ICML's verklaring over subversieve verborgen LLM-prompts We leven in een vreemde tijdlijn...

Niet eens brons: Evaluatie van LLM's op de Internationale Wiskunde Olympiade 2025 🥉 Leuk blogbericht van het team achter MathArena: Evaluatie van LLM's op onbesmette wiskundewedstrijden () die een onafhankelijke analyse van de prestaties van LLM's op de IMO biedt.

Niet eens brons: Evaluatie van LLM's op de Internationale Wiskunde Olympiade 2025 🥉 Leuk blogbericht van het team achter MathArena: Evaluatie van LLM's op Onvervuilde Wiskundewedstrijden () die een onafhankelijke analyse biedt van de prestaties van LLM op IMO.

Ingenieurs besteden 70% van hun tijd aan het begrijpen van code, niet aan het schrijven ervan. Daarom hebben we Asimov gebouwd bij @reflection_ai. De beste code-onderzoeksagent, gebouwd voor teams en organisaties.

De mensheid heeft (voorlopig!) overwonnen. Ik ben volledig uitgeput. Ik heb in de afgelopen 3 dagen 10 uur geslapen en ik ben nauwelijks levend. Ik zal meer over de wedstrijd posten als ik wat rust heb. (Om duidelijk te zijn, dit zijn voorlopige resultaten, maar mijn voorsprong zou groot genoeg moeten zijn)

Enkele updates 🚨 Ik heb mijn Ph.D. aan @uwcse afgerond in juni 2025! Na een jaar bij AI2 als Onderzoekswetenschapper, ga ik in de herfst van 2026 aan de slag als Assistent Professor bij CMU @LTIatCMU & @mldcmu (courtesy). De reis, erkenningen & werving in 🧵

Hikaru Utada en Yuval Noah Harari praten over De Evolutie van AI en Creativiteit Moet toegeven, dit stond niet op mijn bingo kaart!

Ik ben enthousiast om deze herfst deel te nemen aan @TEDAISF!

1 decennium geleden: Reinforcement Learning Prompt Engineer in Sec. 5.3 van «Learning to Think …» [2]. Adaptieve Denkketen! Een RL-netwerk leert een ander netwerk te ondervragen voor abstract redeneren en besluitvorming. Voorbij het World Model van 1990 voor milliseconde-voor-milliseconde planning [1].  [2] J. Schmidhuber (JS, 2015). «On Learning to Think: Algorithmic Information Theory for Novel Combinations of RL Controllers and Recurrent Neural World Models.» ArXiv 1210.0118  [1] JS (1990). “Making the world differentiable: On using fully recurrent self-supervised neural networks for dynamic reinforcement learning and planning in non-stationary environments.” TR FKI-126-90, TUM. (Dit rapport introduceerde ook kunstmatige nieuwsgierigheid en intrinsieke motivatie door middel van generatieve adversariële netwerken.)

Als je denkt aan wereldmodellen of neurale simulaties en niet weet waar je moet beginnen, bekijk dan het OG-paper over wereldmodellen van @hardmaru en @SchmidhuberAI - Het is super duidelijk om te lezen en de basis te begrijpen - je kunt het reproduceren op je Mac of elke lokale machine - je kunt het geleidelijk upgraden om nog krachtiger te worden Als Karpathy wereldmodellen zou onderwijzen, zou dit het paper zijn waar hij diep op in zou gaan.