最新

你们有什么初步想法吗？<p>这个框架旨在作为一个构建工具，因此如果你想尝试创建潜在的具体实现，可以将网站内容、GitHub README 和整个 overview.md 放入一个 AI 聊天中，这应该足以让你在概念上使用这个框架。<p>你们希望我在 Google AI Studio 中预先准备一个聊天，提供计划的完整背景和一些基本的讨论方向吗？我可以分享一个准备好的环境链接。<p>核心文档应该能回答大多数机械性的问题。如果你将文档输入到 AI 聊天中，你可以询问任何问题，或者让它用不同的方式解释某些内容，或者假设解决任何全球性问题的方案，无论是系统性的还是区域性的。<p>Gemini Pro 2.5 可以在一个提示中处理完整文档，其共同创造想法的能力令人惊叹。我主要通过 AI Studio 界面使用它。概述中的许多内容既是我的工作，也是我与 Gemini Pro 2.5、ChatGPT-4o 以及大约一年前 GPT-4 的一些早期贡献的综合。<p>在大语言模型（LLMs）出现之前，我在一个网站上构建了小册子风格的页面（该网站位于 whomanatee.org，这是框架的基础实现），我计划将它们用作讨论要点。我预计许多深思熟虑的内容将需要在缓慢的公共讨论中进行。借助 LLMs，我能够从各个角度对这些想法进行压力测试，利用任何过去的事件或理论来检验框架是否经得起考验。<p>有一次，一个模型认为亚当·斯密会将这个想法视为幻想。因此，我与它合作制定了一个“合成亚当”所赞赏的经济计划。现在我们几乎可以从任何角度获取综合思考，这真是令人难以置信。你可以问它：“巴拉克·奥巴马会如何看待这个计划？使用这个框架，你会如何回应他可能的任何顾虑？”它会给出令人惊叹的分析、综合和反馈。

前员工的帖子。 在竞争激烈的人工智能领域，尽管Cerebras Systems拥有巨大的晶圆和大胆的宣称，却面临崩溃的危机。其脆弱的基础源于硬件的脆弱性，实际应用范围惊人地狭窄。该公司主要针对LLaMA模型的微调进行了优化，所谓的“速度提升”往往依赖于推测解码，这掩盖了许多“支持”的模型运行效率低下，甚至根本无法运行。这种刚性就像一台一级方程式赛车的引擎，只能在实验室条件下使用一种燃料。 此外，糟糕的软件和内核堆栈进一步加剧了这一问题。目前的基础设施几乎将Cerebras系统限制在LLaMA系列的变换器大型语言模型上。现代视觉管道、扩散模型或其他人工智能范式都无从谈起。在这个快速发展的领域，这种狭隘的关注无疑是死刑。迫切需要进行全面的软件改造，但内部缺乏动力，暗示领导层要么无视，要么不愿意投资于生存。 技术问题因三流的机器学习专业知识和缺乏方向的自上而下的领导而加剧。非技术决策者导致了错误的战略和糟糕的适应能力。机器学习的专业知识水平低下且高度政治化；据报道，像人工智能负责人Ganesh Venkatesh这样的个人的可疑想法被优先考虑，浪费了资源。 极端的资源短缺——Cerebras硬件甚至GPU——使得有意义的工作瘫痪，报告中的数字变得不可信，沦为虚构。言辞与现实之间的鸿沟在加大。 员工中明显的消极情绪进一步指责了公司。员工们在“等待时机”或进行股票交易，而不是积极贡献。这种脱离感凸显了深层次的问题，个人财务优先于创新。 Cerebras看起来是一家臃肿、无能且文化破产的公司。任何股价都将是骗局。稀有的“顶尖人才”已经离开或正在离开。 一切都已昭然若揭。尽管Cerebras高调宣称，但这是一家建立在沙土上的公司，注定要在其局限性和错误选择下崩溃。 趁还能逃离时赶快离开。

强化学习（RL）生态系统正在逐渐成熟——验证者正在标准化我们构建和共享环境的方式。然而，随着生态系统的发展，我们需要能够真正理解强化学习基本元素的可观察性工具。 在没有对执行质量、奖励分布或失败模式的可见性情况下进行强化学习实验是浪费时间。 Monitor 提供实时跟踪、逐例检查和程序化访问——可以查看运行期间发生的情况，并在事后调试出错的原因。 快来看看 verifiers-monitor！