LLMs können gut zu argumentieren scheinen, aber ein einzelnes falsches Token kann die gesamte Ausgabe entgleisen lassen. Unsere neue Arbeit zeigt, dass die Token-Ebene-Memorierung eine Hauptursache für das Scheitern ist, insbesondere unter Verteilungsverschiebung. Einführung: STIM 🔍🧠 🧵 #NLProc

Ich freue mich, auf der Berkeley #SBC2025 #BASS2025 über die Konvergenz von KI und Web3 zu sprechen und wie wir eine offene, kollaborative Wirtschaft für eine KI-gesteuerte Zukunft schaffen können. Unser Blockchain-Produktleiter teilt die technische Architektur, wie wir On-Chain-Monetarisierungsflüsse für KI-Assets erreichen. @BerkeleyRDI @StanfordSBA

Ich habe heute meine Thesis-Verteidigung bestanden! 😊 Es war eine bereichernde Reise bei @nlp_usc @CSatUSC. Vielen Dank an @xiangrenNLP @robinomial @swabhz @avestime und alle, die mich unterstützt haben!

Ich werde nächste Woche beim @aclmeeting sein, um diese Arbeit zu präsentieren! 🇦🇹 Ich freue mich darauf, alte Freunde zu treffen und neue zu finden. Lass uns treffen, wenn du mehr über die Zukunft der menschenzentrierten NLP, Personalisierung und mehrstufige Interaktionen nachdenken möchtest oder einfach nur einen schönen Wiener Kaffee ☕️ genießen willst.

1+1=3 2+2=5 3+3=? Viele Sprachmodelle (z. B. Llama 3 8B, Mistral v0.1 7B) werden mit 7 antworten. Aber warum? Wir tauchen in die internen Abläufe des Modells ein, decken einen Funktionsinduktionsmechanismus auf und stellen fest, dass er häufig wiederverwendet wird, wenn Modelle während des kontextuellen Lernens auf Überraschungen stoßen. 🧵

Die Data Services Plattform (DSP) ist JETZT LIVE! 🔆 Jetzt kann jeder, überall auf der Welt, zur KI-Entwicklung beitragen und echte Belohnungen für seine Arbeit verdienen. 🔆 Über 450.000 $ in $SAHARA + Partnerbelohnungen am ersten Tag verfügbar! Starte noch heute → #KIfürALLE

Wir sind @Zai_org begeistert, GLM-4.1V-9B-Thinking als Open Source zu veröffentlichen, ein VLM, das mit langen CoTs denken kann. SoTA in <10B VLMs, vergleichbar mit Qwen-2.5-VL-72B in 18 Aufgaben. Ein RL, um sie alle zu beherrschen! Details - Technischer Bericht: -Code:

Ich habe es nicht geglaubt, als ich es zum ersten Mal sah, aber: Wir haben ein Modell für den Prompt-Stealing-Ansatz trainiert, das eine >3-fache SoTA-Genauigkeit erreicht. Das Geheimnis stellt LLM-Ausgaben *korrekt* dar 🚲 Demo/Blog: 📄: 🤖: 🧑‍💻:

Hier ist ein aktueller Vortrag, den ich gehalten habe, in dem ich die Fortschritte der letzten 6-12 Monate im Bereich KI zusammenfasse, warum es schwierig ist, perfekte Modelle zu entwickeln, wie Labore wahrscheinlich die nächste Phase des Trainings (für Agenten) angehen und andere interessante Details aus der Welt des Denkens. Themen: 00:00 Einführung & der Stand des Denkens 05:50 Hillclimbing unvollkommene Bewertungen 09:18 Technische Engpässe 13:02 Schmeichelei 18:08 Die Goldlöckchen-Zone 19:28 Was kommt als Nächstes? (Hinweis: Planung) 26:40 Fragen & Antworten YouTube usw. in den Antworten. Danke an @corbtt und @OpenPipeAI für die Einladung.

Können LLMs angemessen erklären, „Warum ist der Himmel blau?“ … einem 10-Jährigen 👶🏽 im Vergleich zu jemandem mit einem Doktortitel in Physik 👩🏽‍🔬? In unserem #ACL2025-Papier bewerten wir, wie gut LLMs ihre Erklärungen auf verschiedene Personen zuschneiden können.✍️ 🔗 🧵 (1/n)