je zult niet te stoppen zijn.

KL nachtzicht! 🇲🇾🫶

Optimistisch voor $TAI, ga zo door! @tarsprotocol We zijn aan het koken.

Dag 2 van #MYB2025 Het uitzicht hier in Exchange 106 is zo geweldig!

#MYB2025 organiseert hier de institutionele avond🫶 Ik heb tot nu toe de lokale gerechten geprobeerd en de Nasi Lemak is mijn favoriet!

Super blij om op de Malaysia Blockchain Week 2025 te zijn! @MalaysiaBCW Altijd geweldig om bouwers te ontmoeten, ideeën uit te wisselen en de lokale scene te ervaren 🇲🇾⚡️ Bij TARS AI @tarsprotocol bouwen we niet alleen tools, we vormen ook hoe mensen met AI omgaan. Van agentmarktplaatsen tot krachtige integraties, we zijn op een missie om AI toegankelijker, nuttiger en leuker te maken. We bouwen snel, verzenden sneller, laten we verbinden als je in de buurt bent! 🔥

Hier bij #MYBW2025 trots @tarsprotocol vertegenwoordigen en delen wat we hebben gebouwd op het snijvlak van Web3 en technologie. Geweldig om in contact te komen met nieuwsgierige geesten, gepassioneerde bouwers en nieuwe samenwerkingspartners in de ruimte. Als je in de buurt bent, laten we dan verbinden!

Dit is mijn lezing van 2 maanden geleden bij @Cornell "Hoe kan ik mijn output verhogen?" Een natuurlijke antwoord is: "Ik zal gewoon een paar uur langer werken." Langer werken kan helpen, maar uiteindelijk kom je op een fysieke limiet. Een betere vraag is: "Hoe kan ik mijn output verhogen zonder de input zoveel te verhogen?" Dat is hefboomwerking. We horen "hefboomwerking" zo vaak dat de implicatie gemakkelijk over het hoofd wordt gezien. Mijn persoonlijke favoriete categorisatie van hefboomwerking is van Naval Ravikant: menselijke arbeid, kapitaal en code/media. Elk heeft grote golven van vermogenscreatie in de geschiedenis aangedreven. Echter, zodra een hefboombron populair wordt (denk aan YouTube-kanalen vandaag de dag versus tien jaar geleden) comprimeert de concurrentie de marge. Dus wanneer er een nieuwe hefboom verschijnt, is het een zeldzame kans voor buitensporige winsten. In deze lezing beschrijf ik AI als die opkomende hefboom. Een AI-agent mengt arbeidshefboom (het doet werk voor jou en is permissieloos) met codehefboom (je kunt het kopiëren en plakken). Het is cliché om te zeggen dat AI enorme rijkdom zal creëren. Maar door deze hefboomlens te gebruiken, kunnen we de luidruchtige AI-nieuwscyclus op een consistente manier interpreteren en de echte kansen spotten. Bedankt @unsojo voor het hosten van mij!

Helaas kan ik niet persoonlijk aanwezig zijn op #ICML2025 vanwege vis vertragingen. Maar ik ben enthousiast om ons paper te delen op ICML: "Grote Taalmodellen zijn Demonstratie Pre-Selectors voor Henzelf"! 🧠📄 💡 Wat als LLM's zouden kunnen helpen om betere voorbeelden voor zichzelf te kiezen? We stellen FEEDER voor, een framework dat LLM's in staat stelt om een kleine maar krachtige subset van trainingsdata vooraf te selecteren op basis van voldoende en noodzakelijk, waardoor kosten worden verlaagd, prestaties worden verbeterd en generalisatie over taken mogelijk wordt. Kom het bekijken!

Versterkend Leren van Grote Taalmodellen, Lente 2025 (UCLA) Geweldige set nieuwe lezingen over versterkend leren van LLM's. Behandelt een breed scala aan onderwerpen gerelateerd aan RLxLLM's, zoals basisprincipes/fundamenten, rekentijd bij testen, RLHF en RL met verifieerbare beloningen (RLVR).