LLM dapat tampak bernalar dengan baik, tetapi satu token yang salah dapat menggagalkan seluruh output. Pekerjaan baru kami menunjukkan bahwa hafalan tingkat token adalah penyebab utama kegagalan, terutama di bawah pergeseran distribusi. Memperkenalkan: STIM 🔍🧠 🧵 #NLProc

Senang berbicara di Berkeley #SBC2025 #BASS2025 tentang konvergensi AI x Web3 dan bagaimana kami dapat menciptakan ekonomi kolaboratif yang terbuka untuk masa depan yang digerakkan oleh AI. Pemimpin produk blockchain kami membagikan arsitektur teknologi tentang cara kami mencapai alur monetisasi on-chain untuk aset AI. @BerkeleyRDI @StanfordSBA

Saya lulus pembelaan tesis saya hari ini! 😊 Ini adalah perjalanan yang berharga di @nlp_usc @CSatUSC. Terima kasih banyak kepada @xiangrenNLP @robinomial @swabhz @avestime, dan semua orang yang mendukung saya!

Saya akan berada di @aclmeeting minggu depan untuk mempresentasikan karya ini! 🇦🇹 Bersemangat untuk bertemu teman lama dan mendapatkan teman baru. Mari kita ketinggalan jika Anda ingin lebih memikirkan masa depan NLP yang berpusat pada manusia, personalisasi, dan interaksi multi-giliran atau hanya ingin mendapatkan kopi ☕️ Wina yang enak

1+1=3 2+2=5 3+3=? Banyak model bahasa (misalnya, Llama 3 8B, Mistral v0.1 7B) akan menjawab 7. Tapi mengapa? Kami menggali internal model, mengungkap mekanisme induksi fungsi, dan menemukan bahwa itu digunakan kembali secara luas ketika model mengalami kejutan selama pembelajaran dalam konteks. 🧵

Platform Layanan Data (DSP) LANGSUNG! 🔆 Sekarang siapa pun, di mana saja di dunia, dapat berkontribusi pada pengembangan AI dan mendapatkan hadiah nyata untuk pekerjaan mereka. 🔆 $450K+ dalam $SAHARA + hadiah mitra tersedia hari pertama! Mulailah hari ini → #AIforALL

Kami @Zai_org sangat senang dengan open-source GLM-4.1V-9B-Thinking, VLM yang dapat berpikir dengan CoT panjang. SoTA dalam VLM <10B, sebanding dengan Qwen-2.5-VL-72B dalam 18 tugas. Satu RL untuk menguasai semuanya! Rincian - Laporan teknis: -Kode:

Saya tidak percaya ketika saya pertama kali melihat, tetapi: Kami melatih model pencurian cepat yang mendapatkan akurasi SoTA >3x. Rahasianya mewakili output LLM *dengan benar* 🚲 Demo/blog: 📄: 🤖: 🧑‍💻:

Berikut adalah pembicaraan baru-baru ini yang saya berikan yang merangkum 6-12 bulan terakhir kemajuan AI, mengapa mendapatkan model yang sempurna itu sulit, bagaimana laboratorium kemungkinan mendekati fase pelatihan berikutnya (untuk agen), dan informasi menarik lainnya di seluruh lanskap penalaran. Topik: 00:00 Pendahuluan & keadaan penalaran 05:50 Mendaki bukit yang tidak sempurna 09:18 Kemacetan teknis 13:02 Sindiran 18:08 Zona Goldilocks 19:28 Apa yang akan terjadi selanjutnya? (petunjuk, perencanaan) 26:40 Tanya Jawab YouTube dll dalam balasan. Terima kasih @corbtt dan @OpenPipeAI telah menjamu saya.

Bisakah LLM menjelaskan dengan tepat "Mengapa langit berwarna biru?" … untuk anak berusia 👶🏽 10 tahun vs. seseorang dengan gelar PhD dalam fisika 👩🏽 🔬? Dalam makalah #ACL2025 kami, kami mengevaluasi seberapa baik LLM dapat menyesuaikan penjelasan mereka dengan orang yang berbeda. ✍️ 🔗 🧵 (1/n)