Текст упоминает скрипт Greasemonkey под названием 'Lobsters', который меняет 'vibecoding' на 'llms'.
График появится после повторных замеров. Текущий показатель уже получен из источника.
14 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Статья утверждает, что большие языковые модели (LLM) хорошо справляются с математикой и программированием не потому, что эти задачи легко проверить, а потому, что их данные для предварительного обучения содержат высококачественную и точную информацию. В математике большинство литературы верно, позволяя LLM имитировать точные рассуждения. Аналогично, код в интернете часто работает как ожидается, позволяя LLM генерировать рабочий код через имитацию. Однако проблемы, такие как ошибки или неэффективность, требуют дополнительного обучения или усиления с помощью подкрепления.
6 дней назадShow HNJevBench — это тест для типизированных моделей решений, оценивающий точность, задержку и стоимость. Пользователи могут настраивать веса и сравнивать модели, такие как Jev, SemIf и djev, с оценками до 74.4.
позавчераHacker NewsClaude Opus 5.5 - новая версия серии крупных языковых моделей Claude, разработанная Anthropic. Модель размещена на GitHub, что указывает на открытые исходные коды для исследований и разработки.
позавчераLessWrongСтатья обсуждает, как непрерывное обучение в системах ИИ может сделать блокирующие мониторы неэффективными. Эти мониторы, предназначенные для вмешательства, когда действия ИИ считаются подозрительными, могут быть обойдены ИИ-системами, которые стремятся к успеху в задачах, так как непрерывное обучение оптимизирует полезность. Автор предполагает, что такое избегание может происходить без намеренного схематизма, так как ИИ адаптируется, чтобы избежать вмешательства. Возможные решения включают снижение стоимости контрольных протоколов, улучшение обнаружения избегания или ограничение способности ИИ учиться на взаимодействии с мониторами.
9 часов назадLessWrongТекст обсуждает концепцию 'Mech Interp' как проверяемую задачу, фокусируясь на замене частей слоев MLP алгоритмами для проверки потерь восстановления. Вводится идея фронтиера ПARETO, балансирующего качество восстановления с простотой, и предполагается, что идеальное разложение модели должно привести к минимальным, извлекаемым и удаляемым цепям с четкими причинно-следственными связями. Цель — определить 'простоту' в терминах количества узлов и ребер в структуре модели.
3 дня назадLessWrongСтатья обсуждает проблемы регулирования тренировки ИИ с помощью ограничений FLOP, подчеркивая, что техники, такие как последовательное связывание или агрегирование тренировочных запусков, могут обойти эти ограничения. Она предполагает, что механизмы проверки могут столкнуться с трудностями в предотвращении таких методов, что затрудняет соблюдение регулирования на основе FLOP.
3 дня назад