我的 X 阅读

我的关注 科学物理人工智能 神奇小子 动物世界

神奇小子 · 3000 / 3000 条

已同步 102 个列表成员 · 当前内容涉及 122 位作者

更新 10-09 16:37

重置

3000 条 · 第 18/200 页 · 刷新

Casper Hansen @casper_hansen_
10-08 03:09 · 原帖
https://t.co/jVF6ti28bW
Casper Hansen @casper_hansen_
10-08 03:08 · 原帖
微软将与英伟达合作推出 Surface Spark 老实说,这是一个奇怪的外形设计,而且 128GB 版本要价 6000 美元
Paata Ivanisvili @PI010101
10-08 03:06 · 原帖
当你写了几百篇帖子时,有人可能会轻易找到一篇他们不同意的内容——然后以此攻击你。有时这甚至会影响你的职业生涯。保持沉默当然是一个更容易、更安全的选择。 但一篇帖子只是时间节点上的一个想法。人们会重新考虑、学习,并改变他们的看法。 所以,向所有公开分享自己观点的人(而不仅仅是搞外交辞令)致以深深的敬意,特别是在这些非凡的时刻。无论我是否同意你的观点,首先,我尊重你敢于发声。
Henry Shevlin @dioscuri
10-08 03:05 · 原帖
人们常常认为,如果我们认为某个存在是有意识的,我们就会更关心它。但如果情况恰恰相反呢?在这篇为@bigthink撰写的最新文章中,我探讨了我们对待动物的方式能告诉我们什么,关于我们可能会如何对待有意识的AI。 https://t.co/9lKMvEhsUZ
Quanta Magazine @QuantaMagazine
10-08 03:02 · 原帖
收听:https://t.co/hlLxNFikL6
Quanta Magazine @QuantaMagazine
10-08 03:02 · 原帖
Quanta 播客在最佳节目艺术类别中获得 Signal Award 提名! 在这里为 Kristina Armitage 的设计投票:https://t.co/QKl5Gi4Asw
Mehdi (e/λ) @BetterCallMedhi
10-08 03:01 · 原帖
社保漏洞严重到国家最终重新接纳了法国最大的病假诈骗者。 引用: 快讯 - 布鲁诺·阿塔尔将重返警察队伍。(CNEWS)
Prof. Brian Keating @Briankeating
10-08 03:00 · 原帖
摘自我的周一魔法讯息 ⇨ 点击此处订阅:https://t.co/WDRKv0Exiw
Prof. Brian Keating @Briankeating
10-08 03:00 · 原帖
10月15日星期四,我将在2026年意识科学大会上发表题为“火星上的霸王龙:意识发展的极限”的主题演讲。 我不会问宇宙中是否存在生命,而是会提出一个更实际的问题:一旦具备智能的生命出现,它能否……(此处原文疑似有误,无法翻译)
Prof. Brian Keating @Briankeating
10-08 03:00 · 原帖
人类能否在为时已晚之前通过人工智能的适应性测试? @robertwrighter 时间戳: 00:00 神明会给出的考验 00:54 巴别塔:第一个人工智能警示故事 04:06 每个救赎故事都伴随着考验 05:46 我们是在制造偶像吗? 08:06 为什么人工智能乐观主义者需要信仰 14:10 https://t.co/dMEKyE7sKz
Prof. Brian Keating @Briankeating
10-08 02:58 · 原帖
转帖:刚刚获得冰立方诺贝尔奖的那位科学家告诉我真相:从每一个客观标准来看,物理学是一份悲惨的职业。 做它的唯一理由就是痴迷。弗朗西斯·哈尔岑谈了他几十年来背负的不安全感,为什么想象力能胜过智力,以及那本让巴里·巴里什在爱因斯坦身边感到像冒牌货的诺贝尔日志。全集与@nobelprize 获奖者弗朗西斯·哈尔岑:https://t.co/DHGQ0lb9Zr
Mitchell Hashimoto @mitchellh
10-08 02:53 · 原帖
我刚刚打电话给 Chungus(我的 OpenAI Dot),当时正在取墨西哥食物,我让它把昨晚的一些 Rex 基准测试从我的 Mac Studio 通过 Tailscale 传输到我的 MacBook Pro,然后我刚到桌子旁,它们就在那儿了。真他妈是个活着的时代啊。
Christian Szegedy @ChrSzegedy
10-08 02:52 · 原帖
转帖:NVIDIA 的重磅论文。 我观察到一个令人兴奋的趋势:为你的智能体构建可验证的环境,并与模型一起训练测试框架。 测试框架与模型的共同演进是掌控智能技术栈的重要部分。许多前沿 AI 公司已经开始这样做。 这篇论文展示了这是如何实现的: VERA 将基准轨迹转化为超过 9,000 个可重启的沙盒环境,带有评分标准,并仅保留那些能够运行并基于可观察证据进行评分的那些环境。 然后,它同时更新模型权重和测试框架。 只有通过自检并在开发集上至少提升 5 分的测试框架修改才会被保留。 如果模型检查点的得分下降超过 20%,系统会拒绝它。 在 9B 参数规模下,共同演进的智能体在 AutoCoWorkBench 上比最强的单轴基准高出 10.3 分,在 AutoMedBench 上高出 13.0 分。在 27B 参数规模下,它在 AutoCoWorkBench 上得分 71.6,超过 Claude Opus 4.8。 环境语料库已开源。 论文:https://t.co/Lt9DXDRQp2 与论文聊天:
Ramin @ramin_m_h
10-08 02:52 · 原帖
转发:我打算近期再举办一次物理人工智能/机器人系列活动,所以可能会尝试把它和 Liquid AI 的 d1 结合起来 https://t.co/iT88m9fVsd #LiquidAI #PhysicalAI #Robotics
Ramin @ramin_m_h
10-08 02:52 · 原帖
转帖:这些模型真的太好玩了,搭建和玩起来都乐趣无穷。 它们在我的机器上运行速度之快让我惊讶:我的4090显卡每帧摄像头画面大约17毫秒,我的M5 Pro笔记本大约60毫秒。速度快到足以用摄像头玩游戏了。 你可以在HF上试试我们的小型街机游戏,但如果可以的话,最好在本地运行 (欣赏一下我的画技吧)