我的 X 阅读

转帖：哈哈哈哈，那个梗太疯了

来旧金山参加 COLM 活动，好奇旧金山到底是什么样的地方？ 坏消息是：COLM 位于治安最差的街区，如果你在那附近待久了，你就会像我以前一样讨厌旧金山。 好消息是：你的推特好友 Jason Wei 写了一篇指南，教你如何像当地人一样体验旧金山：https://t.co/4zOQj7G7vl

让大量平民用户使用功能不全、目标不明的小型模型，尤其是通过一个能够获取用户所有信息的持久代理，这种做法未免有些鲁莽。 我担心这类事情会不断发生，最终毁掉整个产品类别。

转帖：祝贺我的朋友弗朗西斯·哈尔岑，一位认识勒梅特并想出如何将一立方公里的极地冰转化为望远镜的人！ 观看我与他的一次采访“物理学真惨！” https://t.co/y3qU9VPVbQ

https://t.co/DsfiInJI6n

有人给人工智能编程人员送了一盒虚拟乐高积木。 LDraw Nova 让你描述一个模型，然后让 AI 智能体计算出各个零件及其摆放位置。它会检查生成的模型，检查积木是否重叠，并修改设计。你最终会得到一个可编辑的 3D 模型，可以自行修改。https://t.co/1TSI8pEmSR

我很高兴我们终于开始报道这些故事了。 Arday 并非特例：掩盖真相、威胁以及对欺诈行为的加倍坚持是学术界的常态。

转帖： Marin 535B-A23B 训练已超过一半！到目前为止的一些观察和经验教训：

转帖：我从来没有给你发过消息，兄弟，怎么了？

更新：对于任何对 @nntaleb 和我关于 @stephen_wolfram 在囚徒困境锦标赛方面工作的讨论感兴趣的人来说，Joshua Plotkin（世界上这方面所有领域的顶尖专家之一）对当前最先进水平进行了精彩的总结：https://t.co/E6SvoL6uYQ 引用：1/3 史蒂夫，我同意你的主要观点：针对统一策略场的排名与进化动态的结果是不同的对象。但还有更多要说的，既有关于沃尔弗拉姆帖子遗漏的内容，也有自Nowak & Sigmund以来该领域已确立的内容。第二部分更重要，因为其中许多是证明而非模拟的。我还在沃尔弗拉姆自己的有限状态机上运行了你提出的实验；结果在文末。 I. 沃尔弗拉姆帖子遗漏的内容 1/ 有限自动机作为重复囚徒困境的策略，这是一个四十年的文献：Rubinstein、Binmore & Samuelson等人于1980年代启动了这一研究。Linster (1992) 研究了所有26个一状态和二状态有限状态（Moore）机的进化动态，这正是沃尔弗拉姆的2状态空间。 2/ Axelrod 于1987年在沃尔弗拉姆的自适应进化实验中使用遗传算法运行（见Davis，《Genetic Algorithms and Simulated Annealing》）。针对他第二次锦标赛中八个固定策略场的进化，40次运行中有11次产生了得分远高于TFT的规则。这些规则在第一步就背叛，并剥削了场中的一个成员。当规则相互进化时，互惠规则最终传播开来。 3/ 你提出的实验，即迭代锦标赛，也已在沃尔弗拉姆的整个策略类别上运行。van Veelen (2012) 进化了从每个可以用有限状态自动机编码的策略中抽取的种群。这些种群显示出合作与背叛之间的永久振荡，通过允许其他突变体入侵的中性突变体。 4/ 在没有错误的情况下，沃尔弗拉姆的22个二状态机中有20个是确定性的记忆一步策略。TFT、Grim和WSLS就是其中三种。因此，他的2状态排名是对记忆一步策略空间角落的排名，这是Nowak & Sigmund全面研究的合作概率的四维立方体。 5/ 沃尔弗拉姆的游戏中没有错误，或颤抖手。在没有错误的情况下，Grim绝不会针对不先背叛的对手进入永久背叛。错误是Nowak–Sigmund工作中WSLS和宽容策略受青睐的原因，而错误确实也会改变沃尔弗拉姆设置中的结果（见下文） 6/ 沃尔弗拉姆写道，很难“证明一个定理”来确定哪种策略最佳。关于哪些策略能抵抗入侵的定理确实存在，而这些正是我最想添加到你线程中的内容。

他声称我私信他想跟他谈农场生意，但我根本没给他发过消息！？ https://t.co/SkhkvWUhGe

更新：对于任何对我们在这里进行的讨论感兴趣的人来说，最先进的状态被Joshua Plotkin（瞄准世界上这方面所有领先专家之一）美妙地总结了： 引用：1/3 史蒂夫，我同意你的主要观点：针对统一策略场的排名与进化动态的结果是不同的对象。但还有更多要说的，既有关于沃尔弗拉姆帖子遗漏的内容，也有自Nowak & Sigmund以来该领域已确立的内容。第二部分更重要，因为其中许多是证明而非模拟的。我还在沃尔弗拉姆自己的有限状态机上运行了你提出的实验；结果在文末。 I. 沃尔弗拉姆帖子遗漏的内容 1/ 有限自动机作为重复囚徒困境的策略，这是一个四十年的文献：Rubinstein、Binmore & Samuelson等人于1980年代启动了这一研究。Linster (1992) 研究了所有26个一状态和二状态有限状态（Moore）机的进化动态，这正是沃尔弗拉姆的2状态空间。 2/ Axelrod 于1987年在沃尔弗拉姆的自适应进化实验中使用遗传算法运行（见Davis，《Genetic Algorithms and Simulated Annealing》）。针对他第二次锦标赛中八个固定策略场的进化，40次运行中有11次产生了得分远高于TFT的规则。这些规则在第一步就背叛，并剥削了场中的一个成员。当规则相互进化时，互惠规则最终传播开来。 3/ 你提出的实验，即迭代锦标赛，也已在沃尔弗拉姆的整个策略类别上运行。van Veelen (2012) 进化了从每个可以用有限状态自动机编码的策略中抽取的种群。这些种群显示出合作与背叛之间的永久振荡，通过允许其他突变体入侵的中性突变体。 4/ 在没有错误的情况下，沃尔弗拉姆的22个二状态机中有20个是确定性的记忆一步策略。TFT、Grim和WSLS就是其中三种。因此，他的2状态排名是对记忆一步策略空间角落的排名，这是Nowak & Sigmund全面研究的合作概率的四维立方体。 5/ 沃尔弗拉姆的游戏中没有错误，或颤抖手。在没有错误的情况下，Grim绝不会针对不先背叛的对手进入永久背叛。错误是Nowak–Sigmund工作中WSLS和宽容策略受青睐的原因，而错误确实也会改变沃尔弗拉姆设置中的结果（见下文） 6/ 沃尔弗拉姆写道，很难“证明一个定理”来确定哪种策略最佳。关于哪些策略能抵抗入侵的定理确实存在，而这些正是我最想添加到你线程中的内容。

如果您处于付费层级，您的组织将自动升级到新的层级。无需采取任何操作。 有关资格要求和速率限制的更多详情： https://t.co/3jhRWOBzyH

我们正在让获得更高的 OpenAI API 速率限制的资格变得更容易。 五个付费使用层级简化为三个：Build、Launch 和 Grow。 您只需累计 API 支付金额达到 500 美元，即可获得 Grow 资格，这是我们新的最高层级——之前最高层级需要 1000 美元。

转帖：大语言模型能否生成新颖的研究想法？我们提出 Priced Guidance，通过压缩来量化这一点！ 我们给出了 P(大语言模型预测未来论文的想法 X) 的下界。与其采样想法直到匹配 X，不如让大语言模型玩“20 Questions”来恢复 X，并根据 surprisal 对每个提示收费。