一个复杂的期权定价模型。这时，你会投入大量时间去设计提示词，引导模型一步步思考，就像在指导一个虽然聪明但缺乏经验的实习生。
avatar
在AGI的混合路径上，我们是那50%的“人类变量” 我们曾经以为，我们每天的“一念天堂一念地狱”的AI体验摇摆，源于LLM当下的架构缺陷。我们以为，只要熬过这个“巴别塔”的搭建阶段，一切都会好起来。 今天，DeepMind的掌舵人Demis Hassabis，用他那冷静而深邃的视野，告诉了我们一个更宏大的真相： 我们今天的摇摆，并非因为我们走错了路，而是因为我们正处在两条通往AGI的伟大路径，那激烈、痛苦、但又充满希望的交汇点上。
#AGI混合路径 #人类变量 #Demis Hassabis #DeepMind #LLM架构
avatar
“我知道我不知道”，这其实对LLM来说也很重要。
#LLM #认知 #哲学
avatar
一个Vibe Builder的终极摇摆： 状态一：卧槽，见证神迹！是我看见时间线上那一个个闪亮的demo或vibe或hype； 状态二：淦，人间炼狱！当我一个月企业调研看到的AI落地惨状，甲方看到的智能不忍目睹，乙方面对LLM的幻觉已经魂飞魄散； 同样是面对着这个叫“LLM”的神/兽，为什么有些人的体验是“如沐春风，效率飞升”，而我们这些搞Agent的，体验却是“血泪交织，九死一生”？ LLM之神——那与生俱来的两大“原罪”： 1.“缸中之脑”的诅咒（上下文窗口有限）： 它的记忆，比金鱼还短。它的整个世界，就是一个小小的、临时的“上下文窗口”。聊着聊着，它就能把自己五分钟前说过的话忘得一干二净。它是一个活在永恒“当下”的失忆者。 2.“提线木偶”的宿命（单轮次交互的激活路径单一性）： 它没有自发的“意图”。你不戳它（Prompt），它就绝不动弹。它的一切行动，都只是对你这单一“激活”的最优回应。它是一具被动的、等待指令的提线木偶。 而我们“agent工程师”的天职，就是为了克服这两大原罪。 我们的工作，就是为这个失忆的、被动的、活在语言洞穴里的“神”，打造一个能让它“看似”拥有了记忆和主动性的——外部世界模拟器。 面对这从未有过的异类心智，我们要不就是心理投射过多，过度拟人化；要不就是彻底失守，躺平等AGI，过度神化！
#LLM原罪 #Agent工程师 #外部世界模拟器 #AI落地困境 #过度拟人化
avatar
Gartner这个AI带来的新工作角色，在我看来就是会用AI的人，将高认知工作角色拟态平权了… 专家认知会越来越平常。
#AI #新工作角色 #高认知工作 #平权
avatar
总结 总而言之，这个Prompt之所以能引导AI取得IMO金牌级的表现，关键在于它超越了“解题”本身，而是构建了一个模拟顶尖数学思维模式的系统。其核心思路可以概括为： 通过“创造者-批判者”的认知双重角色分离，辅以对严谨性毫不妥协的准则和一套精细化的错误“损伤控制”流程，最终以高度结构化的方式呈现一个逻辑上完美无瑕的论证。 这套方法论不仅能找出正确答案，更能确保通往答案的路径是坚不可摧的。这正是IMO金牌得主与普通优秀选手之间最大的区别。
#IMO金牌 #AI解题 #数学思维 #认知双重角色 #错误控制
avatar
Kimi K2列在Kimi K2的技术报告贡献者名单上
#kimi k2 #技术报告 #贡献者
avatar
这个所谓AI知道自己不知道，如果是deep mind的模型的表现，我可能真兴奋了，但是出自OpenAI之口，不能不怀疑是一场精心设计的“Hype” 咱们再来阴谋论一下。 为什么OpenAI要在这个时间点，特意强调这个“我知道我不知道”的特性？ 1.抢先定义“好AI”的标准： 它在给市场和用户洗脑。以后，判断一个AI牛不牛逼，可能不再是看它会不会，而是看它“会不会认怂”。它在试图把自己的一个“特性”，变成整个行业的“标准”。所有不会“认怂”的AI，都可能被贴上“人工智障”的标签。 2.掩盖可能的短板： 有没有一种可能，它这套基于“自然语言”和“多智能体商量”的系统，在面对那种纯粹的、超越人类语言直觉的硬核逻辑题时，天生就容易“卡壳”？而它所谓的“认怂”，只是一种更优雅的“卡壳”方式？它把一个可能是“Bug”的东西，包装成了一个“Feature”。 3.为GPT-5造势的完美钩子： 这简直就是教科书级别的营销。它留下了一个巨大的悬念：“一个已经会‘认怂’的AI，离真正‘无所不知’还远吗？” 这钩子，能让整个科技圈，一直惦记到GPT-5发布的那天。 你们说呢？如果是真的，而不是一句系统提示词在作祟，那这他妈不是代码，这不是算法。这是苏格拉底，是孔子，是人类哲学史上，最牛逼的那帮人，才敢说的骚话。
#OpenAI #AI #HYPE #市场标准 #阴谋论
avatar
AGI 可能在不知不觉中已经到来： 当大部分人还沉迷在手机屏幕展示的算法里的时候，自然语言驱动的LLM已经内化形式语言（编程、数学等）逻辑工具拿到了奥数金牌。
#AGI #LLM #自然语言 #形式语言 #奥数
avatar
AI的两个语言幽灵：从奥数的AI解题方法看LLM范式的归一化
#AI #LLM #奥数 #解题方法 #范式归一化
avatar
google IMO 24用的是alphaproof和geometry，这次用的是Gemini DeepThink “借助深度思考，一种增强的推理模式，我们的模型可以同时探索和结合多种可能的解决方案，然后再给出明确的答案。 我们还使用更多多步骤推理、解决问题和定理证明数据的RL技术对它进行了培训。”
avatar
LLM天然作为认知智能反射提升自己的认知构建是没问题的，如果你还要想用它干点其他的，基本上是你的心理投射引起的幻觉😵‍💫
#LLM #认知智能 #认知构建 #幻觉
avatar
AI的终极起源：我们不是在造神，是在复刻人类自己
#AI #人工智能 #人类 #复刻 #起源
avatar
AI都能拿奥数金牌了，你的饭碗还端的稳吗？
#AI浪潮：重塑就业，风险暗涌？· 140 条信息
#AI #奥数金牌 #就业 #自动化