Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

jason liu
Konsultan AI independen, A16Z Scout, pencipta instruktur
sebelumnya @stitchfix @meta
3 hal tentang cara menangkap halusinasi dalam produksi
1. Bangun detektor halusinasi real-time
Pelajari cara menerapkan sistem pemantauan yang menangkap kesalahan AI saat terjadi di lingkungan produksi langsung
2. Men-debug kegagalan agen AI produksi
Memahami cara mengidentifikasi dan memecahkan masalah perilaku agen yang rusak menggunakan teknik penelusuran kesalahan dunia nyata
3. Terapkan pemantauan dengan kode minimal
Kuasai penambahan sistem deteksi ke alur kerja AI yang ada hanya dengan menggunakan beberapa baris kode praktis

285
Saya melihat tim pemasaran selancar angin dalam hal ini.

Cognition24 Jul, 02.01
MCP ada di sini! Anda sekarang dapat memberi Devin akses ke server favorit Anda melalui MCP Marketplace. Pikirkan Datadog, Linear, Sentry, Figma, dan ribuan lainnya.
Demo dari tim kami + memulai 👇
2,73K
jason liu memposting ulang
GLiClass-V3: Keluarga model khusus encoder yang cocok atau melampaui DeBERTa-v3-Large dalam akurasi zero-shot, sekaligus memberikan inferensi hingga 50× lebih cepat.
Desain Inti:
- Inferensi satu lintasan: Tidak diperlukan pemasangan cross-encoder. Satu lintasan maju menangani semua label.
- Adaptor LoRA: Menyempurnakan tugas-tugas logika (misalnya, Penalaran Logika Formal, QA Akal Sehat) untuk generalisasi simbolis tanpa kelupaan bencana.
- Siap tepi: gliclass-edge-v3.0 mencapai 97 ex/s pada A6000, ideal untuk seluler dan IoT
Varian GLiClass-V3 (gliclass-*):
(Dibangun di atas DeBERTa, ModernBERT, dan Ettin untuk penyebaran edge)
- besar-v3.0: 70.0% rata-rata F1 (terbaik)
- Basis-v3.0: 65.6%
- modern-besar: 60,8%
- edge-v3.0: 48,7% (tercepat, berbasis Ettin)
- x-base: 57% F1 (EN), 42% (multibahasa) untuk generalisasi zero-shot multibahasa yang kuat
Tolok ukur (zero-shot, tanpa penyetelan):
- CR, SST2, IMDb: ~0,93–0,94 F1
- Mengungguli GLiClass-v2 dan cross-encoder (misalnya, DeBERTa-v3-Large, RoBERTa)
- Menskalakan ke 128+ label dengan kecepatan besar-besaran (DeBERTa-Large: 0,25 ex/s vs GLiClass: 82,6)
Kasus penggunaan:
- Klasifikasi multilabel (misalnya, topik, sentimen, spam)
- Peringkat ulang RAG
- NLP di perangkat yang aman privasi
Dibangun di atas DeBERTa dan ModernBERT. Sepenuhnya sumber terbuka.
pip menginstal gliclass


2,97K
jason liu memposting ulang
🇺🇸
Hari ini adalah hari yang telah kami upayakan selama enam bulan. Kami mengumumkan rencana aksi AI Amerika yang menempatkan kami di jalan menuju dominasi AI yang berkelanjutan.
Tiga tema inti:
- Mempercepat inovasi AI
- Membangun infrastruktur AI Amerika
- Memimpin dalam diplomasi dan keamanan AI internasional.
Ini adalah dokumen yang panjang (!) dan saya sangat menganjurkan Anda membacanya.
Ada banyak tindakan menarik di sini tetapi salah satu yang sangat saya sukai adalah fokus pada open source dan bobot terbuka dan memastikan AS memimpin di bidang kritis ini.
Ini mewakili pekerjaan banyak orang tetapi saya ingin secara khusus menyoroti @DavidSacks @mkratsios47 dan orang yang telah menghabiskan sebagian besar waktu dan keringat dan upaya untuk ini: @deanwball
Secara pribadi, ini adalah upaya yang sangat saya banggakan menjadi bagian dari dan mengapa saya mendaftar untuk pekerjaan ini. Saya yakin ini dan pengumuman lain hari ini menempatkan kita di jalan menuju dominasi AI seperti yang diminta oleh Presiden Trump.

67,32K
Teratas
Peringkat
Favorit
Trending onchain
Trending di X
Pendanaan teratas terbaru
Paling terkenal