LLM's kunnen goed lijken te redeneren, maar een enkele verkeerde token kan de hele output ontsporen. Ons nieuwe werk toont aan dat memorisatie op token-niveau een belangrijke oorzaak van falen is, vooral onder distributieverschuiving. Introductie: STIM 🔍🧠 🧵 #NLProc

Opgewonden om te spreken op Berkeley #SBC2025 #BASS2025 over de convergentie van AI x Web3 en hoe we een open, samenwerkende economie kunnen creëren voor een AI-gedreven toekomst. Onze blockchain productleider deelt de technische architectuur voor hoe we on-chain monetisatieflows voor AI-activa bereiken. @BerkeleyRDI @StanfordSBA

Ik heb vandaag mijn thesisverdediging gehaald! 😊 Het is een waardevolle reis geweest bij @nlp_usc @CSatUSC. Veel dank aan @xiangrenNLP @robinomial @swabhz @avestime, en iedereen die me heeft gesteund!

Ik zal volgende week bij @aclmeeting zijn om dit werk te presenteren! 🇦🇹 Ik ben enthousiast om oude vrienden te ontmoeten en nieuwe te maken. Laten we bijpraten als je meer wilt nadenken over de toekomst van mensgerichte NLP, personalisatie en multi-turn interacties, of als je gewoon een lekkere Weense koffie wilt drinken ☕️

1+1=3 2+2=5 3+3=? Veel taalmodellen (bijv. Llama 3 8B, Mistral v0.1 7B) zullen 7 antwoorden. Maar waarom? We duiken in de interne werking van het model, onthullen een functie-inductiemechanisme en ontdekken dat het breed wordt hergebruikt wanneer modellen verrassingen tegenkomen tijdens in-context leren. 🧵

Data Services Platform (DSP) is LIVE! 🔆 Nu kan iedereen, overal ter wereld, bijdragen aan AI-ontwikkeling en echte beloningen verdienen voor hun werk. 🔆 Meer dan $450K aan $SAHARA + partnerbeloningen beschikbaar vanaf dag één! Begin vandaag nog → #AIforALL

We zijn @Zai_org verheugd om open-source GLM-4.1V-9B-Thinking te gebruiken, een VLM die kan denken met lange CoT's. SoTA in <10B VLM's, vergelijkbaar met Qwen-2.5-VL-72B in 18 taken. Eén RL om ze allemaal te regeren! Bijzonderheden - Technisch rapport: -Code:

Ik geloofde het niet toen ik het voor het eerst zag, maar: We hebben een prompt stealing-model getraind dat een nauwkeurigheid van >3x SoTA krijgt. Het geheim is het weergeven van LLM-outputs *correct* 🚲 Demo/blog: 📄: 🤖: 🧑‍💻:

Hier is een recente lezing die ik heb gegeven waarin ik de laatste 6-12 maanden van AI-vooruitgang samenvat, waarom het moeilijk is om perfecte modellen te krijgen, hoe laboratoria waarschijnlijk de volgende fase van training (voor agenten) benaderen, en andere interessante weetjes over het redeneerl landschap. Onderwerpen: 00:00 Introductie & de staat van redeneren 05:50 Hillclimbing onvolmaakte evaluaties 09:18 Technische knelpunten 13:02 Sycophancy 18:08 De Gouden Middenweg 19:28 Wat komt er daarna? (tip, planning) 26:40 V&A YouTube enz. in de reacties. Bedankt @corbtt en @OpenPipeAI voor het hosten van mij.

Kunnen LLM's op een geschikte manier uitleggen "Waarom is de lucht blauw?" … aan een 10-jarige 👶🏽 versus iemand met een PhD in de natuurkunde 👩🏽‍🔬? In ons #ACL2025 artikel evalueren we hoe goed LLM's hun uitleg kunnen afstemmen op verschillende mensen.✍️ 🔗 🧵 (1/n)