全球：#MrFanboyEP6

我觉得在原则上，划定边界这个想法挺好，但实际上根本行不通。我们要怎么决定哪些基准可以改进呢？谁来参与？如果我们不再推动“能力”的发展，那我们就会做很多关于群集和效率的研究，这又会带来其他风险。这会分散我们对AI风险的注意力，很多风险其实只是

在Codex里你希望增加什么功能或内容呢？

AI生态系统的一大失败在于，很多人对这种事的反应是“你是恶棍”和“你丢脸了”。我们会努力改变这种规范。尽管前路艰难，但仍有积极的发展方向。Nathan Lambert说：今天我们要公布Trillium Labs @trillium_labs

全球：#MrFanboyEP6

Aleph Alpha推出多语言开源大模型Kolibri（德英）

怀爱国之心 立报国之志

全球：#MrFanboyEP6

来自Meta超智能实验室的重磅论文。他们发现了一些非常有趣且出乎意料的结果。（记得收藏）基模型搭配轻量级辅助训练通常在解决更主动的任务时表现得比它们的RL后训练版本更好，前提是两者都有足够的样本。后训练模型在pass@1上表现更好。在较大的

RT 尔维斯，先是AutoHarness，然后是AutoContext，现在是AutoCompact。我注意到一个趋势，就是越来越多的工作致力于让模型本身具备更多的功能。特别是，这些工作训练智能体自己决定何时进行压缩。这让我想起了Meta最