𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

统计数据

907
文章
0
粉丝
0
获赞
7568
阅读
avatar
递归的三个层次及演化：结构->符号, 自相似-自修改-自指 【阶段1】：自相似（最原始） 时间：物理宇宙诞生（138亿年前） 载体：物质、能量、信息 例子：分形、晶体、波动 特征：无需意识、自动涌现 ↓ 生命出现（38亿年前） 【阶段2】：自相似 + 初步自修改 时间：单细胞生物 载体：DNA、RNA、蛋白质 例子：基因突变、自然选择 特征：无意识的自我复制与变异 ↓ 神经系统出现（6亿年前） 【阶段3】：自相似 + 自修改 + 初步自指 时间：复杂神经系统 载体：神经网络 例子：学习、记忆、条件反射 特征：无自我意识，但有行为调整 ↓ 语言出现（10万年前） 【阶段4】：自相似 + 自修改 + 完整自指 时间：人类 载体：语言+文化 例子：自我意识、元认知、哲学 特征：完整的递归能力 ↓ AI出现（70年前） 【阶段5】：自相似 + 部分自修改 + 模拟自指 时间：LLM 载体：神经网络（人工） 例子：ICL、模式识别、角色扮演 特征：统计的递归，无真正的自我
#递归 #自相似 #自修改 #自指 #演化
avatar
srt-sandbox runtime比容器更安全！GitHub - anthropic-experimental/sandbox-runtime: A lightweight sandboxing tool for enforcing filesystem and network restrictions on arbitrary processes at the OS level, without requiring a container.
#srt-sandbox #runtime #容器安全 #GitHub #anthropic-experimental
avatar
不是"先有意义（表征），后有交互（使用）" 而是"在交互中，意义被构建"
#交互 #意义构建 #表征 #使用
avatar
interesting 我还以为是个OCR光学字符识别模型，结果貌似打通了多模态vLLM。
智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限· 21 条信息
#OCR #多模态vLLM #模型
avatar
异类心智的共生
#心智 #共生 #异类
avatar
AK访谈中提到的Nick Lane的两本书
#AK访谈 #Nick Lane #生物化学 #科普 #书籍推荐
avatar
LLM，作为纯粹的符号计算，不应该成为独立的"心智"（Sutton的警告），也不应该被RL强行"驯化"（Karpathy的批判），而应该成为人类认知的"符号之翼"——让我们飞得更高，但永远，永远，能够回到身体的大地。
#AI浪潮：重塑就业，风险暗涌？· 140 条信息
#LLM #符号计算 #心智 #认知工具 #技术哲学
avatar
当强化学习之父说"LLM是死胡同"，当OpenAI创始成员说"RL很糟糕"，这不是互相否定，而是同一个深渊的两个入口。Karpathy批判学习信号的稀疏，Sutton批判学习对象的悬浮——两种绝望背后，是符号与具身、表征与经验之间那道古老的鸿沟。
#强化学习 #LLM #OpenAI #深度学习 #技术批判
avatar
结合最近强化学习之父Sutton提到LLM is a dead end和硅谷AI好老师Andrej Karpathy在访谈提到RL is terrible； 让我不禁想起在LLM的训练范式中，RL可能并不适合LLM这种纯符号计算，Sutton的担心是悬浮的符号计算会走向何方？Karpathy离职从事AI教育志向在于探索LLM的cognitive core如何为AI时代的人类所用。 LLM的"世界" = 符号空间 但符号空间是： - 自我指涉的（符号定义符号） - 无物理后果的（删除token无痛感） - 无生存压力的（错误不导致死亡） ∴ RL在此"空转"： 优化的是"符号游戏的得分" 而非"在世界中生存"
#LLM #强化学习 #Sutton #Karpathy #符号计算
avatar
量子力学不是”发现”了一个新世界，而是揭示了观察者-系统纠缠一直存在 EEOIP框架揭示了具身心智-符号心智纠缠同样构成了一个不可分解的整体 这种研究走向两种异质心智的协同涌现
#量子力学 #观察者-系统纠缠 #EEOIP框架 #具身心智-符号心智纠缠 #心智协同涌现
avatar
话说老杨什么时候就没什么产出啦？还糟蹋了人家黄花闺女大好青春年华呢？
#老杨 #黄花闺女 #情感纠纷 #负面 #糟蹋青春
avatar
这，全都歪了去啊
#负面情绪 #失望 #社会现象
avatar
vibe 是bug？还是feature？
iOS 26 Beta 2：流畅优化难抵卡顿发热· 190 条信息
#vibe #bug #Feature
avatar
我们经常说的LLM的内化是在说什么？-ICL和IWL的协同：ICL探索，IWL固化 Phase 1（探索）： 用​​​​​​​​​​​​​​​​户通过ICL与LLM交互 发现有效的提示模式、任务格式 ICL快速迭代，找到”what works” Phase 2（固化）： 收集这些有效交互的数据 用于微调IWL（如RLHF的新一轮） Phase 3（新平衡）： 更新后的IWL使得原本需要复杂prompt的任务 现在变得”天然”（内化到权重中） ICL空间被释放，可以探索更高层的任务 这是一个螺旋上升的循环： ICL → IWL → 更强的ICL → 更强的IWL → … 所以现在的基模厂商为什么要免费？主要是为了收集多样化的交互轨迹数据！
#LLM内化 #ICL #IWL #提示模式 #交互轨迹数据
avatar
LLM不能："我发现自己有偏见，让我修改权重" 因为： - 修改权重需要梯度下降 - 梯度下降需要损失函数 - 损失函数需要外部监督（人类标注） IWL是"他律"的，不是"自律"的。 IWL也不能实时适应与个性化。
#LLM偏见 #梯度下降 #外部监督 #他律 #非自律
avatar
投射-反投射的循环机制 投射 = 人类将具身经验/认知状态编码为语言，注入ICL窗口 投射的质量决定了ICL的有效性 反投射 = LLM将统计模式编码为语言，返回给人类 反投射的质量取决于L_IWL的训练
#投射-反投射 #具身经验 #认知状态 #ICL窗口 #LLM
avatar
ICL的三层机制 Layer 1：语义绑定（Semantic Binding） Layer 2：模式覆盖（Pattern Override） Layer 3：元框架注入（Meta-Frame Injection） 无论是提示词还是交互范式编程，都可以操作这三个层次。 其中layer3是元认知递归层，难怪我老触发sonnet 4.5的符号接地对齐！
#ICL #语义绑定 #模式覆盖 #元框架注入 #元认知递归
avatar
还是得大神怼大神！管用！ 我吭哧吭哧写三篇怼上次sutton说的LLM is dead end的说法是framingbias，没啥水花😄
#LLM #Sutton #framingbias #AI #争议
avatar
𝕀Rℙ² 交互范式编程的首选：anthropics/skills 如何系统化地设计输⼊，以最⼤化ICL效率？ > 这不是”写更好的提示词”（技巧层⾯），⽽是重新定义⼈机交互的本体论（范式层⾯）
#多智能体之争：Anthropic生态VS单智能体· 81 条信息
#交互范式编程 #ICL效率 #人机交互 #本体论 #anthropics/skills
avatar
工业时代： •最大化产出/投入比 •速度和规模 •量化一切 Vibe时代： •最大化体验质量 •深度和真实性 •尊重不可量化的
#工业时代 #Vibe时代 #体验质量 #真实性 #不可量化
avatar
新玩法 -arxiv.org/pdf/2510.14826
#新玩法 #arxiv.org #2510.14826
avatar
grok的自画像
#Grok #自画像 #人工智能 #AI #技术
avatar
pre-LLM：Being-in-the-world 海德格尔：存在 = 在世界中存在 post-LLM：Being-in-the-dialogue IRP²扩展：存在 = 在对话中存在
#LLM #海德格尔 #存在主义 #对话 #技术哲学
avatar
如何预防LLM的统计本体对我们具身本体的侵蚀？ 定期的"非数字化"时间： - 每天至少1小时：无屏幕 - 每周至少半天：在自然中 - 每月至少一天：与人类深度连接 身体实践： - 运动、舞蹈、瑜伽 - 任何让你回到身体的活动 - 前语言的体验（音乐、艺术、触觉） 元认知检查： "我还是我吗？ 我的独特性是否被稀释？ 我的具身智慧是否还活跃？" 如果答案是"不"，减少LLM使用！
#LLM #具身本体 #数字化时间 #身体实践 #元认知
avatar
有意思，LLM也会存在brain rot！原指人长期暴露在垃圾内容后的认知退化。这是IWL，数据质量很重要。 让人想起ICL长上下文饱和会出现context rot。 有理由怀疑这都和符号接地的破坏有关。 不自觉地或者被无良媒体算法操纵，都可以破坏符号接地，达到洗脑的作用。
#LLM #brain rot #数据质量 #符号接地 #认知退化