Nowy model świata od Meta FAIR po całym tym chaosie. 🌍 Poznaj DINO-world: ogólny model wideo świata, który przewiduje przyszłość — w przestrzeni latentnej. Wytrenowany na niekuratorowanych filmach wideo z DINOv2, uczy się różnorodnych dynamik czasowych (prowadzenie, wnętrza, symulacje), przewyższa wcześniejsze modele w segmentacji i głębokości, a nawet rozumie intuicyjną fizykę. Bonus: może być dostosowany do planowania warunkowanego akcją.

Oświadczenie ICML na temat podstępnych ukrytych podpowiedzi LLM Żyjemy w dziwnej rzeczywistości…

Nawet nie brąz: Ocena LLM-ów na Międzynarodowej Olimpiadzie Matematycznej 2025 🥉 Fajny post na blogu zespołu stojącego za MathArena: Ocena LLM-ów na niekontaminowanych zawodach matematycznych () dostarczająca niezależnej analizy wydajności LLM na IMO.

Nawet nie brąz: Ocena LLM-ów na Międzynarodowej Olimpiadzie Matematycznej 2025 🥉 Fajny post na blogu zespołu stojącego za MathArena: Ocena LLM-ów na niekontaminowanych zawodach matematycznych () dostarczająca niezależnej analizy wydajności LLM na IMO.

Inżynierowie spędzają 70% swojego czasu na zrozumieniu kodu, a nie na jego pisaniu. Dlatego stworzyliśmy Asimov w @reflection_ai. Najlepszy w swojej klasie agent do badania kodu, stworzony dla zespołów i organizacji.

Ludzkość przetrwała (na razie!) Jestem całkowicie wyczerpany. Zdałem sobie sprawę, że miałem 10 godzin snu w ciągu ostatnich 3 dni i ledwo żyję. Opublikuję więcej informacji o konkursie, gdy trochę odpocznę. (Aby było jasne, to są wyniki wstępne, ale moja przewaga powinna być wystarczająco duża)

Niektóre aktualizacje 🚨 Doktorat na @uwcse skończyłam w czerwcu 2025 roku! Po roku pracy w AI2 jako naukowiec, jesienią 2026 roku dołączę do CMU @LTIatCMU & @mldcmu (dzięki uprzejmości) jako adiunkt. Podróż, podziękowania i rekrutacja w 🧵

Hikaru Utada i Yuval Noah Harari rozmawiają o ewolucji AI i kreatywności Muszę przyznać, że tego nie przewidziałem na mojej liście!

Podekscytowany, że mogę wziąć udział w @TEDAISF tej jesieni!

1 dekada temu: Inżynier Prompt w Uczeniu Wzmocnionym w Rozdziale 5.3 „Uczenie się myśleć …” [2]. Adaptacyjny łańcuch myślenia! Sieć RL uczy się zapytywać inną sieć o abstrakcyjne rozumowanie i podejmowanie decyzji. Wykraczając poza Model Świata z lat 90. XX wieku do planowania na poziomie milisekund [1].  [2] J. Schmidhuber (JS, 2015). „O uczeniu się myśleć: Algorytmiczna teoria informacji dla nowych kombinacji kontrolerów RL i rekurencyjnych modeli świata neuronowego.” ArXiv 1210.0118  [1] JS (1990). „Uczynienie świata różniczkowalnym: O wykorzystaniu w pełni rekurencyjnych, samonadzorowanych sieci neuronowych do dynamicznego uczenia wzmocnionego i planowania w niestacjonarnych środowiskach.” TR FKI-126-90, TUM. (Ten raport wprowadził również sztuczną ciekawość i wewnętrzną motywację poprzez generatywne sieci przeciwników.)