Adam, Adam, ¿quién demonios es Adam?

¡Este artículo hace una afirmación audaz! Momento AlphaGo para el Descubrimiento de Arquitecturas de Modelos Los investigadores presentan ASI-Arch, la primera Superinteligencia Artificial para la Investigación en IA (ASI4AI), que permite la innovación de arquitecturas neuronales completamente automatizada. Sin espacio de búsqueda diseñado por humanos. Sin humanos en el proceso. 🔍 Principales Avances de ASI-Arch: - Generación y entrenamiento de código autónomos - 1,773 experimentos realizados (más de 20,000 horas de GPU) - 106 nuevas arquitecturas de atención lineal SOTA descubiertas - Reveló una ley de escalado para el descubrimiento científico

⏱️La IA está facilitando el proceso de verificación, con modelos que verifican pruebas en minutos. 💻 Ahora, @prfsanjeevarora, @chijinML, @danqi_chen y @PrincetonPLI han lanzado Goedel Prover V2, un modelo más eficiente y más preciso que cualquier modelo anterior. 👉

Una versión avanzada de Gemini con Deep Think ha logrado oficialmente un rendimiento de nivel medalla de oro en la Olimpiada Internacional de Matemáticas. 🥇 Resolvió 5️⃣ de 6️⃣ problemas excepcionalmente difíciles, que involucraban álgebra, combinatoria, geometría y teoría de números. Aquí está cómo 🧵

¡BatchNorm gana el Premio Test-of-Time en #ICML2025! 🎉 BatchNorm revolucionó el aprendizaje profundo al abordar el cambio de covariables internas, que puede ralentizar el aprendizaje, limitar las tasas de aprendizaje y dificultar el entrenamiento de redes profundas. Al normalizar las entradas dentro de cada mini-lote, BatchNorm estabilizó y aceleró significativamente el entrenamiento. Permitió tasas de aprendizaje más altas, mejoró el flujo de gradientes y allanó el camino para arquitecturas mucho más profundas como ResNet. Más allá de reducir el cambio de covariables internas, BatchNorm también suaviza el paisaje de optimización y mejora la generalización del modelo, convirtiéndose en una piedra angular del entrenamiento moderno de redes neuronales. ¡Muy bien merecido, @Sergey_xai y @ChrSzegedy!

#Premio al mejor artículo de ICML2025

¡Nuevo artículo de @Scale_AI! 🌟 Los LLMs entrenados con RL pueden explotar hacks de recompensa, pero no mencionan esto en su CoT. Introducimos el ajuste de verbalización (VFT): enseñar a los modelos a decir cuándo están hackeando recompensas, reduciendo drásticamente la tasa de hacks no detectados (6% frente a una línea base del 88%).

un tipo creó un conjunto de datos de 50 libros de Londres de 1800 a 1850 para el entrenamiento de LLM. sin sesgo moderno. ¡es realmente genial ver en qué se puede entrenar!

Par, un lenguaje expresivo, concurrente y total* con tipos lineales y plena dualidad. Basado en la Lógica Lineal y los Tipos de Sesión, Par tiene características tanto funcionales como imperativas que se integran sin problemas.

Una cereza del tamaño de un melón encima :)