Declaración de ICML sobre las indicaciones subversivas ocultas de LLM Vivimos en una línea de tiempo extraña ...

Ni siquiera bronce: Evaluación de LLM en la Olimpiada Internacional de Matemáticas 🥉 2025 Buena publicación de blog del equipo detrás de MathArena: Evaluación de LLM en competencias matemáticas no contaminadas () que proporciona un análisis independiente del rendimiento de LLM en IMO.

Ni siquiera bronce: Evaluación de LLM en la Olimpiada Internacional de Matemáticas 🥉 2025 Buena publicación de blog del equipo detrás de MathArena: Evaluación de LLM en competencias de matemáticas no contaminadas () que proporciona un análisis independiente del rendimiento de LLM en IMO.

Los ingenieros pasan el 70% de su tiempo entendiendo el código, no escribiéndolo. Es por eso que construimos Asimov en @reflection_ai. El mejor agente de investigación de código de su clase, creado para equipos y organizaciones.

La humanidad ha prevalecido (¡por ahora!) Estoy completamente agotada. Calculé, he dormido 10 horas en los últimos 3 días y apenas estoy vivo. Publicaré más sobre el concurso cuando descanse un poco. (Para ser claros, esos son resultados provisionales, pero mi ventaja debería ser lo suficientemente grande)

Algunas actualizaciones 🚨 ¡Terminé mi doctorado en @uwcse en junio de 2025! Después de un año en AI2 como científico investigador, me uniré a CMU @LTIatCMU & @mldcmu (cortesía) como profesor asistente en el otoño de 2026. El viaje, los reconocimientos y el reclutamiento en 🧵

Hikaru Utada y Yuval Noah Harari hablan sobre la evolución de la IA y la creatividad ¡Tengo que admitir que esto no estaba en mi cartón de bingo!

¡Emocionado de participar en @TEDAISF este otoño!

Hace 1 década: Reinforcement Learning Prompt Engineer en la Sec. 5.3 de «Aprender a pensar...» [2]. ¡Cadena de pensamiento adaptativa! Una red RL aprende a consultar a otra red para el razonamiento abstracto y la toma de decisiones. Yendo más allá del Modelo Mundial de 1990 para la planificación milisegundo a milisegundo [1]. [2] J. Schmidhuber (JS, 2015). «Sobre aprender a pensar: Teoría algorítmica de la información para combinaciones novedosas de controladores RL y modelos de mundo neuronal recurrentes». ArXiv 1210.0118 [1] JS (1990). "Hacer que el mundo sea diferenciable: Sobre el uso de redes neuronales autosupervisadas totalmente recurrentes para el aprendizaje y la planificación de refuerzos dinámicos en entornos no estacionarios". TR FKI-126-90, TUM. (Este informe también introdujo la curiosidad artificial y la motivación intrínseca a través de redes generativas adversarias).

Si estás pensando en modelos de mundos o simuladores neuronales y no sabes por dónde empezar, echa un vistazo al artículo de OG sobre modelos de mundos de @hardmaru y @SchmidhuberAI - Es súper claro de leer y obtener lo básico - puedes reproducirlo en tu Mac o en cualquier máquina local - Puede actualizarlo constantemente para que sea aún más potente Si Karpathy enseñara modelos de mundos, este es el documento en el que profundizaría.