Declaración de ICML sobre los prompts ocultos subversivos de LLM Vivimos en una línea de tiempo extraña...

No incluso bronce: Evaluando LLMs en la Olimpiada Internacional de Matemáticas 2025 🥉 Buen artículo del equipo detrás de MathArena: Evaluando LLMs en Competencias Matemáticas No Contaminadas () proporcionando un análisis independiente del rendimiento de LLM en la OIM.

No incluso bronce: Evaluando LLMs en la Olimpiada Internacional de Matemáticas 2025 🥉 Buen artículo del equipo detrás de MathArena: Evaluando LLMs en Competencias Matemáticas No Contaminadas () proporcionando un análisis independiente del rendimiento de LLM en la OIM.

Los ingenieros pasan el 70% de su tiempo entendiendo código, no escribiéndolo. Por eso construimos Asimov en @reflection_ai. El agente de investigación de código de primera clase, diseñado para equipos y organizaciones.

La humanidad ha prevalecido (¡por ahora!) Estoy completamente exhausto. Calculé que he tenido 10 horas de sueño en los últimos 3 días y apenas estoy vivo. Publicaré más sobre el concurso cuando descanse un poco. (Para ser claro, 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 y @mldcmu (por cortesía) como Profesor Asistente en otoño de 2026. El viaje, agradecimientos y reclutamiento en 🧵

Hikaru Utada y Yuval Noah Harari hablan sobre La Evolución de la IA y la Creatividad Debo admitir que esto no estaba en mi lista de cosas por hacer!

¡Emocionado de participar en @TEDAISF este otoño!

Hace 1 década: Ingeniero de Prompts de Aprendizaje por Refuerzo en la Sección 5.3 de «Learning to Think …» [2]. ¡Cadena de Pensamiento Adaptativa! Una red de 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). «On Learning to Think: Algorithmic Information Theory for Novel Combinations of RL Controllers and Recurrent Neural World Models.» ArXiv 1210.0118  [1] JS (1990). “Haciendo el mundo diferenciable: Sobre el uso de redes neuronales recurrentes totalmente auto-supervisadas para el aprendizaje por refuerzo dinámico y la planificación 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 adversariales.)

Si estás pensando en modelos del mundo o simulaciones neuronales y no sabes por dónde empezar, echa un vistazo al paper original sobre modelos del mundo de @hardmaru y @SchmidhuberAI - Es muy claro de leer y entender los conceptos básicos - Puedes reproducirlo en tu Mac o en cualquier máquina local - Puedes mejorarlo constantemente para que sea aún más potente Si Karpathy enseñara modelos del mundo, este sería el paper en el que profundizaría.