LLM-y mogą wydawać się dobrze rozumieć, ale jeden błędny token może zniweczyć cały wynik. Nasza nowa praca pokazuje, że zapamiętywanie na poziomie tokenów jest kluczową przyczyną niepowodzeń, szczególnie w przypadku zmiany rozkładu. Wprowadzenie: STIM 🔍🧠 🧵 #NLProc

Cieszę się, że mogę wystąpić na Berkeley #SBC2025 #BASS2025 na temat zbieżności AI x Web3 i tego, jak moglibyśmy stworzyć otwartą, współpracującą gospodarkę dla przyszłości napędzanej przez AI. Nasz lider produktu blockchain dzieli się architekturą technologiczną, jak osiągamy przepływy monetyzacji on-chain dla aktywów AI. @BerkeleyRDI @StanfordSBA

Dziś zdałem obronę mojej pracy magisterskiej! 😊 To była satysfakcjonująca podróż w @nlp_usc @CSatUSC. Wielkie dzięki dla @xiangrenNLP @robinomial @swabhz @avestime oraz wszystkim, którzy mnie wspierali!

W przyszłym tygodniu będę na @aclmeeting, aby zaprezentować tę pracę! 🇦🇹 Nie mogę się doczekać, aby poznać starych przyjaciół i nawiązać nowe. Nadróbmy zaległości, jeśli lubisz myśleć o przyszłości NLP skoncentrowanego na człowieku, personalizacji i wieloetapowych interakcji, czy po prostu chcesz napić się dobrej wiedeńskiej kawy ☕️

1+1=3 2+2=5 3+3=? Wiele modeli językowych (np. Llama 3 8B, Mistral v0.1 7B) odpowie 7. Ale dlaczego? Zagłębiamy się w wewnętrzne mechanizmy modelu, odkrywamy mechanizm indukcji funkcji i stwierdzamy, że jest on szeroko wykorzystywany, gdy modele napotykają niespodzianki podczas uczenia się w kontekście. 🧵

Platforma Usług Danych (DSP) jest AKTYWNA! 🔆 Teraz każdy, wszędzie na świecie, może przyczynić się do rozwoju AI i zarobić prawdziwe nagrody za swoją pracę. 🔆 Ponad 450 000 $ w nagrodach $SAHARA + nagrody od partnerów dostępne od pierwszego dnia! Rozpocznij już dziś → #AIdlaWSZYSTKICH

Jesteśmy @Zai_org zachwyceni oprogramowaniem open source GLM-4.1V-9B-Thinking, VLM, który może myśleć z długimi CoT. SoTA w <10B VLM, porównywalny z Qwen-2.5-VL-72B w 18 zadaniach. Jeden RL, który będzie rządził wszystkimi! Szczegóły - Raport techniczny: -Kod:

Nie wierzyłem, kiedy zobaczyłem po raz pierwszy, ale: Wytrenowaliśmy model szybkiej kradzieży, który uzyskuje >3-krotną dokładność SoTA. Sekret polega na tym, że * poprawnie reprezentuje dane wyjściowe LLM * poprawnie* 🚲 Demo/blog: 📄: 🤖: 🧑‍💻:

Oto niedawne wystąpienie, które wygłosiłem, podsumowując ostatnie 6-12 miesięcy postępów w AI, dlaczego uzyskanie idealnych modeli jest trudne, jak laboratoria prawdopodobnie podchodzą do następnej fazy szkolenia (dla agentów) oraz inne interesujące informacje dotyczące krajobrazu rozumowania. Tematy: 00:00 Wprowadzenie i stan rozumowania 05:50 Wspinaczka po niedoskonałych ocenach 09:18 Wąskie gardła techniczne 13:02 Sycophancy 18:08 Strefa Złotowłosej 19:28 Co dalej? (podpowiedź, planowanie) 26:40 Pytania i odpowiedzi YouTube itd. w odpowiedziach. Dzięki @corbtt i @OpenPipeAI za zaproszenie mnie.

Czy LLM-y potrafią odpowiednio wyjaśnić „Dlaczego niebo jest niebieskie?” …dziesięciolatkowi 👶🏽 w porównaniu do kogoś z doktoratem z fizyki 👩🏽‍🔬? W naszym artykule #ACL2025 oceniamy, jak dobrze LLM-y potrafią dostosować swoje wyjaśnienia do różnych osób.✍️ 🔗 🧵 (1/n)