我的 X 阅读

转帖：决策模型，现已开源并支持多模态！

转帖：本地 Liquid d1 3B 在 Snake 游戏中碾压 OpenAI Decision @liquidai d1 在单个 RTX 3090 上仅需 8 毫秒即可决策，因此它每秒做出 82 步蛇的移动并吃掉 86 个苹果，而 OpenAI 的 API 每次调用需 345 毫秒且仅吃掉 3 个 运行决策模型 -> https://t.co/RbcCOIgVkj

转帖：我已将 @LiquidAI 的 d1-omni-600M 移植到适用于 Apple Silicon 的 MLX。 文本、图像和音频 → 在您的 Mac 上进行结构化决策。 1.17 GB FP16 数据。在 M3（热身）上处理 3 道文本题大约需要 80 毫秒。 79/79 个已检查的决策与原始结果一致。

转帖：“决策模型”太有吸引力了，我非常喜欢它——而且我们现在有很多这样的模型。

转帖：新模型“决策”名为 d1 它的概念和 jev 一样，不生成文本而是生成编程决策 接受文本、图片和音频 仅 600M 大小 我认为决策模型已经足够成熟.. 剩下的就是让它在其他语言上变得强大

转帖：Liquid AI 刚刚发布了两个开源权重模型，用于直接在您的设备上进行决策。 d1-3B 处理文本和图像。实验性的 d1-omni-600M 在仅 600M 参数的情况下添加了图像或音频输入。 相机可以标记缺陷，或者设备可以在本地路由语音命令，而无需云端往返。更快的响应、更少的数据离开设备，以及您可以自行微调的权重。 对于小型、实用的 AI 系统来说，真是太酷了 :)

转帖：@liquidai 的决策模型一直都很出色！

转帖：“好吧，那又怎样？它只是数学而已。” 不，你没明白。 以下是 OpenAI 的数学突破最终可能在现实世界中帮助实现的东西： Vlasov–Maxwell → 为聚变研究提供更坚实的基础，其终极奖赏几乎是无限的清洁能源来为文明提供动力 Calderón’s Problem → 使用电信号的可携带式身体扫描仪，使医学成像更便宜、更易获取 Maximum-Cardinality Matching → 在大型捐赠者池中更快地搜索兼容的肾脏交换，帮助医院协调救命移植 Inverse Elasticity Problem → 映射组织硬度的扫描，帮助医生定位体内可疑生长物 Mumford–Shah Conjecture → 更好的工具用于发现脑部扫描中的组织变化，帮助医生识别疾病迹象 Bose–Einstein Condensation → 为量子传感器提供更坚实的基础，这些传感器可以帮助车辆在没有 GPS 的情况下导航 Simple Stochastic Games → 在危险错误进入现实世界之前，对自动驾驶汽车和机器人进行更好的安全检查 Matrix Multiplication → 使用相同计算机进行更便宜的 AI 和更大的科学模拟 Edit Distance → 更快的 DNA 比较，帮助研究人员研究与疾病相关的遗传变化 The k-Server Problem → 浪费更少运动和能量的机器人，使仓库更高效，货物运输更便宜 提醒一下，数学是科学的基础。 因此，加速数学发现可以将几个世纪的科学进步压缩到几年内。 活在这个疯狂时间线里真是太不可思议了！

数学是我们的造物主用来书写自然的秘密语言 解读这些方程式，就是阅读他散布的那些信息，这些信息赋予了我们在地球上的旅程以意义 这是对宇宙所有探索中最崇高、最令人眩晕的一种

转帖：我有一台 Jetson AGX，所以 @liquidai 和 @NVIDIARobotics 的这次合作引起了我的注意 Open 权重决策模型在 Jetson 本地运行，并在 NVIDIA Isaac Sim 中进行了导航演示。 期待 Open d1 也能在我的硬件上运行！

我请 Claude Fable 5.5 解释 OpenAI 关于 π 的最新 23 页证明。 它回复了一个 2 分钟的 3D 动画，配有旁白，详细讲解了整个证明过程。 结论是：π 的无理性指数恰好是 2。自 1953 年以来，已证明的最佳界限仅从 42 略微下降了 2。https://t.co/fXd6YsuK12

今天我尝试了好几次想看看OpenAI发布的一些论文，但最终还是放弃了。放弃的原因是，我感觉自己完全无法理解其中大部分内容的含义。 这让我想起了博尔赫斯的《巴别图书馆》。这大概就是https://t.co/l7UvcQwKz7

我一直认为数学是一种思想的升华，它将一连串孤立的事件转化为一幅流畅而清晰的图景，在那里一切都相互联结。 归根结底，我相信像数学家一样思考，就是拒绝存在的碎片化。

转帖：无法停止阅读数学家们对 OAI 昨天解决约 400 个开放问题的复杂反应，比如下面的这个 “作为一名职业生涯早期的数学家，这些问题非常个人化：做研究将意味着什么？我们的职业将学会重视哪些贡献？”

转帖：@helloiamleonie，这个演示在哪里？！我有很多使用场景。