我的 X 阅读

Chubby @kimmonismus

10-02 04:08 · 原帖

你们这些家伙完全不知道我对 Fable 5.5 有多他妈的兴奋，在 Opus 5.5 和 Sonnet 5.5 之后。它们现在是我首选的模型。

Cerebras @cerebras

10-02 04:00 · 原帖

在这里与文章互动：https://t.co/DJBenVJIo4

Cerebras @cerebras

10-02 03:59 · 原帖

https://t.co/IreYOHHFhi

BURKOV @burkov

10-02 03:54 · 原帖

将此外推到任何一种没有人类制造信息存在的LLM生成结果中，你将得到当你从事其他人未曾从事的事情时，被LLM愚弄的百分比时间。

Rohan Paul @rohanpaul_ai

10-02 03:50 · 原帖

请阅读他们的技术博客，了解架构和其他详细信息。 https://t.co/eo5EqHV5i2

Rohan Paul @rohanpaul_ai

10-02 03:50 · 原帖

面对面交流曾经是人工智能无法伪造的。红杉资本支持的 Tavus 团队推出了首个人类交互模型 (HIM) Griffin，48% 的实时对话者认为它像真人。在他们的基准测试中，一半通过视频与该人工智能互动的人认为它像真人。https://t.co/YQnyBGMyfb

Ramin @ramin_m_h

10-02 03:45 · 原帖

转帖：第一次尝试就这么成功，不错我们刚刚在 @liquidai 发布了 d1……这是我们的第一个决策模型，也是第一个在 Hugging Face 的决策指数上击败 Jev 的模型。现在已在 Liquid API 上线 (https://t.co/G2J7dOeQ0O)，OpenRouter 也即将上线。非常感谢 @liquidai 团队。https://t.co/5Km5Wsemm5

Ramin @ramin_m_h

10-02 03:45 · 原帖

转帖：现在在 Open Router 上

Ramin @ramin_m_h

10-02 03:45 · 原帖

转帖：你现在可以在 OpenRouter 上折腾我们的 D1 决策模型，多亏了 @alex_yuan__

Liquid AI @liquidai

10-02 03:41 · 原帖

转帖：是时候和我们的D1一起玩耍了:)

DAIR.AI @dair_ai

10-02 03:36 · 原帖

Meta关于智能体优化的论文非常出色。 Meta-Harness风格的搜索使用一个开发集和一个提议策略，因此每次编辑都遵循单一路径，容易陷入局部最优解。这项工作将搜索过程拆分为多个分支。每个分支都保留了 https://t.co/JlMdZsn18N

Gill Verdon @GillVerd

10-02 03:30 · 原帖

转帖：使用 Prime Intellect，Extropic 对 Qwen3.6-35B-A3B 进行了后训练，用于热力学机器学习研究，在约 100 个 GRPO 步骤中，其在保留任务上的评估结果几乎增加了三倍。他们构建了一个带有验证器的自定义强化学习环境，并在 Hosted Training、Prime Sandboxes 和 Prime Inference 上进行了训练。这意味着 Extropic 无需管理多节点 GPU 基础设施，因此团队能够专注于研究。

Cerebras @cerebras

10-02 03:29 · 原帖

转帖：与最棒的人共度的夜晚的几张更多快照与 @OpenAI @cerebras 共同举办

Cerebras @cerebras

10-02 03:29 · 原帖

转帖：我们发现了一个非常愚蠢的错误。原文是错误的。我们的 AI 助手实际上比 Grok Bot 快 40 倍，而不是 20 倍。对于一个简单的晚餐预订： Grok Bot：7 分 40 秒 Meta Muse：4 分 36 秒 Instinct：14 分 + Claude Cowork：6 分 25 秒 Human (me) ：37 秒 @cerebras：11 秒下面是我们构建的东西，由 Cerebras 上的模型提供支持。否则称为“如果 @bot 很快的话会是什么感觉” @elonmusk

Cerebras @cerebras

10-02 03:29 · 原帖

转帖：在片场与 Cerebras 和 @bot 一起 #welovegrokbot