LLM-urile pot părea să raționeze bine, dar un singur token greșit poate deraia întreaga ieșire. Noua noastră lucrare arată că memorarea la nivel de jeton este o cauză cheie a eșecului, în special în timpul schimbării distribuției. Vă prezentăm: STIM 🔍🧠 🧵 #NLProc

Sunt încântat să vorbesc la Berkeley #SBC2025 #BASS2025 despre convergența AI x Web3 și despre cum am putea crea o economie deschisă și colaborativă pentru un viitor bazat pe AI. Liderul nostru de produs blockchain împărtășește arhitectura tehnologică pentru modul în care realizăm fluxuri de monetizare on-chain pentru activele AI. @BerkeleyRDI @StanfordSBA

Astăzi mi-am susținut teza! 😊 A fost o călătorie plină de satisfacții la @nlp_usc @CSatUSC. Multe mulțumiri @xiangrenNLP @robinomial @swabhz @avestime și tuturor celor care m-au susținut!

Voi fi la @aclmeeting săptămâna viitoare pentru a prezenta această lucrare! 🇦🇹 Încântat să întâlnesc prieteni vechi și să-mi fac alții noi. Să ne punem la curent dacă vă place să vă gândiți mai mult la viitorul NLP centrat pe om, personalizare și interacțiuni cu mai multe ture sau pur și simplu doriți să luați o cafea ☕️ vieneză bună

1+1=3 2+2=5 3+3=? Multe modele lingvistice (de exemplu, Llama 3 8B, Mistral v0.1 7B) vor răspunde la 7. Dar de ce? Săpăm în interiorul modelului, descoperim un mecanism de inducție a funcțiilor și descoperim că este reutilizat pe scară largă atunci când modelele întâmpină surprize în timpul învățării în context. 🧵

Platforma de servicii de date (DSP) este LIVE! 🔆 Acum, oricine, oriunde în lume, poate contribui la dezvoltarea AI și poate câștiga recompense reale pentru munca sa. 🔆 $450K+ în $SAHARA + recompense pentru parteneri disponibile în prima zi! Începeți astăzi → #AIforALL

Suntem @Zai_org încântați de GLM-4.1V-9B-Thinking open-source, un VLM care poate gândi cu CoT lungi. SoTA în VLM-uri <10B, comparabil cu Qwen-2.5-VL-72B în 18 sarcini. Un RL care să le conducă pe toate! Detalii - Raport tehnic: -Cod:

Nu am crezut când am văzut prima dată, dar: Am antrenat un model de furt prompt care obține o precizie SoTA de >3x. Secretul este reprezentarea corectă a ieșirilor LLM 🚲 Demo/blog: 📄: 🤖: 🧑‍💻:

Iată o prezentare recentă pe care am ținut-o recapitulând ultimele 6-12 luni de progres AI, de ce este dificil să obții modele perfecte, cum se apropie probabil laboratoarele de următoarea fază de antrenament (pentru agenți) și alte informații interesante din peisajul raționamentului. Subiecte: 00:00 Introducere și starea raționamentului 05:50 Evaluări imperfecte de alpinism 09:18 Blocaje tehnice 13:02 Sicofancia 18:08 Zona Goldilocks 19:28 Ce urmează? (indiciu, planificare) 26:40 Întrebări și răspunsuri YouTube etc în răspunsuri. Mulțumesc @corbtt și @OpenPipeAI pentru că m-ați găzduit.

Pot LLM-urile să explice în mod corespunzător "De ce este cerul albastru?" … unui copil 👶🏽 de 10 ani vs. cineva cu un doctorat în fizică 👩🏽 🔬? În lucrarea noastră de #ACL2025, evaluăm cât de bine își pot adapta LLM-urile explicațiile la diferite persoane. ✍️ 🔗 🧵 (1/n)