Czy ktoś grał na tym nowym serwerze Ragnarok? Słyszałem, że jest dość zatłoczony 🥺

poprawne podejście. tak, jestem sceptyczny co do tego, że LLM-y stworzą nową, wnikliwą matematykę, ponieważ to wymaga myślenia poza schematami, w czym są słabe. ale LLM-y potrafią rozwiązywać bardzo trudne *problemy* matematyczne (to coś innego), co jest naprawdę fajne - pod warunkiem, że nie wymagają "nowych, wnikliwych definicji". niektóre problemy matematyczne wymagają "nowych, wnikliwych definicji", a są trudne właśnie z tego powodu. nigdy nie jest tak, że są one z natury "ciężkie" w jakimś obliczeniowym sensie, ale że wymagają "wyobraźni" i "kreatywności", aby skonceptualizować wspaniałe struktury, które nikt wcześniej nie badał. na przykład dowód ostatniego twierdzenia Fermata wymagał opracowania całkowicie nowego aparatu matematycznego - krzywych eliptycznych, form modularnych i hipotezy Taniyama-Shimura - koncepcji, które nie istniały, gdy problem został po raz pierwszy postawiony. więc, gdybyśmy mieli LLM-y w 1650 roku, niezależnie od tego, jak bardzo starałyby się rozwiązać FLT - nawet jeśli pozwolilibyśmy im obliczać przez wieki - nigdy by im się to nie udało, ponieważ myślałyby w ramach matematycznych struktur, które istniały wówczas, a dosłownie nie ma drogi do rozwiązania. teraz, w dniu, w którym LLM-y zaczną wynajdować naprawdę nowe struktury matematyczne, wtedy będą mogły udowodnić "trudne" twierdzenia. to jedyna rzecz, która je od tego dzieli. teraz, to stawia najtrudniejsze pytanie: cóż, co to w ogóle jest "nowa, wnikliwa koncepcja matematyczna"? wiele rzeczy liczy się jako "nowa koncepcja". Mogę łatwo napisać kilka losowych słów w Lean, a stworzę całkowicie nową koncepcję matematyczną, której nikt wcześniej nie stworzył. i LLM-y mogą to zrobić również. to wystarczająco łatwe. to "wnikliwa" część jest tutaj najważniejsza. co sprawia, że coś jest "wnikliwego" lub "interesującego"? dlaczego liczby zespolone są bardziej interesujące niż losowe definicje? jak obiektywnie mierzymy, jak wnikliwa jest definicja w Lean?

poprawne podejście. tak, jestem sceptyczny co do tego, że LLM-y stworzą nową, wnikliwą matematykę, ponieważ to wymaga myślenia poza schematami, w czym są słabe. ale LLM-y potrafią rozwiązywać bardzo trudne *problemy* matematyczne (to coś innego), co jest naprawdę fajne - pod warunkiem, że nie wymagają "nowych, wnikliwych definicji". niektóre problemy matematyczne wymagają "nowych, wnikliwych definicji", a są trudne właśnie z tego powodu. nigdy nie jest tak, że są one z natury "ciężkie" w jakimś obliczeniowym sensie, ale że wymagają "wyobraźni" i "kreatywności", aby skonceptualizować wspaniałe struktury, które nikt wcześniej nie badał. na przykład dowód ostatniego twierdzenia Fermata wymagał opracowania całkowicie nowego aparatu matematycznego - krzywych eliptycznych, form modularnych i hipotezy Taniyama-Shimura - koncepcji, które nie istniały, gdy problem został po raz pierwszy postawiony. więc, gdybyśmy mieli LLM-y w 1650 roku, niezależnie od tego, jak bardzo starałyby się rozwiązać FLT - nawet jeśli pozwolilibyśmy im obliczać przez wieki - nigdy by im się to nie udało, ponieważ myślałyby w ramach matematycznych struktur, które istniały w tamtych czasach, a dosłownie nie ma drogi do rozwiązania. teraz, w dniu, w którym LLM-y zaczną wynajdować naprawdę nowe struktury matematyczne, wtedy będą mogły udowodnić "trudne" twierdzenia. to jedyna rzecz, która je od tego dzieli. teraz to ujawnia najtrudniejsze pytanie: cóż, co to w ogóle jest "nowa, wnikliwa koncepcja matematyczna"? jak to można w ogóle zdefiniować? wiele rzeczy liczy się jako "nowa koncepcja". Mogę łatwo napisać kilka losowych słów w Lean, a stworzę całkowicie nową koncepcję matematyczną, której nikt wcześniej nie stworzył. i LLM-y mogą to zrobić również. to wystarczająco łatwe. to "wnikliwa" część jest tutaj najważniejsza. co sprawia, że coś jest "wnikliwego" lub "interesującego"? dlaczego liczby zespolone są bardziej interesujące niż losowe definicje? jak możemy obiektywnie zmierzyć, jak wnikliwa jest definicja w Lean?

poprawne podejście. tak, jestem sceptyczny co do tego, że LLM-y stworzą nową, wnikliwą matematykę, ponieważ to wymaga myślenia poza schematami, w czym są słabe. ale LLM-y potrafią rozwiązywać bardzo trudne *problemy* matematyczne (to coś innego), co jest naprawdę fajne - pod warunkiem, że nie wymagają "nowych, wnikliwych definicji". niektóre problemy matematyczne wymagają "nowych, wnikliwych definicji", a są trudne właśnie z tego powodu. nigdy nie jest tak, że są one z natury "ciężkie" w jakimś obliczeniowym sensie, ale że wymagają "wyobraźni" i "kreatywności", aby skonceptualizować wspaniałe struktury, które nikt wcześniej nie badał. na przykład dowód ostatniego twierdzenia Fermata wymagał opracowania całkowicie nowego aparatu matematycznego - krzywych eliptycznych, form modularnych i hipotezy Taniyama-Shimura - koncepcji, które nie istniały, gdy problem został po raz pierwszy postawiony. więc, gdybyśmy mieli LLM-y w 1650 roku, niezależnie od tego, jak bardzo by się starały rozwiązać FLT - nawet jeśli pozwolilibyśmy im obliczać przez wieki - nigdy by tego nie zrobiły, ponieważ myślałyby w ramach matematycznych struktur, które istniały wówczas, a dosłownie nie ma drogi do rozwiązania. teraz, w dniu, w którym LLM-y zaczną wynajdować naprawdę nowe struktury matematyczne, wtedy będą mogły udowodnić "trudne" twierdzenia. to jedyna rzecz, która je od tego dzieli. teraz to ujawnia najtrudniejsze pytanie: cóż, co to w ogóle jest "nowa, wnikliwa koncepcja matematyczna"? jak to można w ogóle zdefiniować? wiele rzeczy liczy się jako "nowa koncepcja". Mogę łatwo napisać kilka losowych słów w Lean, a stworzę zupełnie nową koncepcję matematyczną, której nikt wcześniej nie stworzył. a LLM-y mogą to zrobić również. to wystarczająco łatwe. to "wnikliwa" część jest tutaj najważniejsza. co sprawia, że coś jest "wnikliwego" lub "interesującego"? dlaczego liczby zespolone są bardziej interesujące niż losowe definicje? jak możemy obiektywnie zmierzyć, jak wnikliwa jest definicja w Lean?

poprawne podejście. tak, jestem sceptyczny co do tego, że LLM-y stworzą nową, wnikliwą matematykę, ponieważ wymaga to myślenia poza schematami, w czym są słabe, więc to jest dobry argument moim zdaniem. ale LLM-y potrafią rozwiązywać bardzo trudne *problemy* matematyczne (to coś innego), co jest naprawdę fajne - o ile nie wymagają "nowej, wnikliwej matematyki" niektóre problemy matematyczne wymagają nowych, wnikliwych definicji, i są trudne właśnie z tego powodu. nigdy nie jest tak, że są one z natury "ciężkie" w jakimś obliczeniowym sensie, ale że wymagają "wyobraźni" i "kreatywności", aby skonceptualizować wspaniałe struktury, które nikt wcześniej nie badał. na przykład dowód ostatniego twierdzenia Fermata wymagał opracowania całkowicie nowego aparatu matematycznego - krzywych eliptycznych, form modularnych i hipotezy Taniyama-Shimura - koncepcji, które nie istniały, gdy problem został po raz pierwszy postawiony. więc, gdybyśmy mieli LLM-y w 1650 roku, niezależnie od tego, jak bardzo by się starały rozwiązać FLT - nawet jeśli pozwolilibyśmy im obliczać przez wieki - nigdy by tego nie zrobiły, ponieważ myślałyby w ramach matematycznych struktur, które istniały wówczas, a dosłownie nie ma drogi do rozwiązania. teraz, w dniu, w którym LLM-y zaczną wynajdować naprawdę nowe struktury matematyczne, wtedy będą mogły to zrobić. teraz pojawia się najtrudniejsze pytanie: cóż, co to w ogóle jest "nowa, wnikliwa koncepcja matematyczna"? jak to w ogóle można zdefiniować? wiele rzeczy liczy się jako "nowa koncepcja". Mogę łatwo napisać kilka losowych słów w Lean, a stworzę zupełnie nową koncepcję matematyczną, której nikt wcześniej nie stworzył. i LLM-y mogą to zrobić również. to wystarczająco łatwe. część "wnikliwa" jest tutaj najważniejsza. co sprawia, że coś jest "wnikliwym" lub "interesującym"? dlaczego liczby zespolone są bardziej interesujące niż losowe definicje? jak możemy obiektywnie zmierzyć, jak wnikliwa jest definicja w Lean?

TSPL ("Najprostsza Biblioteka Parserów") w C Mały plik C o długości 291 linii, który analizuje terminy λ Kiedy potrzebujesz prostego parsera dla swojej zabawkowej gramatyki, dołącz go do kontekstu AI i poproś, aby naśladował jego styl, abyś otrzymał ładny parser zamiast brzydkiego potwora.

ewolucyjna pętla NeoGen, produkująca coraz bardziej zaawansowane programy/proofy Bend2 w naszym klastrze 256 Mac Mini, wkrótce się rozpocznie i nie mogę się bardziej cieszyć.

> bądź dużym laboratorium AI > zidentyfikuj najlepszych "influencerów" AI > wstępnie wytrenuj swój następny model na ich bazach kodu > ...? > darmowy marketing

Swoją drogą, praktycznie przestałem całkowicie używać Opus i teraz mam kilka zakładek Codex z GPT-5-high pracującymi nad różnymi zadaniami w trzech bazach kodu (HVM, Bend, Kolmo). Postęp nigdy nie był tak intensywny. Moja praca teraz polega głównie na przekazywaniu dobrze określonych zadań do Codex i przeglądaniu jego wyników. OpenAI mi nie płaci i nie obchodzi ich to, co się ze mną dzieje. Ten model jest po prostu bardzo dobry, a fakt, że ludzie tego nie widzą, uświadomił mi, że większość z was prawdopodobnie używa chatbotów jako dziewczyn czy coś innego, zamiast pomagać w skomplikowanych zadaniach programistycznych.

przetestowałem DeepSeek v3.1 i uznałem to za żałosne przykro mi ):