Entusiasta di parlare a Berkeley #SBC2025 #BASS2025 riguardo alla convergenza tra AI e Web3 e come potremmo creare un'economia aperta e collaborativa per un futuro guidato dall'AI. Il nostro responsabile del prodotto blockchain condivide l'architettura tecnologica per come raggiungiamo flussi di monetizzazione on-chain per gli asset AI. @BerkeleyRDI @StanfordSBA

Oggi ho superato la mia difesa della tesi! 😊 È stato un viaggio gratificante presso @nlp_usc @CSatUSC. Un grande grazie a @xiangrenNLP @robinomial @swabhz @avestime e a tutti coloro che mi hanno supportato!

Sarò all'@aclmeeting la prossima settimana per presentare questo lavoro! 🇦🇹 Sono entusiasta di incontrare vecchi amici e farne di nuovi. Facciamo due chiacchiere se ti piace pensare di più al futuro dell'NLP incentrato sull'uomo, alla personalizzazione e alle interazioni multi-turno o se vuoi semplicemente gustare un buon caffè viennese ☕️

1+1=3 2+2=5 3+3=? Molti modelli linguistici (ad es., Llama 3 8B, Mistral v0.1 7B) risponderanno 7. Ma perché? Esploriamo gli interni del modello, scopriamo un meccanismo di induzione delle funzioni e troviamo che viene ampiamente riutilizzato quando i modelli si trovano di fronte a sorprese durante l'apprendimento in contesto. 🧵

La Data Services Platform (DSP) è ATTIVA! 🔆 Ora chiunque, ovunque nel mondo, può contribuire allo sviluppo dell'IA e guadagnare ricompense reali per il proprio lavoro. 🔆 Oltre $450K in ricompense $SAHARA + partner disponibili dal primo giorno! Inizia oggi → #AIperTutti

Noi @Zai_org siamo entusiasti dell'open-source GLM-4.1V-9B-Thinking, un VLM in grado di pensare con lunghi CoT. SoTA in VLM <10B, paragonabile a Qwen-2.5-VL-72B in 18 attività. Un RL per domarli tutti! Dettagli - Rapporto tecnico: -Codice:

Non ci credevo quando l'ho visto per la prima volta, ma: Abbiamo addestrato un modello di furto rapido che ottiene una precisione SoTA >3 volte superiore. Il segreto rappresenta *correttamente* gli output LLM 🚲 Demo/blog: 📄: 🤖: 🧑‍💻:

Ecco un recente intervento che ho tenuto riassumendo gli ultimi 6-12 mesi di progressi nell'IA, perché ottenere modelli perfetti è difficile, come i laboratori stanno probabilmente affrontando la prossima fase di addestramento (per gli agenti) e altri dettagli interessanti nel panorama del ragionamento. Argomenti: 00:00 Introduzione e stato del ragionamento 05:50 Hillclimbing valutazioni imperfette 09:18 Collo di bottiglia tecnici 13:02 Sycophancy 18:08 La zona di Goldilocks 19:28 Cosa viene dopo? (suggerimento, pianificazione) 26:40 Domande e risposte YouTube ecc. nelle risposte. Grazie @corbtt e @OpenPipeAI per avermi ospitato.

Possono i LLM spiegare in modo appropriato “Perché il cielo è blu?” …a un bambino di 10 anni 👶🏽 rispetto a qualcuno con un dottorato in fisica 👩🏽‍🔬? Nel nostro articolo per #ACL2025, valutiamo quanto bene i LLM possano adattare le loro spiegazioni a persone diverse.✍️ 🔗 🧵 (1/n)

L'intersezione tra AI e crypto è piena di hype; ma ci sono anche alcuni casi d'uso reali e fondamentali. Due aree di questo pezzo di @a16zcrypto si allineano fortemente con ciò che stiamo costruendo in @SaharaLabsAI: • Provenienza per la proprietà intellettuale dell'AI • Agenti portabili e di proprietà dell'utente Il mio rapido parere 👇