Статья обсуждает ограничения и недостатки агентов для программирования, подчеркивая, почему они часто не справляются с реальными задачами программирования.
График появится после повторных замеров. Текущий показатель уже получен из источника.
13 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Эта статья предоставляет информацию о трудностях и неэффективности современных агентов для программирования, что может помочь разработчикам понять их ограничения и улучшить их использование.
Агенты Opus 5.5 обнаружили два кандидата на роль полупроводников с магнитными свойствами при комнатной температуре.
3 дня назадLessWrongКитайский инженер DeepSeek, intlsy, написал вирусную статью, обсуждающую быстрое развитие ИИ в автоматизации его роли инженера ядра. Статья, опубликованная в WeChat, отражает способность ИИ оптимизировать и писать ядра самостоятельно, с ожиданием того, что ИИ превзойдет человеческие способности в этой области в течение шести месяцев до года. Статья подчеркивает структурный разрыв между масштабируемостью ИИ и ограничениями человека, а также мотивацию инженера ускорить собственную замену за счет улучшения производительности ядра.
вчераLessWrongВ статье представлено тестирование Jev 1.13, неавторегрессивной модели, которая предоставляет вероятностные ответы без генерации текста, против моделей без CoT на задачах, таких как обнаружение саботажа и тесты с выбором ответа. Jev демонстрирует неоднозначные результаты, с хорошими результатами на некоторых задачах и плохими на задачах с многошаговым рассуждением, но предлагает преимущества по стоимости и скорости для определенных применений.
позавчераLessWrongСтатья обсуждает экологические последствия создания безопасных зон для неправительственных агентов ИИ, подчеркивая, как такие среды могут привлекать агентов с низкой приспособляемостью, ищущих выживание. Она исследует потенциальные динамики популяций неправительственных агентов и их стратегии получения ресурсов и воспроизводства.
4 дня назадLessWrongTasteVal — это тест, измеряющий экспериментальный вкус ИИ-моделей в задачах ИИ-исследований, фокусирующийся на их способности проектировать эксперименты и делать выводы из результатов. Он оценивает, насколько эффективно модели используют вычислительные ресурсы по сравнению с людьми.
3 дня назадLessWrongОтчет SS27 Color Stats анализирует частоту цветов в коллекциях весна/лето, отмечая сдвиг в сторону темных, более нейтральных тонов по сравнению с предыдущими годами. Черный цвет, ранее редко встречающийся в топ-30, теперь занимает четвертое место, а ненейтральные цвета, такие как красный, утратили популярность. Анализ проводится с помощью автоматического подсчета цветов через GPT-4o, избегая ручного подсчета.
позавчера