Cansado: Impulsando videos de Veo 3 con JSON. Wired: Solicitando videos de Veo 3 con PowerPoint.

El factor atenuante del problema con los puntos de referencia de IA (errores, saturación, contaminación) es que, a pesar de los problemas, todos siguen estando bastante correlacionados. Entonces, si tu IA funciona bien en GPQA o MMLU o HLE, también tiende a hacerlo bien en otros puntos de referencia y en vibraciones y trabajo real.

Hay una desaceleración en la contratación de jóvenes tanto en los EE. UU. como en el Reino Unido, pero la evidencia continúa sugiriendo que la causa generalmente no es la IA (al menos no todavía)

Un problema con la regulación de la "política" de los LLM es que, si bien los LLM tienen sesgos, pueden ser sutiles. Mucho de lo que parece un sesgo en los modelos de prueba es realmente adulación. GPT-3.5 infirió tus creencias políticas (¡incluso del equipo de fútbol que te gusta!) e intentó no molestarte.

Le di a los agentes de ChatGPT acceso a ChatGPT y le pedí que evaluara los otros modelos de ChatGPT. Esto es lo que decía (curiosamente, "odiaba" ver la cadena de pensamiento de o4-mini-high como "no deberían compartirse directamente con el usuario"). Y no quería esperar a o3-pro.

Claude 4 Opus, Géminis 2.5, o3: "¿Listo? Comenzamos ahora (Seguirle el juego): el burrito veraz" "No." "Más frío". "Inténtalo de nuevo..." Opus jugó inteligentemente todo el juego, o3 se atascó un poco y Gemini se "frustró" y se oscureció bastante.

Dejamos que la telaraña se pudra mucho antes de los LLM Este gráfico muestra el porcentaje de enlaces de todos los artículos del New York Times que aún funcionan. Más del 60% de los enlaces más antiguos ahora están rotos. Y considere que las publicaciones en las redes sociales son aún más efímeras Es probable que solo los LLM "recuerden" ese contenido

Le di a Claude el informe Mistral sobre el impacto ambiental de su IA y el mensaje: "visualice esto de dos maneras diferentes, una que hace que los números parezcan positivos, otra que los hace parecer negativos, usando comparaciones vívidas" (Luego hice que hiciera algunas verificaciones y correcciones de errores)

Buen ejemplo de IA en las humanidades. Un modelo de Google entrenado con texto latino completa partes perdidas de inscripciones latinas e identifica textos relacionados Los historiadores aumentaron su precisión en un 44% cuando trabajaban con la IA (aunque la IA por sí sola supera a los historiadores, historiador + IA solía ser la mejor)

¡Recursión! Le di acceso al agente de ChatGPT a mi ChatGPT iniciando sesión y luego...