Các LLM có thể có vẻ như suy luận tốt, nhưng một token sai có thể làm hỏng toàn bộ đầu ra. Công trình mới của chúng tôi cho thấy rằng việc ghi nhớ ở cấp độ token là một nguyên nhân chính gây ra sự thất bại, đặc biệt là dưới sự thay đổi phân phối. Giới thiệu: STIM 🔍🧠 🧵 #NLProc

Rất hào hứng khi được nói chuyện tại Berkeley #SBC2025 #BASS2025 về sự hội tụ của AI x Web3 và cách chúng ta có thể tạo ra một nền kinh tế mở, hợp tác cho một tương lai do AI dẫn dắt. Người phụ trách sản phẩm blockchain của chúng tôi chia sẻ kiến trúc công nghệ về cách chúng tôi đạt được các dòng doanh thu trên chuỗi cho tài sản AI. @BerkeleyRDI @StanfordSBA

Hôm nay tôi đã vượt qua buổi bảo vệ luận án của mình! 😊 Đó là một hành trình đầy ý nghĩa tại @nlp_usc @CSatUSC. Xin cảm ơn @xiangrenNLP @robinomial @swabhz @avestime, và tất cả những ai đã ủng hộ tôi!

Tôi sẽ có mặt tại @aclmeeting vào tuần tới để trình bày công việc này! 🇦🇹 Rất hào hứng được gặp lại những người bạn cũ và kết bạn mới. Hãy gặp nhau nếu bạn thích suy nghĩ nhiều hơn về tương lai của NLP tập trung vào con người, cá nhân hóa và tương tác nhiều lượt hoặc chỉ muốn thưởng thức một tách cà phê Viennese ngon ☕️

1+1=3 2+2=5 3+3=? Nhiều mô hình ngôn ngữ (ví dụ: Llama 3 8B, Mistral v0.1 7B) sẽ trả lời là 7. Nhưng tại sao? Chúng tôi đào sâu vào nội bộ của mô hình, khám phá một cơ chế suy diễn hàm, và phát hiện rằng nó được sử dụng rộng rãi khi các mô hình gặp phải những điều bất ngờ trong quá trình học theo ngữ cảnh. 🧵

Nền tảng Dịch vụ Dữ liệu (DSP) đã hoạt động! 🔆 Bây giờ bất kỳ ai, ở bất kỳ đâu trên thế giới, đều có thể đóng góp vào sự phát triển AI và nhận phần thưởng thực sự cho công việc của họ. 🔆 Hơn $450K trong $SAHARA + phần thưởng từ đối tác có sẵn ngay từ ngày đầu tiên! Bắt đầu ngay hôm nay → #AIforALL

Chúng tôi @Zai_org rất vui mừng với GLM-4.1V-9B-Thinking mã nguồn mở, một VLM có thể suy nghĩ với CoT dài. SoTA trong VLM <10B, có thể so sánh với Qwen-2.5-VL-72B trong 18 nhiệm vụ. Một RL để cai trị tất cả! Chi tiết - Báo cáo công nghệ: -Mã:

Tôi không tin khi tôi lần đầu tiên nhìn thấy, nhưng: Chúng tôi đã đào tạo một mô hình đánh cắp nhắc nhở có độ chính xác SoTA gấp >3 lần. Bí mật đang đại diện cho đầu ra LLM * chính xác * 🚲 Bản demo / blog: 📄: 🤖: 🧑‍💻:

Đây là một bài nói chuyện gần đây mà tôi đã thực hiện, tóm tắt lại những tiến bộ trong AI trong 6-12 tháng qua, lý do tại sao việc đạt được các mô hình hoàn hảo là khó khăn, cách các phòng thí nghiệm có thể đang tiếp cận giai đoạn đào tạo tiếp theo (cho các tác nhân), và những thông tin thú vị khác trong lĩnh vực lý luận. Các chủ đề: 00:00 Giới thiệu & tình trạng lý luận 05:50 Leo dốc các đánh giá không hoàn hảo 09:18 Các nút thắt kỹ thuật 13:02 Sự nịnh bợ 18:08 Khu vực Goldilocks 19:28 Điều gì sẽ đến tiếp theo? (gợi ý, lập kế hoạch) 26:40 Hỏi & Đáp YouTube v.v. trong các phản hồi. Cảm ơn @corbtt và @OpenPipeAI đã tổ chức cho tôi.

Các mô hình ngôn ngữ lớn (LLMs) có thể giải thích một cách thích hợp "Tại sao bầu trời lại có màu xanh?" cho một đứa trẻ 10 tuổi 👶🏽 so với một người có bằng tiến sĩ vật lý 👩🏽‍🔬 không? Trong bài báo #ACL2025 của chúng tôi, chúng tôi đánh giá khả năng của LLMs trong việc điều chỉnh các giải thích của họ cho những người khác nhau.✍️ 🔗 🧵 (1/n)