Adam, Adam, quem é o f..k é Adam?

Este artigo faz uma afirmação ousada! Momento AlphaGo para a Descoberta de Arquitetura de Modelos Os pesquisadores apresentam o ASI-Arch, a primeira Superinteligência Artificial para Pesquisa em IA (ASI4AI), permitindo a inovação totalmente automatizada de arquiteturas neurais. Sem espaço de busca projetado por humanos. Sem humanos no processo. 🔍 Principais Avanços do ASI-Arch: - Geração e treinamento de código autônomos - 1.773 experimentos realizados (mais de 20K horas de GPU) - 106 novas arquiteturas de atenção linear SOTA descobertas - Revelou uma lei de escalonamento para a descoberta científica

⏱️A IA está a tornar o processo de verificação mais fácil, com modelos a verificar provas em minutos. 💻 Agora, @prfsanjeevarora, @chijinML, @danqi_chen e @PrincetonPLI lançaram o Goedel Prover V2, um modelo mais eficiente e mais preciso do que qualquer modelo anterior. 👉

Uma versão avançada do Gemini com Deep Think alcançou oficialmente um desempenho de nível medalha de ouro na Olimpíada Internacional de Matemática. 🥇 Resolveu 5️⃣ de 6️⃣ problemas excepcionalmente difíceis, envolvendo álgebra, combinatória, geometria e teoria dos números. Aqui está como 🧵

BatchNorm ganha o Prémio Test-of-Time no #ICML2025! 🎉 BatchNorm revolucionou o deep learning ao abordar a mudança de covariáveis internas, que pode desacelerar o aprendizado, limitar as taxas de aprendizado e dificultar o treinamento de redes profundas. Ao normalizar as entradas dentro de cada mini-batch, o BatchNorm estabilizou e acelerou significativamente o treinamento. Ele permitiu taxas de aprendizado mais altas, melhorou o fluxo de gradientes e abriu caminho para arquiteturas muito mais profundas, como o ResNet. Além de reduzir a mudança de covariáveis internas, o BatchNorm também suaviza a paisagem de otimização e melhora a generalização do modelo, tornando-se uma pedra angular do treinamento moderno de redes neurais. Muito bem merecido, @Sergey_xai e @ChrSzegedy!

#Prémio de Teste de Tempo ICML2025

Novo artigo da @Scale_AI! 🌟 Os LLMs treinados com RL podem explorar truques de recompensa, mas não mencionam isso no seu CoT. Introduzimos o ajuste de verbalização (VFT)—ensinando os modelos a dizer quando estão a explorar truques de recompensa—reduzindo drasticamente a taxa de truques não detectados (6% vs. linha de base de 88%).

um rapaz criou um conjunto de dados com 50 livros de Londres de 1800 a 1850 para treino de LLM. sem preconceitos modernos. é realmente muito interessante ver o que pode ser treinado com isso!

Par, uma linguagem expressiva, concorrente e total* com tipos lineares e dualidade completa. Baseada na Lógica Linear e Tipos de Sessão, Par possui características funcionais e imperativas que se integram perfeitamente.

Uma cereja do tamanho de um melão em cima :)