Declaração da ICML sobre prompts ocultos subversivos de LLM Vivemos numa linha do tempo estranha...

Nem Mesmo Bronze: Avaliando LLMs na Olimpíada Internacional de Matemática de 2025 🥉 Bom post de blog da equipe por trás do MathArena: Avaliando LLMs em Competições de Matemática Não Contaminadas () fornecendo uma análise independente do desempenho dos LLMs no IMO.

Nem Mesmo Bronze: Avaliando LLMs na Olimpíada Internacional de Matemática de 2025 🥉 Bom post de blog da equipe por trás do MathArena: Avaliando LLMs em Competições de Matemática Não Contaminadas () fornecendo uma análise independente do desempenho dos LLMs na IMO.

Os engenheiros passam 70% do seu tempo a entender código, não a escrevê-lo. É por isso que construímos o Asimov na @reflection_ai. O melhor agente de pesquisa de código da sua classe, construído para equipas e organizações.

A humanidade prevaleceu (por enquanto!) Estou completamente exausto. Percebi que tive 10 horas de sono nos últimos 3 dias e mal estou vivo. Vou postar mais sobre o concurso quando conseguir descansar. (Para ser claro, esses são resultados provisórios, mas minha vantagem deve ser grande o suficiente)

Algumas atualizações 🚨 Terminei o meu doutoramento na @uwcse em junho de 2025! Após um ano na AI2 como Cientista de Pesquisa, vou juntar-me à CMU @LTIatCMU & @mldcmu (por cortesia) como Professor Assistente no Outono de 2026. A jornada, agradecimentos & recrutamento em 🧵

Hikaru Utada e Yuval Noah Harari falam sobre A Evolução da IA e Criatividade Tenho que admitir, isto não estava no meu cartão de bingo!

Entusiasmado por participar no @TEDAISF este outono!

1 década atrás: Engenheiro de Prompt de Aprendizagem por Reforço na Sec. 5.3 de «Learning to Think …» [2]. Cadeia Adaptativa de Pensamento! Uma rede de RL aprende a consultar outra rede para raciocínio abstrato e tomada de decisão. Indo além do Modelo Mundial de 1990 para planejamento milissegundo a milissegundo [1].  [2] J. Schmidhuber (JS, 2015). «On Learning to Think: Algorithmic Information Theory for Novel Combinations of RL Controllers and Recurrent Neural World Models.» ArXiv 1210.0118  [1] JS (1990). “Tornando o mundo diferenciável: Sobre o uso de redes neurais totalmente recorrentes auto-supervisionadas para aprendizagem por reforço dinâmica e planejamento em ambientes não estacionários.” TR FKI-126-90, TUM. (Este relatório também introduziu curiosidade artificial e motivação intrínseca através de redes adversariais generativas.)

Se você está pensando em modelos de mundo ou simulações neurais e não sabe por onde começar, confira o artigo original sobre modelos de mundo de @hardmaru e @SchmidhuberAI - É super claro para ler e entender os conceitos básicos - você pode reproduzi-lo no seu Mac ou em qualquer máquina local - você pode melhorá-lo constantemente para torná-lo ainda mais poderoso Se Karpathy ensinasse modelos de mundo, este seria o artigo em que ele se aprofundaria.